谷歌Gemini API重磅推出File Search Tool：RAG解决方案，让AI读懂你的“私有文档”！

谷歌在AI领域再出新招！近日，谷歌宣布在Gemini API中推出全新的File Search Tool（文件搜索系统）。搬主题观察到，这项功能是一个完全托管的检索增强生成（RAG）解决方案，旨在为开发者提供一个简单、集成且可扩展的方式，使用自己的数据来“锚定”Gemini模型。

这意味着，开发者现在可以轻松地将自己的私有文档、企业知识库、项目报告等文件上传到谷歌的RAG系统，让Gemini模型能够基于这些“专属知识”生成更准确、更具上下文的回复。这无疑将极大扩展Gemini在企业级应用和个性化服务中的潜力。

File Search Tool：如何让Gemini理解你的文件？

通过File Search Tool，开发者可以：

1. 上传文件： 轻松将PDF、DOCX、TXT和JSON等格式的文件上传到系统中。
2. 自动处理： 系统会自动对上传的文件进行分块（chunking）、索引（indexing）和检索（retrieval）。这些复杂的预处理步骤都由谷歌托管，开发者无需担心底层实现。
3. 精确回复： 当用户向Gemini模型提问时，File Search Tool会根据问题在已上传的文件中检索相关信息，然后将这些信息提供给Gemini模型，使其能够基于这些“事实依据”生成更准确、更具上下文的回复。

使用示例：代码集成简单高效

谷歌提供了清晰的代码示例，展示了如何将File Search Tool集成到Gemini API调用中：

from google import genai
from google.genai import types

client = genai.Client()
store = client.file_search_stores.create() # 创建一个文件搜索存储

# 上传文件到文件搜索存储
upload_op = client.file_search_stores.upload_to_file_search_store(
    file_search_store_name=store.name,
    file='path/to/your/document.pdf' # 指定你的PDF文件路径
)

while not upload_op.done:
  time.sleep(5)
  upload_ops = client.operations.get(upload_op)

# 在生成内容调用中，将文件搜索存储作为一个工具使用
response = client.models.generate_content(
    model='gemini-2.5-flash', # 选择Gemini模型
    contents='What does the research say about ...', # 你的查询
    config=types.GenerateContentConfig(
        tools=[types.Tool(
            file_search=types.FileSearch(
                file_search_store_names=[store.name] # 指定使用的文件搜索存储
            )
        )]
    )
)
print(response.text) # 打印Gemini的回复

# 支持回复，并提供指向“事实依据”的链接
grounding = response.candidates[0].grounding_metadata
sources = {c.retrieved_context.title for c in grounding.grounding_chunks}
print('Sources:', *sources) # 打印回复引用的源文件

这个示例清晰地展示了从创建存储、上传文件到在生成内容时调用File Search Tool的整个流程，开发者可以轻松上手。

成本与支持格式

官方文章指出，File Search Tool会自动管理文件存储、分块和嵌入生成。其收费标准为每百万索引词元 $0.15，并且仅在查询时生成嵌入，这有助于控制成本。

目前支持的文件格式包括PDF、DOCX、TXT 和 JSON。

搬主题点评

谷歌Gemini API中File Search Tool的推出，是RAG技术在商业API层面的一次重要落地。它解决了大语言模型在处理私有、特定领域知识方面的痛点，使得Gemini不再局限于其预训练的通用知识，而是能够深入理解和利用用户提供的专属数据。

搬主题认为，这项功能将极大地赋能企业和开发者构建更智能、更专业的AI应用。无论是企业内部知识问答系统、客户服务机器人、个性化教育平台，还是法律文档分析、医疗信息查询，File Search Tool都将发挥关键作用，让Gemini模型能够提供更精准、更权威的回复。这种将AI能力与私有数据深度结合的趋势，无疑是未来AI发展的重要方向。