Fungsi AI AlloyDB memungkinkan Anda menjalankan model AI yang terdaftar melalui pengelolaan endpoint model langsung di dalam database menggunakan operator SQL. Integrasi dengan Gemini Enterprise Agent Platform menghadirkan pemfilteran cerdas, peringkat semantik, dan pembuatan teks ke data operasional Anda secara real time.
Pemfilteran dan peringkat SQL yang didukung AI
Gunakan fungsi SQL sederhana untuk tugas AI yang canggih. Ekstensi google_ml_integration menyediakan operator seperti ai.if() untuk pemfilteran cerdas dan ai.rank() untuk pemeringkatan ulang semantik.
Pembuatan teks dalam database
Lakukan transformasi untuk baris di database Anda. Dengan menggunakan operator ai.generate(), Anda dapat meminta model dasar untuk meringkas ulasan produk, atau mengubah data langsung dalam kueri Anda.
Fungsi embedding dan prediksi
Gunakan fungsi SQL seperti google_ml.embedding() untuk membuat embedding vektor atau google_ml.predict_row( untuk memanggil prediksi dari model terdaftar mana pun, semuanya dalam database Anda.
Cara kerja fungsi AI
Saat Anda menyematkan operator AI seperti ai.if(), ai.rank(), atau ai.generate() ke dalam kueri SQL, fungsi AI akan mendeteksinya. Mesin ini, yang tersedia menggunakan ekstensi google_ml_integration, mengatur seluruh proses. Mesin ini mengemas data baris yang relevan dengan aman dan memanggil model ML yang telah terdaftar sebelumnya dari penyedia, seperti Gemini, OpenAI, atau Anthropic. Model ML mengevaluasi data dan menampilkan prediksi—seperti true/false untuk filter atau skor untuk peringkat. Fungsi AI mengintegrasikan prediksi ini kembali ke eksekusi kueri Anda dengan lancar, sehingga menampilkan kumpulan hasil SQL standar. Anda mendapatkan insight yang didukung AI tanpa harus memindahkan data.
Manfaat fungsi AI AlloyDB
Mekanisme kueri database tradisional sering kali kaku, sehingga memaksa developer untuk meng-hardcode semua jalur interaksi pengguna yang potensial. Fungsi AI AlloyDB memungkinkan perubahan signifikan dalam pengalaman pengguna dengan melakukan hal berikut:
Menyuntikkan data perusahaan dengan pengetahuan dunia: Anda dapat menghadirkan pengetahuan dunia nyata dari Model Bahasa Besar (LLM) langsung ke database AlloyDB untuk PostgreSQL. Berikut adalah contoh cara menggunakan fungsi AI:
- Memproses data tidak terstruktur menggunakan
ai.generate: Anda dapat mengelola masukan pengguna yang mentah, tidak relevan, atau tidak terstruktur—seperti ulasan atau log—menggunakan Gemini dengan SQL. - Menentukan apakah transaksi bersifat penipuan menggunakan
ai.if: berikan fungsi urutan tindakan pengguna, catatan transaksi, atau ringkasan chat, lalu minta fungsi tersebut untuk mengevaluasi hasil biner:Is this fraudulent?
- Memproses data tidak terstruktur menggunakan
Kecerdasan berperforma tinggi: gunakan hal berikut untuk mempercepat performa dan menangani kecerdasan dalam skala besar dengan fungsi AI:
- Gunakan pemrosesan berbasis array untuk menangani hingga ribuan baris per detik, yang 2.000 kali lebih cepat daripada panggilan baris per baris. Pemrosesan berbasis array tersedia untuk semua fungsi AI. Untuk mengetahui informasi selengkapnya, lihat Melakukan kueri SQL cerdas menggunakan fungsi AI.
- Gunakan smart batching untuk fungsi AI guna mencapai throughput yang jauh lebih tinggi daripada panggilan baris per baris. Untuk mengetahui informasi selengkapnya, lihat Mempercepat performa untuk kueri dengan fungsi AI.
- Gunakan
ai.ifyang dioptimalkan untuk menghilangkan biaya penggunaan LLM melalui peningkatan efisiensi, mencapai 100.000 baris per detik (peningkatan 23.000 kali lipat dibandingkan panggilan baris per baris) dan mengurangi biaya sebesar 6.000 kali lipat menjadi 1/10 sen.
Kasus penggunaan fungsi AI AlloyDB
Tabel berikut menjelaskan kasus penggunaan untuk fungsi AI AlloyDB.
Fungsi |
Deskripsi |
Kasus penggunaan |
|---|---|---|
ai.if |
Pemfilteran kognitif yang cerdas berdasarkan bahasa alami. |
Menentukan transaksi pelanggan mana yang tampak penipuan berdasarkan pola perilaku. |
ai.rank |
Memeringkat ulang hasil penelusuran vektor berdasarkan nuansa kontekstual yang mendalam. |
Memprioritaskan kain yang breathable untuk penelusuran tropical wedding meskipun database Anda tidak mengetahui arti "kain yang breathable". |
ai.generate |
Membuat konten baru atau mengubah format data. |
Mengonversi data log server mentah ke dalam format JSON terstruktur untuk analisis yang lebih mudah. |
ai.analyze_sentiment |
Mengklasifikasikan nada emosional teks sebagai positif, negatif, atau netral. |
Mengklasifikasikan ribuan ulasan produk untuk mengukur kepuasan pelanggan secara keseluruhan. |
ai.summarize |
Meringkas teks yang panjang menjadi informasi penting. |
Mengekstrak keputusan utama dan item tindakan dari transkrip percakapan. |
ai.agg_summarize |
Fungsi agregat yang memproses beberapa baris dalam kolom untuk membuat ringkasan tunggal dan terpadu untuk grup baris tertentu. |
Membuat ringkasan tunggal dan gabungan untuk film tertentu berdasarkan semua ulasan individualnya dalam tabel. |
ai.forecast |
Mengaktifkan perkiraan deret waktu menggunakan model TimesFM. |
Memprediksi kebutuhan inventaris di masa mendatang berdasarkan data historis penjualan. |
Pelajari lebih lanjut
Jelajahi resource developer untuk membuat aplikasi kueri bahasa alami Anda sendiri dengan AlloyDB AI.
Penelusuran vektor AlloyDB AI dan operator AI
Memberdayakan tim IT kecil untuk memanfaatkan AI generatif dengan Google Cloud database.
Operator dan pemeringkatan ulang AlloyDB AI
Men-deploy AlloyDB AI dengan operator AI. Gunakan untuk tugas seperti penelusuran semantik, gabungan, dan peringkat hasil.
Pengelolaan endpoint model
Membangun pengalaman AI generatif yang lebih kaya menggunakan pengelolaan endpoint model.
Referensi fungsi AI AlloyDB
Dokumentasi referensi untuk fungsi dan parameter ekstensi google_ml_integration.