Skip to content

Grounding：让智能体连接到外部数据源

Grounding 是将 AI 智能体连接到外部信息源的过程,使其能够生成更准确、更新和可验证的响应。通过将智能体响应 grounding 在权威数据中,你可以减少幻觉并为用户提供由可靠来源支持的答案。

ADK 支持多种 grounding 方法:

  • Google 搜索基础信息获取: 将智能体连接到实时网络信息，用于需要当前数据的查询，如新闻、天气或模型训练后可能发生变化的事实。
  • 基于搜索的基础信息获取: 将智能体连接到组织的私有文档和企业数据，用于需要专有信息的查询。
  • 智能体 RAG (Agentic RAG): 构建能够推理搜索方式的智能体，使用 Vector Search 2.0、RAG 引擎或其他检索系统动态构建查询和过滤器。

  • Google Search Grounding

    使你的智能体能够访问来自网络的实时权威信息。学习如何设置 Google Search grounding、理解数据流、解释 grounded 响应以及向用户显示引用。

  • Grounding with Search

    将你的智能体连接到索引化的企业文档和私有数据仓库。学习如何配置 Agent Search 数据存储、基于组织知识库的信息获取响应，并提供来源归属。

  • 博客文章: 使用 Vector Search 2.0 和 ADK 实现 10 分钟 Agentic RAG

    学习如何构建超越简单检索-生成模式的 Agentic RAG 系统。本文介绍如何构建一个旅行智能体,该智能体解析用户意图、构建元数据过滤器,并使用 Vector Search 2.0 和 ADK 的混合搜索功能搜索 2,000 个伦敦 Airbnb 房源。

  • Vector Search 2.0 旅行智能体 Notebook

    Agentic RAG 博客文章的实践 Jupyter notebook 配套资源。使用真实的 Airbnb 数据、自动嵌入、带 RRF 排名的混合搜索以及 ADK 工具集成构建端到端旅行智能体。

  • Deep Search Agent

    一个生产就绪的全栈研究智能体,可将主题转换为带引用的综合报告。具有两阶段工作流,包括人工参与的计划审批、迭代搜索优化以及用于规划、研究、评审和撰写的多智能体架构。

  • RAG Agent

    一个由 RAG 引擎驱动的文档问答智能体。上传文档并提问，即可获得带有引用链接（指向源材料）的准确答案。