Logo

菜单

发布于 2026-01-06 0 阅读
0

Tutorial: Building a Podcast Knowledge Base with the Gemini File Search Tool Podcast Search with Gemini File Search API

教程：使用 Gemini 文件搜索工具构建播客知识库

使用 Gemini 文件搜索 API 进行播客搜索

我们最近推出了一款全新的文件搜索工具，这是一个完全托管的 RAG 系统，直接集成到 Gemini API 中，它抽象化了检索流程，让您可以专注于构建。欲了解所有详情，请查看博客文章，或继续阅读Mark McDonald的教程。

想象一下，您可以毫不费力地回忆起最喜欢的播客中的特定细节，或者在重温长篇剧集时快速了解剧情梗概。人工智能对话，加上播客的完整上下文，让这一切变得轻而易举。

在本教程中，我们将构建一个专门用于此场景的工具。我们将创建一个 Python 应用程序，它可以接收播客 RSS 源，转录每集内容，并使用文件搜索工具对其进行索引。这样，我们就可以使用自然语言提问，并根据播客的实际内容获得答案，答案中还会包含指向特定剧集的引用。

解决方案概述

该应用程序由两部分组成：

  1. 摄取（ingest.py）：下载剧集，转录它们，并将转录稿上传到文件搜索存储。
  2. 查询（query.py）：接受用户问题，搜索文件搜索库，并使用 Gemini 生成答案。

步骤 1：创建文件搜索存储库

文件搜索存储库是用于限定文档范围的容器。在本例中，我们使用单个存储库来存储所有播客，以便一次性搜索所有播客。

首先，安装Python SDK。

from google import genai
from google.genai import types

client = genai.Client()
Enter fullscreen mode Exit fullscreen mode

要创建一个新商店，我们使用client.file_search_stores.create。我们将使用可选的显示名称来标识我们的播客索引。

store = client.file_search_stores.create(
    config={'display_name': 'My Podcast Store'}
)
Enter fullscreen mode Exit fullscreen mode

第二步：转录剧集

为了建立内容索引，我们需要将音频转换为文本。我们下载音频文件，然后使用Gemini 2.5 Flash-Lite型号进行转录。我们选择 Flash-Lite 是因为它速度极快且经济高效，非常适合这项任务。

在 Gemini 中ingest.py，该transcribe_audio函数可以处理这种情况，您可以向 Gemini 添加任何提示指令，以帮助管理转录的质量，例如跳过介绍或标记发言人。

response = client.models.generate_content(
      model='gemini-2.5-flash-lite',
      contents=[
        types.Part.from_uri(
          file_uri=audio_file.uri,
          mime_type=audio_file.mime_type
        ),
        "Transcribe this audio. Output only the transcription. Label the speakers. Do not include any obvious ad-reads or promotional segments in the transcription (if unsure, leave them in)."
      ]
  )
Enter fullscreen mode Exit fullscreen mode

步骤 3：上传带有元数据的成绩单

拿到文字稿后，我们就可以将其上传到我们的商店。文件搜索工具的一项强大功能是，您可以提供自定义元数据，用于在生成时进行筛选，从而将源数据限制在特定的播客或日期范围内。

要上传文件，我们使用client.file_search_stores.upload_to_file_search_store。这会在同一次调用中处理文件内容的上传并附加自定义元数据。

以下是准备元数据和上传文件的示例ingest.py。完整代码还添加了许多其他字段。

metadata = [
    {'key': 'title', 'string_value': ep.title},
    {'key': 'podcast', 'string_value': feed_info.title},
]

# Bring any tags from the feed itself
if 'tags' in ep:
    for tag in ep.tags:
        metadata.append({'key': 'tag', 'string_value': tag.term})

op = client.file_search_stores.upload_to_file_search_store(
    file_search_store_name=store_name,
    file=transcript_filename,
    config={
        'custom_metadata': metadata,
        'display_name': ep.title
    }
)
Enter fullscreen mode Exit fullscreen mode

步骤 4：查询商店

现在到了最有趣的部分：提问！

为了在生成请求中启用文件搜索，我们会传递定义FileSearch要搜索的文件存储的工具，以及我们需要的任何筛选条件。

从query.py：

if args.podcast:
    metadata_filter = f"podcast = {args.podcast}"

file_search = types.FileSearch(
    file_search_store_names=[store.name],
    metadata_filter=metadata_filter  # Optional filter
)
tool = types.Tool(file_search=file_search)

response = client.models.generate_content(
    model='gemini-2.5-flash',
    contents=question,
    config=types.GenerateContentConfig(
        tools=[tool]
    )
)
Enter fullscreen mode Exit fullscreen mode

当我们client.models.generate_content使用此工具进行呼叫时，Gemini 会自动搜索我们的商店以查找相关信息来回答用户的问题。

第五步：显示结果和引用

Gemini 的回复不仅包括答案，还包括引用，准确显示了使用了上传文件的哪些部分。

print("\nAnswer:")
print(response.text)

print("\nCitations:")
for i, chunk in enumerate(response.candidates[0].grounding_metadata.grounding_chunks):
    if chunk.retrieved_context:
        title = chunk.retrieved_context.title or "Unknown Episode"
        print(f"\nCitation {i+1}:")
        print(f"Episode: {title}")
        print(f"Text: {chunk.retrieved_context.text}")
Enter fullscreen mode Exit fullscreen mode

这样一来，用户可以验证答案并进一步探索原始资料。

运行应用程序

  1. 收听播客：
python ingest.py "https://feeds.example.com/podcast.rss" --limit 5
Enter fullscreen mode Exit fullscreen mode

这将下载最近 5 集节目，将其转录并上传到“播客”商店。

  1. 提出问题：
python query.py "Why are red delicious apples so bad?" --podcast="..."
Enter fullscreen mode Exit fullscreen mode

Gemini 将从索引的文本中检索相关片段，将其作为查询的输入上下文传递，并提供带有引用的答案。

接下来呢？

通过使用 Gemini 文件搜索 API，我们将音频文件集合转化为一个内容丰富、可搜索的知识库。我们无需操心分块、嵌入或设置矢量数据库——API 全部搞定了。加上元数据，我们用极少的代码构建了一个强大的搜索工具。

更多内容，请查看：

  • 官方文档：深入了解文件搜索 API 的功能。
  • 演示小程序：在 Google AI Studio 中试用类似应用程序的实时演示（或者用 vibe-code 编写自己的演示！）。

本文由马克·麦克唐纳撰写。点击此处获取代码：

GitHub 标志 markmcd /播客搜索

使用 Gemini API 的文件搜索工具对播客进行索引和搜索

使用 Gemini 文件搜索 API 进行播客搜索

本项目是一个简单的命令行工具，演示了如何使用Gemini 文件搜索 API构建可搜索的播客知识库。

它由两个主要脚本组成：

  • ingest.py：接收播客 RSS 源，下载音频，使用快速的 Gemini 2.5 Flash-Lite 模型转录剧集，并将它们上传到文件搜索存储。
  • query.py允许您使用自然语言询问有关所收听播客内容的问题，并获得带有引用的可靠答案。

先决条件

设置

  1. 创建并激活虚拟环境：

    python3 -m venv .venv
source .venv/bin/activate
    Enter fullscreen mode Exit fullscreen mode

  2. 安装依赖项：

    pip install -r requirements.txt
    Enter fullscreen mode Exit fullscreen mode

  3. 创建一个.env文件并添加您的 API 密钥：

    echo "GOOGLE_API_KEY=your_api_key_here" > .env
    Enter fullscreen mode Exit fullscreen mode

用法

1. 收听播客

ingest.py使用您想要索引的播客的 RSS 源 URL进行操作……


在 GitHub 上查看


文章来源：https://dev.to/googleai/building-a-podcast-ai-with-the-gemini-file-search-tool-1d4l
未能兑现的承诺
像我一样解释数据库中的索引。Fiv...