گوگل در 5 مه 2026 سه ارتقای مهم برای ابزار File Search در Gemini API معرفی کرد: پشتیبانی چندوجهی، متادیتای سفارشی و ارجاع صفحهای. این بهروزرسانی، File Search را از یک ابزار جستوجوی سادهتر به یک قطعه جدیتر برای ساخت سامانههای RAG قابلاتکا تبدیل میکند.
جستوجو حالا فقط متنی نیست
طبق اعلام رسمی گوگل، File Search اکنون میتواند متن و تصویر را همزمان بفهمد و ایندکس کند. این قابلیت با تکیه بر Gemini Embedding 2 ارائه شده و به توسعهدهندگان اجازه میدهد روی دادههای غیرساختیافته، جستوجوهای دقیقتری بسازند. در عمل، این یعنی یک اپلیکیشن میتواند بهجای تکیه بر نام فایل یا keyword، از روی توصیف زبانی، یک تصویر یا سند مرتبط را پیدا کند.
گوگل برای توضیح این قابلیت مثالی از یک آرشیو خلاقانه میزند: جایی که کاربر بهجای جستوجوی filename، میتواند با توصیف یک حالوهوا یا سبک بصری، دارایی تصویری مناسب را پیدا کند. برای پروژههای RAG که با اسناد، نمودارها، تصاویر و محتوای ترکیبی کار میکنند، این تغییر اهمیت زیادی دارد.
متادیتای سفارشی و citation صفحهای چه چیزی را بهتر میکند؟
قابلیت دوم، متادیتای سفارشی است. توسعهدهنده حالا میتواند به فایلهای خود برچسبهای ساختیافته مثل دپارتمان، وضعیت یا نوع سند اضافه کند و در زمان query همان فیلترها را اعمال کند. نتیجه این کار، کاهش نویز و بالا رفتن سرعت و دقت بازیابی است؛ دو چیزی که در RAGهای سازمانی اهمیت حیاتی دارند.
قابلیت سوم هم page-level citations است. یعنی پاسخ مدل میتواند به صفحه دقیق سند اصلی وصل شود. این ویژگی برای هر تیمی که با اسناد طولانی، PDFها یا محتوای حساس سروکار دارد، مهم است؛ چون به کاربر اجازه میدهد خیلی سریع محل دقیق منبع را ببیند و به پاسخ مدل اعتماد بیشتری داشته باشد.
چرا این خبر مهم است؟
رقابت اصلی در بازار AI فقط بر سر مدل بزرگتر نیست؛ بخش مهمی از رقابت حالا روی ابزارهایی است که بتوانند دادههای واقعی سازمان را بهتر بازیابی و قابلاستناد کنند. ارتقای File Search نشان میدهد گوگل میخواهد Gemini API را برای use caseهای عملیتر، از جستوجوی چندرسانهای تا RAGهای سازمانی، جدیتر وارد میدان کند.
منبع: Google
لینک خبر اصلی: https://blog.google/innovation-and-ai/technology/developers-tools/expanded-gemini-api-file-search-multimodal-rag/
تاریخ انتشار منبع: 2026-05-05
Comments