Google Cloud Go 客户端库 Discovery Engine 1.17.0 版本发布解析
Google Cloud Go 客户端库中的 Discovery Engine 组件近日发布了 1.17.0 版本,带来了一系列重要的功能增强和改进。Discovery Engine 是 Google Cloud 提供的智能搜索和推荐服务,能够帮助企业构建强大的搜索体验和内容发现系统。
核心功能增强
搜索与问答能力提升
新版本显著增强了搜索和问答功能。最引人注目的是新增了流式回答 API(stream answer API),允许开发者以流式方式获取问答结果,这对于需要实时显示答案的场景特别有价值。同时,问答系统现在支持端用户规范(end user spec),可以更好地理解用户意图。
搜索功能方面,新增了自动模式搜索(auto mode in search as your type),用户在输入查询时就能获得智能建议。模型评分(model scores)的引入让搜索结果可以附带相关性评分,而相关性阈值(relevance threshold)支持则让开发者可以过滤低相关性的结果。
内容导入与管理
内容导入功能得到多项改进。FHIR 导入现在可以使用最新的预定义模式(predefined schema),简化了医疗健康数据的处理流程。非结构化数据导入新增了强制刷新所有内容(force refresh all content)的选项,确保数据一致性。
新增的站点地图 API(sitemap APIs)为网站内容管理提供了更便捷的方式,开发者可以更高效地管理网站内容在搜索系统中的呈现。
高级功能与优化
搜索相关性与个性化
版本引入了多项提升搜索相关性的功能:
- 混合搜索的增强(boosting for blended search)允许对不同来源的结果进行加权
- 插值增强动作(interpolation boost action)和推广动作(promotion action)提供了更精细的搜索结果排序控制
- 搜索高亮(search highlighting)功能让匹配的关键词可以突出显示
用户行为分析
用户事件处理能力得到扩展:
- 转换用户事件(conversion user event)支持帮助企业更好地跟踪转化路径
- 面板感知用户事件(panel aware user event)提供了更丰富的用户交互分析维度
- 用户信息中新增时区(time_zone)字段,支持更精准的时间相关分析
企业级功能
针对企业用户,新增了企业网络检索源(enterprise web retrieval source)支持,增强了基于企业内容的基础能力。问答系统现在支持基础和安全评级(grounding and safety rating),确保回答内容的准确性和安全性。
技术实现细节
从技术实现角度看,这个版本将服务配置更新 API 提升到了 GA 状态,意味着该 API 已经稳定可用于生产环境。查询重述模型(query rephraser model)的引入可以自动优化用户查询,提高搜索结果质量。
值得注意的是,网络搜索基础能力现在支持图片(images in web search grounding),扩展了多媒体内容的处理能力。这些改进都基于 Google 在自然语言处理和机器学习领域的最新研究成果。
总结
Discovery Engine 1.17.0 版本通过多项功能增强,显著提升了搜索和问答系统的能力,为企业构建智能内容发现解决方案提供了更强大的工具。从基础的内容管理到高级的个性化搜索,再到企业级的安全保障,这个版本在多个维度都有实质性进步。对于使用 Go 语言开发搜索相关应用的开发者来说,这些新功能将大大简化开发难度,提升最终用户体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00