用途:该技能用于基于 Gemini 模型实现 Google File Search API 的检索增强生成(RAG),提供托管式文档分块、向量嵌入、语义搜索、元数据过滤与来源引用能力,并集成 Gemini 2.5 系列模型。
主要能力:自动文档分块与嵌入生成;跨多种文档类型的语义搜索;基于元数据的定向过滤;返回 grounding 引用以展示来源文档;使用 file search store 持久化存储。支持文档(PDF、DOCX、ODT、PPTX、XLSX、CSV、TXT、MD)、代码、数据与压缩包等 100 多种 MIME 类型。
使用方式:必须使用官方 SDK,禁止手写 REST 调用或使用已弃用包。TypeScript 安装 npm install @google/genai,Python 安装 pip install google-genai。API Key 从 https://aistudio.google.com/apikey 获取,且不得硬编码,应通过环境变量读取。典型流程为:初始化客户端、创建 file search store、用 uploadToFileSearchStore()(TS)或 upload_to_file_search_store()(Python)上传并索引文档、轮询 operation 直至完成、再通过 generateContent 配合 fileSearch 工具进行检索。
适用场景:构建知识库问答、文档检索、带引用的 RAG 应用,可封装为 Next.js API Route 或 FastAPI 端点。
限制:单文件最大 100 MB,建议 store 不超过 20 GB;存储额度按层级为 Free 1 GB、Tier 1 10 GB、Tier 2 100 GB、Tier 3 1 TB。推荐模型为 gemini-2.5-flash 与 gemini-2.5-pro。可配置分块参数与元数据过滤。具体收费价格资料未提供。