Gemini Embedding 2 — تضمينات الذاكرة المرقّاة

Model: gemini-embedding-2 (متاح حياً — verified 2026-06-13، 3072 dims). السابق: gemini-embedding-001 (768 dims). فُعّل كـ default للفهرسة الجديدة: 2026-06-13.

القفزة

• دقة استرجاع أعلى (3072 بُعد مقابل 768) — بحث دلالي أدقّ في RAG/الذاكرة/legal-rag.
• متعدد اللغات (عربي/إنجليزي/تركي قوي).

⚠️ قاعدة الترقية الآمنة (إلزامية)

• الفهرسة الجديدة (من الآن): استخدم gemini-embedding-2.
• الفهارس الموجودة (ask-rag, legal-rag, rag-knowledge-base): تبقى على embedding-001 حتى reindex كامل مخطّط. لا تخلط بُعدين في نفس الـ collection.
• عند reindex: احذف الـ collection القديمة → أعد البناء بـ embedding-2 بالكامل.

الاستدعاء

python
from google import genai
import os
c = genai.Client(api_key=os.environ['GEMINI_API_KEY'])
r = c.models.embed_content(model='gemini-embedding-2', contents='نص')
REST: POST /v1beta/models/gemini-embedding-2:embedContent?key=***  body: {"content":{"parts":[{"text":"..."}]}}

ملفات تستخدم embedding-001 (مرشّحة للترقية عند reindex)

• projects/ask-rag/semantic_index.py + app.py
• skills/rag-knowledge-base/rag.py
• skills/legal-rag/scripts/legal_rag.py
• scripts/gemini_with_fallback.py