以 Google 搜尋建立基準
如果啟用「以 Google 搜尋強化事實基礎」功能，Gemini 模型就能連結至即時網路內容，並支援所有可用語言。Gemini 就能提供更準確的答案，並引用知識截點以外的可驗證來源。
建立基準可協助您建構的應用程式：
- 提高事實準確度：根據真實資訊生成回覆，減少模型幻覺。
- 取得即時資訊：回答近期事件和主題相關問題。
提供引文：顯示模型聲明的來源，贏得使用者信任。
Python
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-3-flash-preview",
input="Who won the euro 2024?",
tools=[{"type": "google_search"}]
)
# Print the model's text response
for step in interaction.steps:
if step.type == "model_output":
for content_block in step.content:
if content_block.type == "text":
print(content_block.text)
JavaScript
import { GoogleGenAI } from "@google/genai";
const client = new GoogleGenAI({});
const interaction = await client.interactions.create({
model: "gemini-3-flash-preview",
input: "Who won the euro 2024?",
tools: [{ type: "google_search" }]
});
const modelStep = interaction.steps.find(s => s.type === 'model_output');
if (modelStep) {
for (const contentBlock of modelStep.content) {
if (contentBlock.type === 'text') console.log(contentBlock.text);
}
}
REST
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3-flash-preview",
"input": "Who won the euro 2024?",
"tools": [{"type": "google_search"}]
}'
如何運用 Google 搜尋強化事實基礎
啟用 google_search 工具後，模型會自動處理搜尋、處理及引用資訊的整個工作流程。
- 使用者提示：應用程式會將使用者提示傳送至 Gemini API，並啟用
google_search工具。 - 提示分析：模型會分析提示，判斷 Google 搜尋是否能提升回覆品質。
- Google 搜尋：模型會視需要自動生成一或多個搜尋查詢並執行。
- 處理搜尋結果：模型會處理搜尋結果、整合資訊並擬定回覆。
- 根據搜尋結果生成的回覆：API 會根據搜尋結果，生成最終的易讀回覆。這項回覆包含模型的文字答案，以及內含引文的
annotations，還有google_search_call和google_search_result步驟，其中包含搜尋查詢和搜尋建議。
瞭解基礎回應
如果模型成功根據資訊來源生成回應，文字輸出內容會直接在文字內容區塊中加入 annotations。這些註解會提供引文資訊，將回覆內容的各個部分連結至來源。
{
"steps": [
{
"type": "thought",
"summary": [
{
"type": "text",
"text": "The user is asking for the winner of Euro 2024. I need to search for the result of the Euro 2024 final."
}
],
"signature": "CoMDAXLI2nynRYojJIy6B1Jh9os2crpWLfB0..."
},
{
"type": "google_search_call",
"arguments": {
"queries": ["UEFA Euro 2024 winner"]
}
},
{
"type": "google_search_result",
"call_id": "search_001",
"result": [
{
"search_suggestions": "<!-- HTML and CSS for the search widget -->"
}
]
},
{
"type": "model_output",
"content": [
{
"type": "text",
"text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title.",
"annotations": [
{
"type": "url_citation",
"url": "https://www.aljazeera.com/sports/euro-2024-final",
"title": "aljazeera.com",
"start_index": 0,
"end_index": 56
},
{
"type": "url_citation",
"url": "https://www.uefa.com/euro2024/news/spain-wins-euro-2024",
"title": "uefa.com",
"start_index": 57,
"end_index": 124
}
]
}
]
}
]
}
回應中的主要欄位：
google_search_call：包含模型執行的搜尋queries。google_search_result：包含search_suggestions，這是用於在 UI 中顯示搜尋建議的 HTML 片段。完整使用規定詳見《服務條款》。text，並附上annotations：模型的合成答案，內含內嵌引文。每個url_citation註解都會將文字區段 (由start_index和end_index定義) 連結至來源網址。這是建立內嵌引文的關鍵。
您也可以搭配網址內容工具使用以 Google 搜尋強化事實基礎，以公開網路資料和您提供的特定網址做為回覆的基準。
使用內嵌引文註明出處
API 會在文字內容區塊中傳回內嵌 url_citation 註解，讓您完全掌控如何在使用者介面中顯示來源。每則註解都會包含 start_index 和 end_index，指出註解引用的文字部分。以下說明如何擷取及顯示這些資料。
Python
for step in interaction.steps:
if step.type == "model_output":
for content_block in step.content:
if content_block.type == "text":
print(content_block.text)
if content_block.annotations:
print("\nCitations:")
for annotation in content_block.annotations:
if annotation.type == "url_citation":
cited_text = content_block.text[annotation.start_index:annotation.end_index]
print(f" [{annotation.title}]({annotation.url})")
print(f" Cited text: \"{cited_text}\"")
JavaScript
for (const step of interaction.steps) {
if (step.type === 'model_output') {
for (const contentBlock of step.content) {
if (contentBlock.type === 'text') {
console.log(contentBlock.text);
if (contentBlock.annotations) {
console.log("\nCitations:");
for (const annotation of contentBlock.annotations) {
if (annotation.type === 'url_citation') {
const citedText = contentBlock.text.slice(annotation.startIndex, annotation.endIndex);
console.log(` [${annotation.title}](${annotation.url})`);
console.log(` Cited text: "${citedText}"`);
}
}
}
}
}
}
}
輸出內容會顯示文字和引文：
Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title.
Citations:
[aljazeera.com](https://www.aljazeera.com/sports/euro-2024-final)
Cited text: "Spain won Euro 2024, defeating England 2-1 in the final."
[uefa.com](https://www.uefa.com/euro2024/news/spain-wins-euro-2024)
Cited text: "This victory marks Spain's record fourth European Championship title."
定價
使用 Gemini 3 搭配「以 Google 搜尋強化事實基礎」功能時，系統會針對模型執行的每項搜尋查詢向專案收費。如果模型決定執行多個搜尋查詢來回答單一提示 (例如在同一個 API 呼叫中搜尋 "UEFA Euro 2024 winner" 和 "Spain vs England Euro 2024 final
score")，則該要求會計為兩次工具使用次數。為計費起見，計算不重複查詢時，我們會忽略空白的網路搜尋查詢。這項計費模式僅適用於 Gemini 3 模型；如果您使用 Gemini 2.5 或更舊的模型進行搜尋基準作業，系統會依提示向專案收費。
如需詳細的定價資訊，請參閱 Gemini API 定價頁面。
支援的模型
如要瞭解完整功能，請前往模型總覽頁面。
| 型號 | 以 Google 搜尋建立基準 |
|---|---|
| Gemini 3.1 Flash Image 預先發布版 | ✔️ |
| Gemini 3 Pro 預先發布版 | ✔️ |
| Gemini 3 Pro Image 預先發布版 | ✔️ |
| Gemini 3 Flash 預先發布版 | ✔️ |
| Gemini 2.5 Pro | ✔️ |
| Gemini 2.5 Flash | ✔️ |
| Gemini 2.5 Flash-Lite | ✔️ |
| Gemini 2.0 Flash | ✔️ |
支援的工具組合
您可以搭配使用「以 Google 搜尋強化事實基礎」功能與其他工具，例如程式碼執行和網址內容，以支援更複雜的用途。
Gemini 3 模型支援結合內建工具 (例如使用 Google 搜尋建立基準) 和自訂工具 (函式呼叫)。詳情請參閱「工具組合」頁面。