Sie können leistungsstarke KI-Modelle, die über die Modellendpunktverwaltung registriert wurden, direkt in Ihrer Datenbank mit SQL-Operatoren ausführen. Die AlloyDB AI-Funktionen werden in die Gemini Enterprise Agent Platform eingebunden, um intelligente Filterung, semantische Rangfolge und Textgenerierung in Echtzeit für Ihre Betriebsdaten zu ermöglichen.
KI-gestützte SQL-Filterung und ‑Ranking
Einfache SQL-Funktionen für leistungsstarke KI-Aufgaben verwenden Die google_ml_integration-Erweiterung bietet Operatoren wie ai.if() für intelligentes Filtern und ai.rank() für semantisches Neuklassifizieren.
Textgenerierung in der Datenbank
Transformationen für Zeilen in Ihrer Datenbank ausführen Mit dem Operator ai.generate() können Sie ein Foundation Model bitten, eine Produktrezension zusammenzufassen oder Daten direkt in Ihrer Anfrage zu transformieren.
Funktionen zum Einbetten und Vorhersagen
Mit SQL-Funktionen wie google_ml.embedding() können Sie Vektoreinbettungen generieren oder mit google_ml.predict_row( Vorhersagen aus einem beliebigen registrierten Modell aufrufen – alles in Ihrer Datenbank.
So funktionieren die KI-Funktionen
Wenn Sie einen KI-Operator wie ai.if(), ai.rank() oder ai.generate() in Ihre SQL-Abfrage einbetten, wird er von den KI-Funktionen erkannt. Diese Engine, die über die Erweiterung google_ml_integration verfügbar ist, orchestriert den gesamten Prozess. Dabei werden die relevanten Zeilendaten sicher verpackt und ein vorab registriertes ML-Modell von Anbietern wie Gemini, OpenAI oder Anthropic aufgerufen. Das ML-Modell wertet die Daten aus und gibt eine Vorhersage zurück, z. B. true/false für einen Filter oder eine Punktzahl für das Ranking. Die KI-Funktionen binden diese Vorhersage nahtlos in die Ausführung Ihrer Abfrage ein und geben ein Standard-SQL-Ergebnisset zurück. Sie erhalten KI-basierte Erkenntnisse, ohne Ihre Daten verschieben zu müssen.
Vorteile von AlloyDB AI-Funktionen
Herkömmliche Datenbankabfragemethoden sind oft starr, sodass Entwickler alle potenziellen Nutzerinteraktionspfade hartcodieren müssen. AlloyDB AI-Funktionen ermöglichen eine erhebliche Änderung der Nutzerfreundlichkeit, indem sie Folgendes bieten:
Unternehmensdaten mit Faktenwissen anreichern: Sie können das Faktenwissen von Large Language Models (LLMs) direkt in Ihre AlloyDB for PostgreSQL-Datenbank einbringen. Im Folgenden finden Sie Beispiele für die Verwendung von KI-Funktionen:
- Unstrukturierte Daten mit
ai.generateverarbeiten: Mit Gemini mit SQL können Sie rohes, verrauschtes oder unstrukturiertes Nutzerfeedback wie Rezensionen oder Logs verwalten. - Mit
ai.ifkönnen Sie feststellen, ob Transaktionen betrügerisch sind. Geben Sie der Funktion eine Folge von Nutzeraktionen, Transaktionsnotizen oder Chatzusammenfassungen und bitten Sie sie, ein binäres Ergebnis zu bewerten:Is this fraudulent?.
- Unstrukturierte Daten mit
Leistungsstarke Analysen: Mit den folgenden KI-Funktionen können Sie die Leistung steigern und Analysen in großem Umfang durchführen:
- Mit der arraybasierten Verarbeitung können Sie bis zu Tausende von Zeilen pro Sekunde verarbeiten. Das ist 2.000-mal schneller als bei zeilenweisen Aufrufen. Die arraybasierte Verarbeitung ist für alle KI-Funktionen verfügbar. Weitere Informationen finden Sie unter Intelligente SQL-Abfragen mit KI-Funktionen ausführen.
- Verwenden Sie Smart Batching für KI-Funktionen, um einen deutlich höheren Durchsatz als bei zeilenweisen Aufrufen zu erzielen. Weitere Informationen finden Sie unter Leistung von Abfragen mit KI-Funktionen beschleunigen.
- Mit optimierten
ai.iflassen sich die Kosten für die Verwendung des LLM durch eine verbesserte Effizienz eliminieren. Es werden 100.000 Zeilen pro Sekunde erreicht (eine 23.000-fache Verbesserung gegenüber zeilenweisen Aufrufen) und die Kosten werden um das 6.000-fache auf 1/10 Cent gesenkt.
Anwendungsfälle für AlloyDB AI-Funktionen
In der folgenden Tabelle werden Anwendungsfälle für AlloyDB AI-Funktionen beschrieben.
Funktion |
Beschreibung |
Anwendungsfall |
|---|---|---|
ai.if |
Intelligentes, kognitives Filtern auf Grundlage natürlicher Sprache. |
Anhand von Verhaltensmustern ermitteln, welche Kundentransaktionen betrügerisch sind. |
ai.rank |
Die Ergebnisse der Vektorsuche werden anhand von tiefgreifenden Kontextnuancen neu gerankt. |
Atmungsaktive Stoffe für eine tropical wedding-Suche priorisieren,
auch wenn in Ihrer Datenbank nicht bekannt ist, was „atmungsaktive Stoffe“ bedeutet. |
ai.generate |
Generiert neue Inhalte oder wandelt Datenformate um. |
Rohdaten aus Serverlogs in ein strukturiertes JSON-Format konvertieren, um die Analyse zu erleichtern. |
ai.analyze_sentiment |
Klassifiziert den emotionalen Ton von Text als positiv, negativ oder neutral. |
Tausende von Produktrezensionen klassifizieren, um die allgemeine Kundenzufriedenheit zu ermitteln. |
ai.summarize |
Lange Texte werden auf die wichtigsten Informationen reduziert. |
Wichtige Entscheidungen und Aufgaben aus Gesprächstranskripten extrahieren. |
ai.agg_summarize |
Eine Aggregatfunktion, mit der mehrere Zeilen in einer Spalte verarbeitet werden, um eine einzelne, einheitliche Zusammenfassung für eine bestimmte Gruppe von Zeilen zu erstellen. |
Erstelle eine einzelne, konsolidierte Zusammenfassung für einen bestimmten Film auf Grundlage aller einzelnen Rezensionen in einer Tabelle. |
ai.forecast |
Ermöglicht Zeitreihenprognosen mit dem TimesFM-Modell. |
Zukünftigen Inventarbedarf anhand von Verkaufsverlaufsdaten vorhersagen. |
Weitere Informationen
Entwicklerressourcen für die Entwicklung eigener Anwendungen für Abfragen in natürlicher Sprache mit AlloyDB AI
Vektorsuche und KI-Operatoren in AlloyDB AI
Kleine IT-Teams können generative KI mit Google Cloud Datenbanken nutzen.
KI-Operatoren in AlloyDB und Reranking
AlloyDB AI mit KI-Operatoren bereitstellen Sie können sie für Aufgaben wie die semantische Suche, Joins und die Ergebnisbewertung verwenden.
Verwaltung von Modellendpunkten
Mit der Modellendpunktverwaltung lassen sich umfangreichere generative KI-Anwendungen erstellen.
AlloyDB AI-Funktionen – Referenz
Referenzdokumentation für die Funktionen und Parameter der google_ml_integration-Erweiterung.