Google Search के आधार पर जानकारी देना


Gemini API और AI Studio में, Google Search की ग्राउंडिंग की सुविधा का इस्तेमाल किया जा सकता है. इससे मॉडल से मिलने वाले जवाबों को ज़्यादा सटीक और नया जैसा बनाया जा सकता है. Google Search के साथ ग्राउंडिंग की सुविधा चालू होने पर, Gemini API आपके जवाबों के कॉन्टेंट के साथ-साथ, ग्राउंडिंग सोर्स (इन-लाइन मददगार लिंक) और Google Search के सुझाव भी दिखाता है. खोज के सुझाव, उपयोगकर्ताओं को खोज के नतीजों पर ले जाते हैं. ये नतीजे, उपयोगकर्ता के सवाल से जुड़े होते हैं.

Google Search की मदद से ग्राउंडिंग करने की सुविधा, सिर्फ़ टेक्स्ट प्रॉम्प्ट के साथ काम करती है. यह मल्टीमोडल (टेक्स्ट और इमेज, टेक्स्ट और ऑडियो वगैरह) प्रॉम्प्ट के साथ काम नहीं करता. Google Search की मदद से, Gemini मॉडल के लिए उपलब्ध सभी भाषाओं में जानकारी हासिल की जा सकती है.

इस गाइड से आपको Gemini API SDK टूल या REST API में से किसी एक का इस्तेमाल करके, Google Search को आधार बनाने के बारे में जानकारी मिलेगी.

Google Search का इस्तेमाल करने के लिए मॉडल कॉन्फ़िगर करना

Google Search पर 'ग्राउंडिंग' सुविधा का इस्तेमाल करना क्यों फ़ायदेमंद है?

जनरेटिव एआई में, तथ्यों के साथ जानकारी का मतलब है, मॉडल को जानकारी के ऐसे सोर्स से कनेक्ट करना जिनकी पुष्टि की जा सके. इन सोर्स से, काम करने की जगह की असल जानकारी या कोई अन्य खास संदर्भ मिल सकता है. ग्राउंडिंग से, एआई के आउटपुट को सटीक, भरोसेमंद, और काम का बनाने में मदद मिलती है.

ग्राउंडिंग, खास तौर पर उन प्रॉम्प्ट के लिए ज़रूरी है जिनमें वेब से अप-टू-डेट जानकारी की ज़रूरत होती है. ग्राउंडिंग का इस्तेमाल करके, मॉडल अपनी जानकारी की कटऑफ़ तारीख के बाद की जानकारी ऐक्सेस कर सकता है. साथ ही, जानकारी के सोर्स भी पा सकता है और उन सवालों के जवाब दे सकता है जिनका जवाब वह अन्यथा नहीं दे सकता.

Google AI Studio या Gemini API का इस्तेमाल करके, मॉडल के आउटपुट को Google Search पर दिखाया जा सकता है. Google Search पर खोज के नतीजे दिखाने के ये फ़ायदे हैं:

  • यह नीति, चुनिंदा कॉन्टेंट से जुड़े मॉडल के जवाबों की अनुमति देती है.
  • मॉडल के गलत नतीजे देने की संभावना कम हो जाती है. ऐसा तब होता है, जब मॉडल ऐसा कॉन्टेंट जनरेट करता है जो तथ्यों पर आधारित नहीं होता.
  • ऐंकर मॉडल, उन सोर्स के जवाब होते हैं जिन पर उपयोगकर्ता क्लिक करके उन्हें खोल सकता है.
  • इससे जनरेट किए गए कॉन्टेंट की भरोसेमंदता और उसे लागू करने की संभावना बढ़ती है.

Google Search के साथ ग्राउंडिंग का इस्तेमाल करने का मतलब है कि मॉडल को इंटरनेट से, Search के भरोसेमंद नतीजों से कनेक्ट किया जा रहा है. बिना डेटा के काम करने वाले मॉडल के जवाब, सीखे गए पैटर्न पर आधारित होते हैं. इसलिए, हो सकता है कि आपको मौजूदा घटनाओं के बारे में पूछे गए सवालों के जवाब के तौर पर, तथ्यों के बजाय अनुमानित जवाब मिलें. उदाहरण के लिए, मौसम का पूर्वानुमान या हाल ही में हुए फ़ुटबॉल मैच का फ़ाइनल स्कोर पूछने पर. इंटरनेट से नई जानकारी का ऐक्सेस मिलता है, इसलिए तथ्यों के साथ जानकारी देने से ज़्यादा अप-टू-डेट जवाब जनरेट हो सकते हैं, जिनमें सोर्स का हवाला दिया गया हो.

यहां एपीआई का इस्तेमाल करके जनरेट किए गए, बिना आधार वाले रिस्पॉन्स और आधार वाले रिस्पॉन्स की तुलना का उदाहरण दिया गया है. (जवाब अक्टूबर 2024 में जनरेट किए गए थे.)

Gemini का अनग्राउंड वर्शन Google Search की मदद से ज़मीन से जुड़ना
Prompt: इस साल सुपर बॉल किसने जीता?
जवाब: कैंज़स सिटी चीफ़्स ने इस साल (2023) सुपर बोल LVII जीता.
Prompt: इस साल सुपर बॉल किसने जीता?
जवाब: इस साल कैंसस सिटी चीफ़्स ने सुपर बोल LVIII जीता था. उन्होंने सैन फ़्रांसिस्को 49र्स को ओवरटाइम में 25-22 के स्कोर से हराया.

बिना तथ्यों वाले जवाब में यह मॉडल, कैंसस सिटी चीफ़्स की 2023 की सुपर बोल जीत का उदाहरण देता है. मॉडल ने सही जवाब में, 2024 में जीते गए हाल ही के मैच का सही रेफ़रंस दिया है.

यहां दी गई इमेज से पता चलता है कि एआई स्टूडियो में, ज़रूरी जानकारी के आधार पर दिया गया जवाब कैसा दिखता है.

AI Studio में, सवाल और जवाब

Google Search के सुझाव

Google Search के साथ ग्राउंडिंग का इस्तेमाल करने के लिए, आपको Google Search के सुझाव दिखाने होंगे. ये सुझाई गई क्वेरी, ग्राउंडेड रिस्पॉन्स के मेटाडेटा में शामिल होती हैं. डिसप्ले की ज़रूरी शर्तों के बारे में ज़्यादा जानने के लिए, Google Search के सुझावों का इस्तेमाल करना लेख पढ़ें.

डाइनैमिक रीट्रीवल

कुछ क्वेरी को, Google Search के साथ ग्राउंडिंग की सुविधा से दूसरों की तुलना में ज़्यादा फ़ायदा मिल सकता है. डाइनैमिक ऐक्सेस की सुविधा से, आपको इस बारे में ज़्यादा कंट्रोल मिलता है कि Google Search के साथ ग्राउंडिंग का इस्तेमाल कब करना है.

अगर डाइनैमिक रीट्रिवल मोड की जानकारी नहीं दी गई है, तो Google Search की मदद से ग्राउंडिंग हमेशा ट्रिगर होती है. अगर मोड को डाइनैमिक पर सेट किया गया है, तो मॉडल यह तय करता है कि थ्रेशोल्ड का इस्तेमाल कब करना है. यह सेटिंग, कॉन्फ़िगर किए जा सकने वाले थ्रेशोल्ड के हिसाब से तय होती है. थ्रेशोल्ड, [0,1] की रेंज में फ़्लोटिंग-पॉइंट वैल्यू होता है और डिफ़ॉल्ट रूप से 0.3 पर सेट होता है. अगर थ्रेशोल्ड वैल्यू 0 है, तो जवाब हमेशा Google Search पर आधारित होता है. अगर यह 1 है, तो जवाब कभी भी Google Search पर आधारित नहीं होता.

डाइनैमिक रीट्रीवल की सुविधा कैसे काम करती है

अपने अनुरोध में डाइनैमिक रीट्रिवल का इस्तेमाल करके, यह चुना जा सकता है कि Google Search के साथ ग्राउंडिंग की सुविधा कब चालू की जाए. यह तब काम आता है, जब प्रॉम्प्ट के लिए Google Search पर मौजूद जवाब की ज़रूरत न हो और मॉडल, Google Search पर मौजूद जानकारी के आधार पर जवाब न देकर, अपने ज्ञान के आधार पर जवाब दे सके. इससे आपको इंतज़ार का समय, क्वालिटी, और लागत को ज़्यादा असरदार तरीके से मैनेज करने में मदद मिलती है.

अपने अनुरोध में डाइनैमिक रीट्रीवल कॉन्फ़िगरेशन को शुरू करने से पहले, इन शब्दों को समझ लें:

  • अनुमान का स्कोर: जब किसी सवाल का सटीक जवाब पाने का अनुरोध किया जाता है, तो Gemini उस सवाल के लिए अनुमान का स्कोर असाइन करता है. अनुमान का स्कोर, [0,1] की रेंज में फ़्लोटिंग पॉइंट की वैल्यू होता है. इसकी वैल्यू इस बात पर निर्भर करती है कि क्या प्रॉम्प्ट को Google Search से मिली अप-टू-डेट जानकारी के साथ जवाब देने से फ़ायदा मिल सकता है. इसलिए, अगर किसी प्रॉम्प्ट के लिए वेब पर सबसे नई जानकारी पर आधारित जवाब की ज़रूरत है, तो उसका अनुमान स्कोर ज़्यादा होता है. जिस प्रॉम्प्ट के लिए मॉडल से जनरेट किया गया जवाब काफ़ी है उसके लिए, अनुमान का स्कोर कम होता है.

    यहां कुछ प्रॉम्प्ट और उनके अनुमान के स्कोर के उदाहरण दिए गए हैं.

    प्रॉम्प्ट अनुमानित स्कोर टिप्पणी
    "पेओनी के बारे में कविता लिखें" 0.13 मॉडल अपनी जानकारी पर भरोसा कर सकता है और जवाब के लिए, उसे किसी और की ज़रूरत नहीं होती.
    "दो साल के बच्चे के लिए खिलौने का सुझाव दो" 0.36 यह मॉडल अपनी जानकारी पर भरोसा कर सकता है और इस जवाब के लिए किसी तथ्य को आधार बनाने की ज़रूरत नहीं है.
    "क्या आपके पास एशियन स्टाइल के गुआकामोल की रेसिपी है?" 0.55 Google Search से आपको सटीक जवाब मिल सकता है. हालांकि, तथ्यों पर आधारित जानकारी देना ज़रूरी नहीं है. इसके लिए, सिर्फ़ मॉडल की जानकारी होना काफ़ी हो सकता है.
    "एजेंट बिल्डर क्या है? Agent Builder में ग्राउंडिंग के लिए शुल्क कैसे लिया जाता है?" 0.72 Google Search को सही जवाब जनरेट करने के लिए ज़रूरी है.
    "हाल ही में हुई F1 ग्रैंड प्रिक्स में किसने जीत हासिल की?" 0.97 तथ्यों पर आधारित जवाब जनरेट करने के लिए, Google Search की ज़रूरत होती है.
  • थ्रेशोल्ड: अपने एपीआई अनुरोध में, थ्रेशोल्ड के साथ डाइनैमिक रीट्रिवल कॉन्फ़िगरेशन तय किया जा सकता है. थ्रेशोल्ड, [0,1] की रेंज में एक फ़्लोटिंग पॉइंट वैल्यू होती है. डिफ़ॉल्ट रूप से, इसकी वैल्यू 0.7 होती है. अगर थ्रेशोल्ड वैल्यू शून्य है, तो जवाब हमेशा Google Search पर आधारित होता है. थ्रेशोल्ड की अन्य सभी वैल्यू के लिए, यह लागू होता है:

    • अगर अनुमान का स्कोर थ्रेशोल्ड से ज़्यादा या उसके बराबर है, तो जवाब Google Search से लिया जाता है. थ्रेशोल्ड कम होने का मतलब है कि ज़्यादा प्रॉम्प्ट के जवाब, Google Search के साथ ग्राउंडिंग का इस्तेमाल करके जनरेट किए गए हैं.
    • अगर अनुमान का स्कोर थ्रेशोल्ड से कम है, तो हो सकता है कि मॉडल अब भी जवाब जनरेट करे. हालांकि, यह जवाब Google Search पर आधारित नहीं होगा.

SDK टूल या REST API का इस्तेमाल करके, डेटा वापस पाने के लिए डाइनैमिक थ्रेशोल्ड सेट करने का तरीका जानने के लिए, सही कोड का उदाहरण देखें.

अगर AI Studio का इस्तेमाल किया जा रहा है, तो ग्राउंडिंग में बदलाव करें पर क्लिक करके, डेटा वापस पाने का डाइनैमिक थ्रेशोल्ड सेट किया जा सकता है.

AI Studio में ग्राउंडिंग थ्रेशोल्ड चुनना

अपने कारोबार की ज़रूरतों के हिसाब से सही थ्रेशोल्ड ढूंढने के लिए, उन क्वेरी का एक प्रतिनिधि सेट बनाया जा सकता है जिनका आपको सामना करना पड़ सकता है. इसके बाद, रिस्पॉन्स में अनुमान के स्कोर के हिसाब से क्वेरी को क्रम से लगाया जा सकता है. साथ ही, अपने इस्तेमाल के उदाहरण के लिए एक अच्छा थ्रेशोल्ड चुना जा सकता है.

सही जवाब

अगर आपका प्रॉम्प्ट Google Search पर दिखता है, तो जवाब में groundingMetadata शामिल होगा. तथ्यों के साथ दिया गया जवाब कुछ ऐसा दिख सकता है (जवाब को छोटा रखने के लिए, कुछ हिस्सों को हटा दिया गया है):

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Carlos Alcaraz won the Gentlemen's Singles title at the 2024 Wimbledon Championships. He defeated Novak Djokovic in the final, winning his second consecutive Wimbledon title and fourth Grand Slam title overall. \n"
          }
        ],
        "role": "model"
      },
      ...
      "groundingMetadata": {
        "searchEntryPoint": {
          "renderedContent": "\u003cstyle\u003e\n.container {\n  align-items: center;\n  border-radius: 8px;\n  display: flex;\n  font-family: Google Sans, Roboto, sans-serif;\n  font-size: 14px;\n  line-height: 20px;\n  padding: 8px 12px;\n}\n.chip {\n  display: inline-block;\n  border: solid 1px;\n  border-radius: 16px;\n  min-width: 14px;\n  padding: 5px 16px;\n  text-align: center;\n  user-select: none;\n  margin: 0 8px;\n  -webkit-tap-highlight-color: transparent;\n}\n.carousel {\n  overflow: auto;\n  scrollbar-width: none;\n  white-space: nowrap;\n  margin-right: -12px;\n}\n.headline {\n  display: flex;\n  margin-right: 4px;\n}\n.gradient-container {\n  position: relative;\n}\n.gradient {\n  position: absolute;\n  transform: translate(3px, -9px);\n  height: 36px;\n  width: 9px;\n}\n@media (prefers-color-scheme: light) {\n  .container {\n    background-color: #fafafa;\n    box-shadow: 0 0 0 1px #0000000f;\n  }\n  .headline-label {\n    color: #1f1f1f;\n  }\n  .chip {\n    background-color: #ffffff;\n    border-color: #d2d2d2;\n    color: #5e5e5e;\n    text-decoration: none;\n  }\n  .chip:hover {\n    background-color: #f2f2f2;\n  }\n  .chip:focus {\n    background-color: #f2f2f2;\n  }\n  .chip:active {\n    background-color: #d8d8d8;\n    border-color: #b6b6b6;\n  }\n  .logo-dark {\n    display: none;\n  }\n  .gradient {\n    background: linear-gradient(90deg, #fafafa 15%, #fafafa00 100%);\n  }\n}\n@media (prefers-color-scheme: dark) {\n  .container {\n    background-color: #1f1f1f;\n    box-shadow: 0 0 0 1px #ffffff26;\n  }\n  .headline-label {\n    color: #fff;\n  }\n  .chip {\n    background-color: #2c2c2c;\n    border-color: #3c4043;\n    color: #fff;\n    text-decoration: none;\n  }\n  .chip:hover {\n    background-color: #353536;\n  }\n  .chip:focus {\n    background-color: #353536;\n  }\n  .chip:active {\n    background-color: #464849;\n    border-color: #53575b;\n  }\n  .logo-light {\n    display: none;\n  }\n  .gradient {\n    background: linear-gradient(90deg, #1f1f1f 15%, #1f1f1f00 100%);\n  }\n}\n\u003c/style\u003e\n\u003cdiv class=\"container\"\u003e\n  \u003cdiv class=\"headline\"\u003e\n    \u003csvg class=\"logo-light\" width=\"18\" height=\"18\" viewBox=\"9 9 35 35\" fill=\"none\" xmlns=\"http://www.w3.org/2000/svg\"\u003e\n      \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M42.8622 27.0064C42.8622 25.7839 42.7525 24.6084 42.5487 23.4799H26.3109V30.1568H35.5897C35.1821 32.3041 33.9596 34.1222 32.1258 35.3448V39.6864H37.7213C40.9814 36.677 42.8622 32.2571 42.8622 27.0064V27.0064Z\" fill=\"#4285F4\"/\u003e\n      \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M26.3109 43.8555C30.9659 43.8555 34.8687 42.3195 37.7213 39.6863L32.1258 35.3447C30.5898 36.3792 28.6306 37.0061 26.3109 37.0061C21.8282 37.0061 18.0195 33.9811 16.6559 29.906H10.9194V34.3573C13.7563 39.9841 19.5712 43.8555 26.3109 43.8555V43.8555Z\" fill=\"#34A853\"/\u003e\n      \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M16.6559 29.8904C16.3111 28.8559 16.1074 27.7588 16.1074 26.6146C16.1074 25.4704 16.3111 24.3733 16.6559 23.3388V18.8875H10.9194C9.74388 21.2072 9.06992 23.8247 9.06992 26.6146C9.06992 29.4045 9.74388 32.022 10.9194 34.3417L15.3864 30.8621L16.6559 29.8904V29.8904Z\" fill=\"#FBBC05\"/\u003e\n      \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M26.3109 16.2386C28.85 16.2386 31.107 17.1164 32.9095 18.8091L37.8466 13.8719C34.853 11.082 30.9659 9.3736 26.3109 9.3736C19.5712 9.3736 13.7563 13.245 10.9194 18.8875L16.6559 23.3388C18.0195 19.2636 21.8282 16.2386 26.3109 16.2386V16.2386Z\" fill=\"#EA4335\"/\u003e\n    \u003c/svg\u003e\n    \u003csvg class=\"logo-dark\" width=\"18\" height=\"18\" viewBox=\"0 0 48 48\" xmlns=\"http://www.w3.org/2000/svg\"\u003e\n      \u003ccircle cx=\"24\" cy=\"23\" fill=\"#FFF\" r=\"22\"/\u003e\n      \u003cpath d=\"M33.76 34.26c2.75-2.56 4.49-6.37 4.49-11.26 0-.89-.08-1.84-.29-3H24.01v5.99h8.03c-.4 2.02-1.5 3.56-3.07 4.56v.75l3.91 2.97h.88z\" fill=\"#4285F4\"/\u003e\n      \u003cpath d=\"M15.58 25.77A8.845 8.845 0 0 0 24 31.86c1.92 0 3.62-.46 4.97-1.31l4.79 3.71C31.14 36.7 27.65 38 24 38c-5.93 0-11.01-3.4-13.45-8.36l.17-1.01 4.06-2.85h.8z\" fill=\"#34A853\"/\u003e\n      \u003cpath d=\"M15.59 20.21a8.864 8.864 0 0 0 0 5.58l-5.03 3.86c-.98-2-1.53-4.25-1.53-6.64 0-2.39.55-4.64 1.53-6.64l1-.22 3.81 2.98.22 1.08z\" fill=\"#FBBC05\"/\u003e\n      \u003cpath d=\"M24 14.14c2.11 0 4.02.75 5.52 1.98l4.36-4.36C31.22 9.43 27.81 8 24 8c-5.93 0-11.01 3.4-13.45 8.36l5.03 3.85A8.86 8.86 0 0 1 24 14.14z\" fill=\"#EA4335\"/\u003e\n    \u003c/svg\u003e\n    \u003cdiv class=\"gradient-container\"\u003e\u003cdiv class=\"gradient\"\u003e\u003c/div\u003e\u003c/div\u003e\n  \u003c/div\u003e\n  \u003cdiv class=\"carousel\"\u003e\n    \u003ca class=\"chip\" href=\"https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4x8Epe-gzpwRBvp7o3RZh2m1ygq1EHktn0OWCtvTXjad4bb1zSuqfJd6OEuZZ9_SXZ_P2SvCpJM7NaFfQfiZs6064MeqXego0vSbV9LlAZoxTdbxWK1hFeqTG6kA13YJf7Fbu1SqBYM0cFM4zo0G_sD9NKYWcOCQMvDLDEJFhjrC9DM_QobBIAMq-gWN95G5tvt6_z6EuPN8QY=\"\u003ewho won wimbledon 2024\u003c/a\u003e\n  \u003c/div\u003e\n\u003c/div\u003e\n"
        },
        "groundingChunks": [
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4whET1ta3sDETZvcicd8FeNe4z0VuduVsxrT677KQRp2rYghXI0VpfYbIMVI3THcTuMwggRCbFXS_wVvW0UmGzMe9h2fyrkvsnQPJyikJasNIbjJLPX0StM4Bd694-ZVle56MmRA4YiUvwSqad1w6O2opmWnw==",
              "title": "wikipedia.org"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4wR1M-9-yMPUr_KdHlnoAmQ8ZX90DtQ_vDYTjtP2oR5RH4tRP04uqKPLmesvo64BBkPeYLC2EpVDxv9ngO3S1fs2xh-e78fY4m0GAtgNlahUkm_tBm_sih5kFPc7ill9u2uwesNGUkwrQlmP2mfWNU5lMMr23HGktr6t0sV0QYlzQq7odVoBxYWlQ_sqWFH",
              "title": "wikipedia.org"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4wsDmROzbP-tmt8GdwCW_pqISTZ4IRbBuoaMyaHfcQg8WW-yKRQQvMDTPAuLxJh-8_U8_iw_6JKFbQ8M9oVYtaFdWFK4gOtL4RrC9Jyqc5BNpuxp6uLEKgL5-9TggtNvO97PyCfziDFXPsxylwI1HcfQdrz3Jy7ZdOL4XM-S5rC0lF2S3VWW0IEAEtS7WX861meBYVjIuuF_mIr3spYPqWLhbAY2Spj-4_ba8DjRvmevIFUhRuESTKvBfmpxNSM",
              "title": "cbssports.com"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4yzjLkorHiUKjhOPkWaZ9b4cO-cLG-02vlEl6xTBjMUjyhK04qSIclAa7heR41JQ6AAVXmNdS3WDrLOV4Wli-iezyzW8QPQ4vgnmO_egdsuxhcGk3-Fp8-yfqNLvgXFwY5mPo6QRhvplOFv0_x9mAcka18QuAXtj0SPvJfZhUEgYLCtCrucDS5XFc5HmRBcG1tqFdKSE1ihnp8KLdaWMhrUQI21hHS9",
              "title": "jagranjosh.com"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4y9L4oeNGWCatFz63b9PpP3ys-Wi_zwnkUT5ji9lY7gPUJQcsmmE87q88GSdZqzcx5nZG9usot5FYk2yK-FAGvCRE6JsUQJB_W11_kJU2HVV1BTPiZ4SAgm8XDFIxpCZXnXmEx5HUfRqQm_zav7CvS2qjA2x3__qLME6Jy7R5oza1C5_aqjQu422le9CaigThS5bvJoMo-ZGcXdBUCj2CqoXNVjMA==",
              "title": "apnews.com"
            }
          }
        ],
        "groundingSupports": [
          {
            "segment": {
              "endIndex": 85,
              "text": "Carlos Alcaraz won the Gentlemen's Singles title at the 2024 Wimbledon Championships."
            },
            "groundingChunkIndices": [
              0,
              1,
              2,
              3
            ],
            "confidenceScores": [
              0.97380733,
              0.97380733,
              0.97380733,
              0.97380733
            ]
          },
          {
            "segment": {
              "startIndex": 86,
              "endIndex": 210,
              "text": "He defeated Novak Djokovic in the final, winning his second consecutive Wimbledon title and fourth Grand Slam title overall."
            },
            "groundingChunkIndices": [
              1,
              0,
              4
            ],
            "confidenceScores": [
              0.96145374,
              0.96145374,
              0.96145374
            ]
          }
        ],
        "webSearchQueries": [
          "who won wimbledon 2024"
        ]
      }
    }
  ],
  ...
}

अगर जवाब में groundingMetadata शामिल नहीं है, तो इसका मतलब है कि जवाब को भरोसेमंद स्रोतों से पुष्टि नहीं की गई है. ऐसा कई वजहों से हो सकता है. जैसे, सोर्स का काम न करना या मॉडल के जवाब में अधूरी जानकारी होना.

जब कोई ऐसा नतीजा जनरेट होता है जो किसी कॉन्टेंट पर आधारित होता है, तो मेटाडेटा में ऐसे यूआरआई शामिल होते हैं जो उस कॉन्टेंट के पब्लिशर पर रीडायरेक्ट करते हैं जिसका इस्तेमाल, नतीजा जनरेट करने के लिए किया गया था. इन यूआरआई में vertexaisearch सबडोमेन शामिल है, जैसा कि छोटे किए गए इस उदाहरण में दिखाया गया है: https://vertexaisearch.cloud.google.com/grounding-api-redirect/.... मेटाडेटा में पब्लिशर के डोमेन भी शामिल होते हैं. शिकायत के आधार पर नतीजा जनरेट होने के बाद, दिए गए यूआरआई 30 दिनों तक ऐक्सेस किए जा सकते हैं.

searchEntryPoint में मौजूद renderedContent फ़ील्ड, Google Search के सुझावों को लागू करने के लिए दिया गया कोड है. ज़्यादा जानने के लिए, Google Search के सुझावों का इस्तेमाल करना लेख पढ़ें.