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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00