近日，谷歌正式推出其全新的 GeminiAPIURLContext 功能，旨在让 AI 在浏览网页时有如人类一般的理解能力。这一功能于 5 月 28 日在 GoogleAIStudio 上线，标志着谷歌在 AI 技术领域的又一次重大突破。
与我们常用的链接分享不同，URLContext 功能的运作方式截然不同。通常情况下，当我们将链接丢给 AI 时，它往往只是通过简单的浏览器工具或搜索引擎插件来读取网页内容，而这种方式常常只能获取到网页的摘要或部分信息。然而，Gemini 的 URLContext 则是专为开发者设计的 API，可以精准解析和理解网页中的所有内容，甚至可以处理 PDF、图片等多种格式的信息。
具体来说，URLContext 功能能够处理高达 34MB 的网页内容，支持多种文件格式，包括 HTML、JSON 和 CSV 等。谷歌产品负责人 LoganKilpatrick 表示，这项功能极大地简化了开发者的工作流程，使其能够在几行代码中实现深度的信息提取与处理。与传统的 「检索-增强生成」（RAG） 流程相比，URLContext 减少了繁琐的步骤，不再需要额外的内容提取、向量存储和检索机制。
这一功能的能力相当强大。通过一个简单的 URL，Gemini 可以提取特斯拉财报中的关键数据，如 「总资产」 和 「总负债」，而这些信息往往无法通过传统方式获取。此外，它还能够识别 PDF 中的复杂结构，包括表格和脚注等。这使得开发者能够更快速、准确地获得所需信息，极大提高了工作效率。
不过，URLContext 也有其局限性。它无法突破付费墙，对于需要登录才能访问的内容无能为力。此外，它对专用工具 （如 YouTube 视频和 GoogleDocs 等） 也不会进行处理。内容的处理费用是按照 Token 数量计费，因此开发者需要合理设计信息源，以控制成本。
URLContext 功能不仅展示了 AI 技术的前沿发展趋势，也让我们对未来的信息检索方式有了新的认识。
文章地址：https://towardsdatascience.com/googles-url-context-grounding-another-nail-in-rags-coffin/
