Google 上線 File Search：Gemini API 自帶全託管 RAG，查詢與儲存全免費

想給大模型塞私有知識庫，最讓人頭疼的往往不是呼叫模型本身，而是搭那一整套 RAG 檢索鏈路。

你要自己把文件切片、選向量模型、建向量資料庫，查詢時還得算相似度、拼 Prompt，最後還得算每一處的賬單。Google 顯然看煩了開發者折騰這些事情。

Google 在 Gemini API 裡上線了 File Search 工具。說白了，它把一整套端到端的 RAG 系統直接做成了託管服務，開發者把檔案傳上去就能用。

儲存免費，只收一次索引錢

這次最惹人注意的不是功能多全，而是計費方式有點反常規。

按照 Google 的規則，檔案存在裡面的儲存費用全免，每次使用者提問時呼叫的查詢 embedding 也免費。開發者唯一要掏錢的地方，只有第一次上傳檔案建立索引時的 embedding 成本。

目前這個費率按照 gemini-embedding-001 計算，每 100 萬 token 收 0.15 美元。也就是說，只要你不頻繁重新上傳整個大庫，後續使用者跑再多次查詢，檢索底座這部分基本等於零維護成本。

開發體驗上，File Search 也全包了。它會自動處理檔案切塊、向量化和上下文注入，開發者只需要在常規的 `generateContent` 接口裡掛上這個工具就行。

格式方面，它支援 PDF、DOCX、TXT、JSON 以及各種主流程式語言檔案。模型生成的回覆裡會自動附帶引用出處，直接指出答案來自文件的哪一段。

做遊戲生成平臺的 Phaser Studio 試水了這項功能，在旗下的 Beam 工具裡掛了龐大的模板庫。他們每天跑幾千次並行檢索，跨語料庫把結果抓取併合並起來，耗時不到 2 秒。

現在 Google AI Studio 已經放出了一個名為 Ask the Manual 的演示應用，不過需要繫結付費 API 金鑰才能體驗。

為什麼重要

我們認為，Google 這次推出 File Search，是奔著把中小團隊從向量資料庫的泥潭裡拉出來的節奏去的。

對獨立開發者和中小型團隊來說，以前搭建企業客服、內部知識庫或者程式碼助手，門檻往往卡在 Pinecone 等向量資料庫的高昂月費和維護運維上。現在儲存全免、查詢向量化全免，僅按首次索引收幾毛錢，極大地拉低了試錯成本，基本可以閉眼上車。

從行業競爭來看，這直接對標了 OpenAI 的 Assistants API 裡的 File Search 功能。Google 選擇用免費儲存和極低的單次索引費打價格戰，看起來就是想靠價效比把開發者從對手的生態裡搶過來。

不過隱患也同樣明顯。全託管意味著黑盒化，你無法精細調整切塊策略、檢索演算法或者混合搜尋權重。一旦遇到複雜排版的行業研報，檢索精度很可能會受限。但對於絕大多數不想養基礎設施的開發者來說，這種省心程度已經足夠打動人了。