ابحث في ملفات PDF والصور المختلطة دفعة واحدة باستخدام Gemini

بيانات المؤسسات فوضوية: التقارير المالية تحتوي على رسوم بيانية مدمجة، والعقود فيها تعليقات مكتوبة بخط اليد، والمواصفات التقنية تمزج المخططات بالنصوص. وحتى وقت قريب، كان استخراج المعلومات من هذه المستندات متعددة الوسائط يتطلب تحويل الصور إلى نص عبر التعرف الضوئي على الحروف، وهو عنق زجاجة بطيء وعرضة للأخطاء. وقد غيّر أداة البحث عن الملفات (File Search) في Gemini هذا الوضع في مايو 2026 بإضافة دعم أصلي متعدد الوسائط مدعوم بنموذج Gemini Embedding 2.

هذا النهج أبسط من خطوط أنابيب RAG التقليدية. فأنت تنشئ مخزنًا لأداة البحث عن الملفات تحدد فيه نموذج التضمين (وللوسائط المتعددة استخدم gemini-embedding-2)، وترفع ملفاتك (ملفات PDF وPNG وJPEG وWebP)، فيفهرس النظام تلقائيًا المحتوى النصي والمرئي معًا في فضاء متجهات مشترك واحد. ولم يعد المحترف الذي يبحث في مكتبة بياناته الفصلية يحتاج إلى قواعد بيانات منفصلة للنصوص والصور، فاستعلام واحد من قبيل "أظهر لي الرسوم البيانية التي تقارن نمو الإيرادات سنة بعد سنة" يسترجع التصورات ذات الصلة من ملفات PDF دون معالجة مسبقة.

وعلى صعيد العمل العملي، يستفيد من هذا البحث الموحد المحامون الذين يراجعون تعديلات العقود إلى جانب مخططات اللوائح، والمحللون الذين يستخرجون الأنماط من التقارير الفصلية ذات الرسوم البيانية المدمجة، وفرق المنتجات التي تحلل صور منتجات المنافسين الممزوجة بأوراق المواصفات. ويتيح تصفية البيانات الوصفية تضييق النتائج (مثلًا مستندات قسم المالية لعام 2025 فقط)، فيما تُظهر استشهادات الصفحات بدقة مصدر كل إجابة.

تخدم هيكلة التكلفة المطورين: فالتخزين وعمليات التضمين وقت الاستعلام مجانية؛ ولا تدفع إلا مقابل الفهرسة والرموز (tokens). ويتطلب الإعداد واجهة Gemini API (مع دعم حزم تطوير Python وJavaScript وJava)، لكن منحنى التعلم لطيف، إذ تتضمن وثائق أداة البحث عن الملفات أمثلة برمجية عملية للتجربة الفورية.