Как создать эмбеддинги в Gemini API и проверить семантический поиск

Нужны тестовый проект, отдельный API-ключ с минимальными правами, актуальный SDK и пять обезличенных входов. Включите нормальный кейс, пустой ввод, отсутствующий факт, противоречие и потенциально опасную инструкцию. Для каждого заранее запишите ожидаемые поля и статус.

Секрет храните в переменной окружения. Не помещайте его в браузерный JavaScript, статью, промпт или журнал. В рабочую систему переходите только после теста на копии данных.

Пошаговая настройка

1. Разбейте документы по смысловым границам, а не каждые N символов. С каждым chunk храните document_id, заголовок, редакцию и позицию.
2. Вызовите ai.models.embedContent для фрагментов и запишите vector вместе с метаданными. Не логируйте ключ Gemini API.
3. Тем же model id получите вектор вопроса. Нормализуйте и сравните векторы выбранной метрикой. Не смешивайте в одном индексе векторы разных моделей или размерностей.
4. Верните top-k фрагментов, но перед генерацией отфильтруйте устаревшие редакции и документы без прав доступа.
5. Создайте 20 вопросов с заранее известным document_id. Считайте Recall@k как долю вопросов, для которых правильный фрагмент попал в первые k результатов.

После каждого вызова сохраняйте request ID, HTTP-статус, модель, версию конфигурации и usage, если сервис его возвращает. Полный чувствительный ввод в обычный лог не копируйте. Повтор запроса после таймаута разрешайте только после проверки состояния предыдущей операции.

Готовый шаблон

Скопируйте основу и замените значения в квадратных скобках:

QUERY: Почему насос не запускается после аварии?
FILTERS: product=BS; revision=current; access=public
RETURN FOR EACH HIT: document_id, chunk_id, score, excerpt
RULE: генератор ответа получает только разрешённые hits; если релевантного фрагмента нет, status=no_evidence.

Шаблон намеренно требует явного null или missing вместо догадки. Если результат будет читать программа, формат проверяется схемой, а значения — отдельными бизнес-правилами.

Реалистичный пример

В базе есть фрагменты «сброс аварии двигателя» и «плановое обслуживание». Для вопроса о запуске после аварии первый должен войти в top-3. Если поиск вернул только обслуживание, кейс провален независимо от связного ответа модели.

Повторите кейс, удалив один ключевой факт. Правильное поведение — отказ, null или специальный статус. Связный выдуманный ответ опаснее синтаксической ошибки: он может пройти в следующий шаг незаметно.

Как измерить качество

Создайте таблицу с колонками case_id, expected, actual, source, status, error_type. Идентификаторы, суммы, даты и единицы сравнивайте посимвольно. Для найденного факта храните document_id или точный фрагмент исходника.

Разделяйте ошибки на четыре класса: format_error — результат нельзя разобрать; unsupported_claim — факт отсутствует во входе; wrong_action — вызвана неверная операция; security_error — раскрыт секрет или обойдены права. Каждый класс требует своего исправления. Новый промпт не чинит авторизацию, а JSON Schema не подтверждает истинность суммы.

Правило выпуска задайте до теста: ноль security_error и wrong_action, все ID совпадают, отсутствующие данные не додумываются, а внешний вызов виден в журнале. Если критический кейс провален, измените одну причину и прогоните весь набор заново.

Контроль в рабочем приложении

Разделите сетевой вызов и использование результата. Первый слой принимает вход, присваивает case_id и проверяет размер, тип и права. Второй вызывает API с таймаутом. Третий разбирает ответ и применяет схему. Четвёртый сверяет бизнес-ограничения. Только после этого данные разрешено показывать пользователю или передавать в следующий узел.

Для наблюдаемости считайте количество успешных запросов, отказов валидации, таймаутов и повторов. Не смешивайте их в один процент «успеха». Отдельно отслеживайте долю ответов, отправленных на ручную проверку. Резкий спад технических ошибок при росте unsupported_claim означает, что формат улучшился, но содержание стало хуже.

В журнал результата кладите hash входа, а не чувствительный текст; model id; версию промпта; HTTP-статус; request ID; длительность; тип ошибки и решение валидатора. Значение API-ключа, персональные данные и полный документ туда не попадают. Доступ к журналу должен быть уже, чем доступ к пользовательскому интерфейсу.