建立醫療照護搜尋資料儲存庫

透過集合功能整理內容 ������以依據偏好儲存及分類內容。

控制台

1. 前往 Google Cloud 控制台的「AI Applications」頁面。

   AI 應用程式

2. 在導覽選單中，按一下「資料儲存庫」。

3. 按一下 add_box「建立資料儲存庫」。

4. 在「Select a data source」(選取資料來源) 窗格中，選取「Healthcare API (FHIR)」做為資料來源。
5. 如要從 FHIR 儲存庫匯入資料，請執行下列任一操作：
   • 從可用 FHIR 儲存庫清單中選取 FHIR 儲存庫：
     1. 展開「FHIR 儲存庫」欄位。
     2. 在這個清單中，選取位於允許位置的資料集，然後選取使用 FHIR 4.0 版的 FHIR 儲存庫。
   • 手動輸入 FHIR 儲存庫：
     1. 展開「FHIR 儲存庫」欄位。
     2. 按一下「手動輸入 FHIR 存放區」。
     3. 在「FHIR 儲存庫名稱」對話方塊中，輸入 FHIR 儲存庫的完整名稱，格式如下：

        project/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID

     4. 按一下 [儲存]。
6. 在「同步處理」部分中，選取下列其中一個選項。資料儲存庫建立後，即無法變更這項選項。
   • 一次性：執行一次性的批次資料匯入作業。如要進一步瞭解增量匯入作業，請參閱「重新整理醫療保健資料」。
   • 串流：執行近乎即時的串流資料匯入作業。如要串流資料，您必須建立資料連接器，這是一種資料儲存庫。如要使用 REST API 設定串流資料儲存庫，請與客戶工程師聯絡。
7. 在「這項資料的結構定義是什麼？」部分，選取下列其中一個選項：
   • Google 預先定義的結構定義：針對支援的 FHIR 資源和元素，保留 Google 定義的結構定義設定，例如可索引、可搜尋和可擷取。選取這個選項後，您就無法在建立資料儲存庫後更新結構定義。如果您想在建立資料儲存庫後變更架構，請選取「自訂架構」選項。
     1. 按一下「繼續」。
     2. 在「資料儲存庫名稱」欄位中，輸入資料儲存庫的名稱。
     3. 按一下 [建立]。

     您建立的資料儲存庫會列在「資料儲存庫」頁面。

   • 自訂結構定義：為支援的 FHIR 資源和元素定義專屬的結構定義設定，例如索引、搜尋和擷取功能。如要設定可設定的結構定義，請與客戶工程師聯絡。
     1. 按一下「繼續」。
     2. 查看結構定義、展開每個欄位，然後編輯欄位設定。
     3. 按一下「Add new fields」，即可在支援的 FHIR 資源上新增欄位。您無法移除 Google 定義的結構定義中提供的欄位。
     4. 按一下「繼續」。
     5. 在「資料連接器名稱」欄位中，輸入資料連接器的名稱。
     6. 按一下 [建立]。

     您建立的資料連接器會列在「資料儲存庫」頁面中。 來源 FHIR 存放區會新增為資料連接器中的實體。

8. 按一下「繼續」。

REST

1. 建立資料儲存庫。

   curl -X POST\
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json"\
    -H "X-Goog-User-Project: PROJECT_ID" \
   "https://us-discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/us/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \
    -d '{
       "displayName": "DATA_STORE_DISPLAY_NAME",
       "industryVertical": "HEALTHCARE_FHIR",
       "solutionTypes": ["SOLUTION_TYPE_SEARCH"],
       "searchTier": "STANDARD",
       "searchAddOns": ["LLM"],
       "healthcareFhirConfig":
         {
           "enableConfigurableSchema": CONFIGURABLE_SCHEMA_TRUE|FALSE
         }
   }'
   

   更改下列內容：

   • PROJECT_ID： Google Cloud 專案的 ID。
   • DATA_STORE_ID：您要建立的 Vertex AI Search 資料儲存庫 ID。這個 ID 只能包含小寫英文字母、數字、底線和連字號。
   • DATA_STORE_DISPLAY_NAME：您要建立的 Vertex AI Search 資料儲存庫������名稱。
   • CONFIGURABLE_SCHEMA_TRUE|FALSE：布林值，如果設為 true，您可以使用 schema.update 方法設定資料儲存庫結構定義。

   回應

   您應該會收到類似以下的 JSON 回應。如果 done 鍵的值為 true，表示建立資料儲存庫的作業已完成。否則，資料儲存庫建立作業就會失敗。

   {
     "name": "OPERATION_ID",
     "done": true
   }
   

2. 如果來源 FHIR 儲存庫和目標 Vertex AI Search 資料儲存庫位於同一個 Google Cloud 專案中，請呼叫下列方法，執行一次性批次匯入作業。如果不屬於同一個專案，請進行下一個步驟。

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json; charset=utf-8" \
   -H "X-Goog-User-Project: PROJECT_ID" \
   "https://us-discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/us/dataStores/DATA_STORE_ID/branches/0/documents:import" \
   -d '{
      "reconciliation_mode": "FULL",
      "fhir_store_source": {"fhir_store": "projects/PROJECT_ID/locations/CLOUD_HEALTHCARE_DATASET_LOCATION/datasets/CLOUD_HEALTHCARE_DATASET_ID/fhirStores/FHIR_STORE_ID"}
   }'
   

   更改下列內容：

   • PROJECT_ID： Google Cloud 專案的 ID。
   • DATA_STORE_ID：Vertex AI Search 資料儲存庫的 ID。
   • CLOUD_HEALTHCARE_DATASET_ID：包含來源 FHIR 儲存庫的 Cloud Healthcare API 資料集 ID。
   • CLOUD_HEALTHCARE_DATASET_LOCATION：包含來源 FHIR 儲存庫的 Cloud Healthcare API 資料集位置。
   • FHIR_STORE_ID：Cloud Healthcare API FHIR R4 儲存庫的 ID。

   回應

   您應該會收到類似以下的 JSON 回應。回應會包含長時間執行作業的 ID。當方法呼叫可能需要大量時間才能完成時，系統會傳回長時間執行的作業。請記下 IMPORT_OPERATION_ID 的值。您需要這個值才能驗證匯入作業的狀態，或取消進行中的批次匯入作業。

     {
       "name": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/operations/IMPORT_OPERATION_ID",
       "metadata": {
         "@type": "type.googleapis.com/google.cloud.discoveryengine.v1.ImportDocumentsMetadata"
       }
     }
   

3. 如果來源 FHIR 儲存庫和目標 Vertex AI Search 資料儲存庫位於不同的 Google Cloud 專案中，請呼叫下列方法來執行一次性批次匯入作業。如果是同一個專案，請返回上一個步驟。

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json; charset=utf-8" \
   -H "X-Goog-User-Project: PROJECT_ID" \
   "https://us-discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/us/dataStores/DATA_STORE_ID/branches/0/documents:import" \
   -d '{
      "reconciliation_mode": "FULL",
      "fhir_store_source": {"fhir_store": "projects/SOURCE_PROJECT_ID/locations/CLOUD_HEALTHCARE_DATASET_LOCATION/datasets/CLOUD_HEALTHCARE_DATASET_ID/fhirStores/FHIR_STORE_ID"}
   }'
   

   更改下列內容：

   • PROJECT_ID：包含 Vertex AI Search 資料儲存庫的 Google Cloud專案 ID。
   • DATA_STORE_ID：Vertex AI Search 資料儲存庫的 ID。
   • SOURCE_PROJECT_ID：包含 Cloud Healthcare API 資料集和 FHIR 儲存庫的 Google Cloud專案 ID。
   • CLOUD_HEALTHCARE_DATASET_ID：包含來源 FHIR 儲存庫的 Cloud Healthcare API 資料集 ID。
   • CLOUD_HEALTHCARE_DATASET_LOCATION：包含來源 FHIR 儲存庫的 Cloud Healthcare API 資料集位置。
   • FHIR_STORE_ID：Cloud Healthcare API FHIR R4 儲存庫的 ID。

   回應

   您應該會收到類似以下的 JSON 回應。回應會包含長時間執行作業的 ID。當方法呼叫可能需要大量時間才能完成時，系統會傳回長時間執行的作業。請記下 IMPORT_OPERATION_ID 的值。您需要這個值才能驗證匯入狀態。

   {
     "name": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/operations/IMPORT_OPERATION_ID",
     "metadata": {
       "@type": "type.googleapis.com/google.cloud.discoveryengine.v1.ImportDocumentsMetadata"
     }
   }
   

Python

詳情請參閱 AI Applications Python API 參考說明文件。

如要向 AI Applications 進行驗證，請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。

建立資料儲存庫

from google.api_core.client_options import ClientOptions
from google.cloud import discoveryengine

# TODO(developer): Uncomment these variables before running the sample.
# project_id = "YOUR_PROJECT_ID"
# location = "YOUR_LOCATION" # Values: "global"
# data_store_id = "YOUR_DATA_STORE_ID"


def create_data_store_sample(
    project_id: str,
    location: str,
    data_store_id: str,
) -> str:
    #  For more information, refer to:
    # https://cloud.google.com/generative-ai-app-builder/docs/locations#specify_a_multi-region_for_your_data_store
    client_options = (
        ClientOptions(api_endpoint=f"{location}-discoveryengine.googleapis.com")
        if location != "global"
        else None
    )

    # Create a client
    client = discoveryengine.DataStoreServiceClient(client_options=client_options)

    # The full resource name of the collection
    # e.g. projects/{project}/locations/{location}/collections/default_collection
    parent = client.collection_path(
        project=project_id,
        location=location,
        collection="default_collection",
    )

    data_store = discoveryengine.DataStore(
        display_name="My Data Store",
        # Options: GENERIC, MEDIA, HEALTHCARE_FHIR
        industry_vertical=discoveryengine.IndustryVertical.GENERIC,
        # Options: SOLUTION_TYPE_RECOMMENDATION, SOLUTION_TYPE_SEARCH, SOLUTION_TYPE_CHAT, SOLUTION_TYPE_GENERATIVE_CHAT
        solution_types=[discoveryengine.SolutionType.SOLUTION_TYPE_SEARCH],
        # TODO(developer): Update content_config based on data store type.
        # Options: NO_CONTENT, CONTENT_REQUIRED, PUBLIC_WEBSITE
        content_config=discoveryengine.DataStore.ContentConfig.CONTENT_REQUIRED,
    )

    request = discoveryengine.CreateDataStoreRequest(
        parent=parent,
        data_store_id=data_store_id,
        data_store=data_store,
        # Optional: For Advanced Site Search Only
        # create_advanced_site_search=True,
    )

    # Make the request
    operation = client.create_data_store(request=request)

    print(f"Waiting for operation to complete: {operation.operation.name}")
    response = operation.result()

    # After the operation is complete,
    # get information from operation metadata
    metadata = discoveryengine.CreateDataStoreMetadata(operation.metadata)

    # Handle the response
    print(response)
    print(metadata)

    return operation.operation.name

匯入文件

from google.api_core.client_options import ClientOptions
from google.cloud import discoveryengine

# TODO(developer): Uncomment these variables before running the sample.
# project_id = "YOUR_PROJECT_ID"
# location = "YOUR_LOCATION" # Values: "us"
# data_store_id = "YOUR_DATA_STORE_ID"
# healthcare_project_id = "YOUR_HEALTHCARE_PROJECT_ID"
# healthcare_location = "YOUR_HEALTHCARE_LOCATION"
# healthcare_dataset_id = "YOUR_HEALTHCARE_DATASET_ID"
# healthcare_fihr_store_id = "YOUR_HEALTHCARE_FHIR_STORE_ID"

#  For more information, refer to:
# https://cloud.google.com/generative-ai-app-builder/docs/locations#specify_a_multi-region_for_your_data_store
client_options = (
    ClientOptions(api_endpoint=f"{location}-discoveryengine.googleapis.com")
    if location != "global"
    else None
)

# Create a client
client = discoveryengine.DocumentServiceClient(client_options=client_options)

# The full resource name of the search engine branch.
# e.g. projects/{project}/locations/{location}/dataStores/{data_store_id}/branches/{branch}
parent = client.branch_path(
    project=project_id,
    location=location,
    data_store=data_store_id,
    branch="default_branch",
)

request = discoveryengine.ImportDocumentsRequest(
    parent=parent,
    fhir_store_source=discoveryengine.FhirStoreSource(
        fhir_store=client.fhir_store_path(
            healthcare_project_id,
            healthcare_location,
            healthcare_dataset_id,
            healthcare_fihr_store_id,
        ),
    ),
    # Options: `FULL`, `INCREMENTAL`
    reconciliation_mode=discoveryengine.ImportDocumentsRequest.ReconciliationMode.INCREMENTAL,
)

# Make the request
operation = client.import_documents(request=request)

print(f"Waiting for operation to complete: {operation.operation.name}")
response = operation.result()

# After the operation is complete,
# get information from operation metadata
metadata = discoveryengine.ImportDocumentsMetadata(operation.metadata)

# Handle the response
print(response)
print(metadata)

控制台

1. 前往 Google Cloud 控制台的「AI Applications」頁面。

   AI 應用程式

2. 在導覽選單中，按一下「資料儲存庫」。

3. 按一下 add_box「建立資料儲存庫」。

4. 在「Select a data source」(選取資料來源) 窗格中，選取「Healthcare API (FHIR)」做為資料來源。
5. 如要從 FHIR 儲存庫匯入資料，請執行下列任一操作：
   • 從可用 FHIR 儲存庫清單中選取 FHIR 儲存庫：
     1. 展開「FHIR 儲存庫」欄位。
     2. 在這個清單中，選取位於允許位置的資料集，然後選取使用 FHIR 4.0 版的 FHIR 儲存庫。
   • 手動輸入 FHIR 儲存庫：
     1. 展開「FHIR 儲存庫」欄位。
     2. 按一下「手動輸入 FHIR 存放區」。
     3. 在「FHIR 儲存庫名稱」對話方塊中，輸入 FHIR 儲存庫的完整名稱，格式如下：

        project/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID

     4. 按一下 [儲存]。
6. 在「同步處理」部分中，選取下列其中一個選項。資料儲存庫建立後，���無法變更這項選項。
   • 一次性：執行一次性的批次資料匯入作業。如要進一步瞭解增量匯入作業，請參閱「重新整理醫療保健資料」。
   • 串流：執行近乎即時的串流資料匯入作業。如要串流資料，您必須建立資料連接器，這是一種資料儲存庫。如要使用 REST API 設定串流資料儲存庫，請與客戶工程師聯絡。
7. 在「這項資料的結構定義是什麼？」部分，選取下列其中一個選項：
   • Google 預先定義的結構定義：針對支援的 FHIR 資源和元素，保留 Google 定義的結構定義設定，例如可索引、可搜尋和可擷取。選取這個選項後，您就無法在建立資料儲存庫後更新結構定義。如果您想在建立資料儲存庫後變更架構，請選取「自訂架構」選項。
     1. 按一下「繼續」。
     2. 在「資料儲存庫名稱」欄位中，輸入資料儲存庫的名稱。
     3. 按一下 [建立]。

     您建立的資料儲存庫會列在「資料儲存庫」頁面。

   • 自訂結構定義：為支援的 FHIR 資源和元素定義專屬的結構定義設定，例如索引、搜尋和擷取功能。如要設定可設定的結構定義，請與客戶工程師聯絡。
     1. 按一下「繼續」。
     2. 查看結構定義、展開每個欄位，然後編���欄位設定。
     3. 按一下「Add new fields」，即可在支援的 FHIR 資源上新增欄位。您無法移除 Google 定義的結構定義中提供的欄位。
     4. 按一下「繼續」。
     5. 在「資料連接器名稱」欄位中，輸入資料連接器的名稱。
     6. 按一下 [建立]。

     您建立的資料連接器會列在「資料儲存庫」頁面中。 來源 FHIR 存放區會新增為資料連接器中的實體。

8. 按一下「繼續」。

REST

1. 建立資料連接器來設定串流。

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   -H "X-Goog-User-Project: PROJECT_ID" \
   "https://us-discoveryengine.googleapis.com/v1alpha/projects/PROJECT_ID/locations/us:setUpDataConnector" \
   -d ' {
     "collectionId": "COLLECTION_ID",
     "collectionDisplayName": "COLLECTION_NAME",
     "dataConnector": {
     "dataSource": "gcp_fhir",
     "params": {
         "instance_uri": "projects/SOURCE_PROJECT_ID/locations/CLOUD_HEALTHCARE_DATASET_LOCATION/datasets/CLOUD_HEALTHCARE_DATASET_ID"
       },
       "entities": [
         {
           "entityName": "FHIR_STORE_NAME"
           "healthcareFhirConfig": {
             "enableConfigurableSchema": CONFIGURABLE_SCHEMA_TRUE|FALSE,
             "enableStaticIndexingForBatchIngestion": STATIC_INDEXING_TRUE|FALSE
           }
         }
       ],
       "syncMode": "STREAMING"
     }
   }'
   

   更改下列內容：

   • PROJECT_ID： Google Cloud 專案的 ID。
   • COLLECTION_ID：您要串流 FHIR R4 資料的集合 ID。
   • COLLECTION_NAME：您要串流 FHIR R4 資料的集合名稱。
   • SOURCE_PROJECT_ID：包含 Cloud Healthcare API 資料集和 FHIR 儲存庫的 Google Cloud專案 ID。
   • CLOUD_HEALTHCARE_DATASET_ID：包含來源 FHIR 儲存庫的 Cloud Healthcare API 資料集 ID。
   • CLOUD_HEALTHCARE_DATASET_LOCATION：包含來源 FHIR 儲存庫的 Cloud Healthcare API 資料集位置。
   • FHIR_STORE_ID：Cloud Healthcare API FHIR R4 儲存庫的 ID。
   • CONFIGURABLE_SCHEMA_TRUE|FALSE：布林值，如果設為 true，您可以使用 schema.update 方法設定資料儲存庫結構定義。
   • STATIC_INDEXING_TRUE|FALSE：布林值，如果設為 true，您就能以較高的索引配額匯入歷史資料。當您預期搜尋應用程式會遇到較大量的資料時，這項功能就很實用。不過，個別記錄的索引時間會較長。Google 強烈建議您將這個欄位設為 true。

   回應

   您應該會收到類似以下的 JSON 回應。如果 done 鍵的值為 true，表示建立資料儲存庫的作業已完成。否則，資料儲存庫建立作業就會失敗。

   {
     "name": "OPERATION_ID",
     "done": true,
     "response": {
       "@type": "type.googleapis.com/google.cloud.discoveryengine.v1main.DataConnector"
     }
   }
   

   • 如果集合建立成功，資料連接器就會新增至 Google Cloud 控制台「資料儲存庫」頁面中的資料儲存庫清單。
   • 建立的資料連接器包含實體，其名稱與您要串流資料的 FHIR R4 儲存庫相同。

控制台

1. 前往 Google Cloud 控制台的「AI Applications」頁面。

   AI 應用程式

2. 在導覽選單中，按一下「資料儲存庫」。

   「資料儲存庫」頁面會列出 Google Cloud專案中的資料儲存庫清單，並顯示詳細資料。

3. 確認您建立的資料儲存庫或資料連接器是否在資料儲存庫清單中。在資料儲存庫清單中，串流資料的資料連接器包含與 Cloud Healthcare API FHIR 儲存庫同名的資料儲存庫。

4. 選取資料儲存庫或資料連接器，並確認詳細資料。

   • 資料儲存庫：
     • 摘要表格會列出下列詳細資料：
       • 資料儲存庫 ID、類型和區域。
       • 文件數量，表示匯入的 FHIR 資源數量。
       • 上次匯入文件的時間戳記。
       • 您可以按一下「查看詳細資料」，查看文件匯入詳細資料，例如匯入成功、部分成功或失敗的詳細資料。
     • 「文件」分頁會在分頁表格中列出已匯入 FHIR 資源的資源 ID 和資源類型。您可以篩選這個表格，確認是否已匯入特定資源。
     • 「活動」分頁會列出文件匯入詳細資料，例如匯入成功、部分成功或匯入失敗的詳細資料。
   • 資料連接器：
     • 摘要表格會列出下列詳細資料：
       • 集合 ID、類型和區域。
       • 已連結應用程式的名稱。
       • 連接器的狀態，可能是「有效」或「已暫停」。
     • 「實體」表格會顯示資料連接器中的實體。實體名稱是來源 FHIR 儲存庫名稱。實體 ID 是資料連接器 ID 加上來源 FHIR 儲存庫名稱。
       • 按一下實體名稱即可查看詳細資料。實體是資料連接器中的資料儲存庫例項，因此實體詳細資料與資料儲存庫詳細資料相同。

5. 在「Schema」分頁中，查看支援的 FHIR 資源和元素的屬性。按一下「編輯」即可設定結構定義。

REST

1. 確認資料儲存庫建立作業。

   curl -X GET -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json"\
    -H "X-Goog-User-Project: PROJECT_ID" \
    "https://us-discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID"
   

   更改下列內容：

   • PROJECT_ID： Google Cloud 專案的 ID。
   • DATA_STORE_ID：Vertex AI Search 資料儲存庫的 ID。

   回應

   您應該會收到類似以下的 JSON 回應。回應包含已建立資料儲存庫的詳細資料。

   {
     "name": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID",
     "displayName": "DATA_STORE_DISPLAY_NAME",
     "industryVertical": "HEALTHCARE_FHIR",
     "createTime": "DATA_STORE_CREATION_TIMESTAMP",
     "solutionTypes": [
       "SOLUTION_TYPE_SEARCH"
     ],
     "defaultSchemaId": "default_schema",
     "documentProcessingConfig": {
       "defaultParsingConfig": {
         "ocrParsingConfig": {}
       }
     }
   }
   

2. 確認 FHIR 資料匯入作業是否完成。

   curl -X GET \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   "https://us-discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/operations/IMPORT_OPERATION_ID"
   

   更改下列內容：

   • PROJECT_ID： Google Cloud 專案的 ID。
   • DATA_STORE_ID：Vertex AI Search 資料儲存庫的 ID。
   • IMPORT_OPERATION_ID：呼叫 import 方法時傳回的長時間執行作業作業 ID

   回應

   您應該會收到類似以下的 JSON 回應。匯入作業是一項長時間執行的作業。在作業執行期間，回應會包含下列欄位：

   • successCount：表示目前已成功匯入的 FHIR 資源數量。
   • failureCount：表示目前匯入失敗的 FHIR 資源數量。只有在 FHIR 資源無法匯入時，系統才會顯示這個欄位。

   作業完成後，回應中會包含下列欄位：

   • successCount：表示成功匯入的 FHIR 資源數量。
   • failureCount：表示匯入失敗的 FHIR 資源數量。只有在有任何 FHIR 資源無法匯入時，系統才會顯示這個欄位。
   • totalCount：表示來源 FHIR 儲存區中的 FHIR 資源數量。只有在有任何 FHIR 資源無法匯入時，系統才會顯示這個欄位。
   • done：值為 true，表示匯入作業已完成。
   • errorSamples：提供有關匯入失敗的資源的資訊。只有在有任何 FHIR 資源無法匯入時，系統才會顯示這個欄位。
   • errorConfig：提供包含���誤摘要記錄檔案的 Cloud Storage 位置路徑。

   {
    "name": "projects/PROJECT_ID/locations/us/collections/default_collection/dataStores/DATA_STORE_ID/branches/0/operations/IMPORT_OPERATION_ID",
    "metadata": {
      "@type": "type.googleapis.com/google.cloud.discoveryengine.v1.ImportDocumentsMetadata",
      "createTime": "START_TIMESTAMP",
      "updateTime": "END_TIMESTAMP",
      "successCount": "SUCCESS_COUNT",
      "failureCount": "FAILURE_COUNT",
      "totalCount": "TOTAL_COUNT",
    },
    "done": true,
    "response": {
      "@type": "type.googleapis.com/google.cloud.discoveryengine.v1.ImportDocumentsResponse",
     "errorSamples": [ERROR_SAMPLE],
     "errorConfig": {
        "gcsPrefix": "LOG_FILE_LOCATION"
      }
    }
   }