Gemini API 提供嵌入模型，可为文本、图片、视频和其他内容生成嵌入。然后，这些生成的嵌入可用于语义搜索、分类和聚类等任务，与基于关键字的方法相比，可提供更准确、更贴合情境的结果。
最新模型 gemini-embedding-2 是 Gemini API 中的首个多模态嵌入模型。它将文本、图片、视频、音频和文档映射到统一的嵌入空间中，从而能够以 100 多种语言进行跨模态搜索、分类和聚类。如需了解详情，请参阅多模态嵌入部分。对于纯文字用例，gemini-embedding-001 仍然可用。
构建检索增强生成 (RAG) 系统是 AI 产品的一种常见使用场景。嵌入在显著提升模型输出方面发挥着关键作用，可提高事实准确性、连贯性和上下文丰富度。如果您想使用托管式 RAG 解决方案，我们构建了文件搜索工具，可让您更轻松地管理 RAG 并提高成本效益。
生成嵌入
使用 embedContent 方法生成文本嵌入：
Python
from google import genai
client = genai.Client()
result = client.