Google Cloud Discovery Engine v1 2.1.0版本发布:增强搜索与内容管理能力
Google Cloud Discovery Engine是谷歌云平台提供的一套企业级搜索和推荐服务解决方案,它基于谷歌先进的搜索技术,帮助企业构建定制化的搜索体验。该服务能够处理结构化数据和非结构化内容,提供智能化的搜索结果排序和推荐功能。
最新发布的2.1.0版本为Discovery Engine v1带来了多项重要功能增强,主要集中在搜索体验优化、内容管理能力提升以及会话交互改进等方面。这些更新使得开发者能够构建更加智能、个性化的搜索解决方案。
核心功能更新
增强的搜索与问答能力
新版本对搜索和问答功能进行了显著增强。search和search_liteRPC现在支持更多参数配置,开发者可以设置相关性阈值来控制结果质量,还可以获取每个结果的相关性评分,这对于结果排序和过滤非常有帮助。问答功能方面,answer_queryRPC新增了基础规范(grounding specification)和终端用户规范(end user specification)参数,使得回答可以更好地基于特定上下文和用户特征进行定制。
特别值得注意的是新增的stream_answer_queryRPC,它提供了流式问答能力,可以实现渐进式的答案返回,大大改善了用户体验,特别是对于复杂问题的回答场景。
改进的会话管理
会话管理功能得到了加强,get_sessionRPC现在可以返回完整的会话信息,包括所有答案的详细信息。这一改进使得开发者能够更好地跟踪和分析用户与系统的交互历史,为构建更智能的对话系统提供了基础。
内容管理增强
在内容管理方面,新版本增加了对站点地图(sitemap)管理的支持,使得内容组织和发现更加高效。import_documentsRPC新增了强制刷新非结构化内容的能力,确保内容索引能够及时更新。此外,新增的ServingConfigService提供了更灵活的搜索服务配置管理能力。
技术实现考量
从技术架构角度看,这些更新反映了Discovery Engine向更精细化控制和更丰富交互体验的发展方向。流式问答接口的引入特别值得关注,它需要服务端和客户端之间建立稳定的长连接,并处理可能的分块数据传输和重组。
相关性评分和阈值的引入为搜索质量调优提供了量化指标,开发者可以根据业务需求精确控制结果集的质量。基础规范参数则为知识图谱和事实基础的问答提供了支持,有助于减少幻觉回答。
应用场景建议
这些新功能特别适合以下应用场景:
- 需要渐进式展示复杂答案的知识库系统
- 对搜索结果质量有严格要求的电商平台
- 基于多轮对话的智能客服系统
- 内容频繁更新的媒体网站或文档系统
开发者可以利用相关性评分实现动态结果过滤,使用流式问答改善用户体验,通过增强的会话管理构建更连贯的对话流程。
总结
Google Cloud Discovery Engine v1 2.1.0版本的发布标志着该服务在搜索质量、交互体验和内容管理方面的显著进步。新功能不仅提供了更多技术控制点,也为构建更智能的搜索和推荐系统开辟了新的可能性。对于正在使用或考虑采用Discovery Engine的企业来说,这个版本值得特别关注和评估。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00