Crea applicazioni basate sull'AI generativa

Questa pagina descrive alcuni casi d'uso dell'AI per AlloyDB per PostgreSQL, con link a codelab, notebook e tutorial che puoi utilizzare per esplorare approcci o per aiutarti a sviluppare la tua applicazione.

Caso d'uso Descrizione
Accelerare le ricerche di brevetti e la precisione della ricerca Questi codelab mostrano come migliorare la ricerca di brevetti utilizzando la ricerca vettoriale insieme ad AlloyDB, all' estensione pgvector, agli incorporamenti, a Gemini 1.5 Pro e a Java Agent Development Kit.
Genera embedding multimodali in AlloyDB Questo codelab mostra come utilizzare le funzionalità di AlloyDB AI per la ricerca semantica utilizzando gli embedding multimodali.

Scopri come eseguire diversi tipi di ricerche, tra cui la ricerca semantica basata su testo, la ricerca di immagini per immagine e la ricerca di immagini per testo, nonché un approccio ibrido che combina diversi tipi di ricerca.
Genera SQL utilizzando il linguaggio naturale di AlloyDB AI Questo codelab fornisce una guida passo passo su come utilizzare la funzionalità di linguaggio naturale di AlloyDB AI per generare query SQL.

Il codelab utilizza un set di dati di e-commerce fittizio per mostrare come porre domande in linguaggio naturale (inglese) e come AlloyDB AI le traduce in SQL.
Applicare filtri semantici e riordinare i risultati della ricerca vettoriale per migliorare la qualità della ricerca Questo codelab mostra come utilizzare le funzionalità di AlloyDB AI come gli operatori di query AI, la gestione degli endpoint del modello e la ricerca vettoriale per migliorare la qualità della ricerca e utilizzare i filtri semantici.

Scopri come utilizzare gli operatori di query AI per il filtro semantico per sbloccare nuove esperienze in SQL. Classifica i risultati della ricerca vettoriale utilizzando LLM e modelli di classificazione semantica per migliorare l'accuratezza della ricerca vettoriale. Questo tutorial utilizza un modello di ranking semantico Vertex AI in AlloyDB e modelli di AI generativa Vertex AI.
Crea un'app di suggerimenti per outfit basata sull'AI con AlloyDB e runtime serverless Il seguente codelab mostra come creare un'app di consigli per outfit basata sull'AI con AlloyDB AI e runtime serverless. Spiega come gli utenti possono caricare una foto di un capo di abbigliamento e ricevere consigli e visualizzazioni di stile basati sull'AI.

Il codelab utilizza Google Cloud tecnologie come AlloyDB AI, Gemini 2.0 e Imagen 3 per creare un'applicazione web di cui è stato eseguito il deployment nel runtime serverless di Cloud Run.
Crea un'applicazione che richiama una query del database dall'agente o da un'applicazione di AI generativa Il seguente codelab mostra come creare un'applicazione che utilizza Gen AI Toolbox for Databases per eseguire una semplice query AlloyDB che può essere richiamata dall'agente o da un'applicazione di AI generativa.
Crea ed esegui il deployment di un assistente di stile personalizzato I seguenti codelab mostrano come creare ed eseguire il deployment di un assistente di stile personalizzato con Gemini, la gestione degli endpoint dei modelli, la ricerca vettoriale, Vertex AI e gli agenti.
Crea un'applicazione di chat basata su LLM e RAG utilizzando AlloyDB AI e LangChain Questo codelab ti guida nell'esecuzione del deployment del servizio di recupero di database di AI generativa e poi ti mostra come creare un'applicazione interattiva di esempio utilizzando l'ambiente appena configurato.
Crea un chatbot per rispondere a domande sui film Questo tutorial mostra come creare un chatbot di AI generativa che utilizza Gemini, Vertex AI e l'integrazione di LangChain di AlloyDB. Scopri come estrarre dati strutturati dal tuo database, generare incorporamenti e formattare i dati in modo da poter eseguire la ricerca vettoriale in un'applicazione Retrieval-Augmented Generation (RAG).

Utilizza un database di film per fornire al tuo LLM informazioni sui film più popolari. Il grounding contribuisce a garantire che l'output dell'LLM sia accurato e pertinente.
Crea un'app di ricerca di negozi di giocattoli Il seguente codelab mostra come creare un'esperienza di ricerca di un negozio di giocattoli personalizzata e senza interruzioni utilizzando la ricerca contestuale e la generazione personalizzata del prodotto corrispondente al contesto di ricerca.

Utilizzi le estensioni del modello di AI generativa e pgvector in AlloyDB, una ricerca di somiglianza del coseno in tempo reale, Gemini 2.0 Flash e Gen AI Toolbox for Databases.
Esegui il deployment di AlloyDB Omni e di un modello di AI locale su Kubernetes In questo codelab imparerai a eseguire il deployment di AlloyDB Omni su GKE e a utilizzarlo con un modello di embedding aperto di cui è stato eseguito il deployment nello stesso cluster Kubernetes.
Esegui il deployment di un'applicazione RAG con LangChain su Vertex AI Questo tutorial mostra come creare ed eseguire il deployment di un agente utilizzando l'SDK Vertex AI per Python e l'integrazione di AlloyDB LangChain.

Scopri come utilizzare agenti e vettori con LangChain per eseguire una ricerca di similarità e recuperare dati correlati per basare le risposte LLM su dati empirici.
Integra le funzioni di ricerca ibrida e AI nella tua applicazione di ricerca Questa demo illustra le funzionalità di AI di Google Cloud AlloyDB, integrando la ricerca ibrida, inclusa la ricerca SQL, vettoriale e a testo intero, con le funzioni di AI, il tutto applicato a un set di dati di e-commerce di esempio di Cymbal Shops.
Eseguire la migrazione dei dati da un database vettoriale ad AlloyDB Il seguente tutorial descrive come eseguire la migrazione dei dati da un database vettoriale di terze parti ad AlloyDB utilizzando gli spazi di archiviazione vettoriale LangChain.

Sono supportati i seguenti database vettoriali: Pinecone, Weaviate, Chroma, Qdrant e Milvus.
Esegui una ricerca di prodotti ibrida multimodale Questo blocco note mostra come eseguire una ricerca ibrida in AlloyDB per Cymbal Shops, un rivenditore fittizio con una forte presenza nell'e-commerce. Il blocco note combina vector embedding multimodali, ricerca a testo intero (indice invertito generalizzato) ed embedding sparsi BM25 (pgvector 0.7.0+) con riclassificazione Reciprocal Rank Fusion per una ricerca dei prodotti migliorata.
Utilizza una ricerca per similarità con un indice vettoriale per trovare i prodotti pertinenti Questo codelab mostra come utilizzare le funzionalità di AlloyDB AI come la gestione degli endpoint del modello e la ricerca vettoriale per trovare i prodotti pertinenti.

Scopri come generare incorporamenti utilizzando la gestione degli endpoint del modello sui dati del database e come utilizzare i dati operativi per eseguire ricerche di similarità vettoriale. Questo tutorial utilizza un modello di embedding Vertex AI in AlloyDB e modelli di IA generativa Vertex AI.
Utilizza MCP Toolbox for Databases con AlloyDB AI per creare ricerche di prodotti conversazionali Scopri come utilizzare MCP Toolbox for Databases, AlloyDB AI e la ricerca vettoriale per creare un agente AI per Shopping progettato per trasformare la tua esperienza di vendita al dettaglio. Questo tutorial mostra le funzionalità dell'agente, dalle ricerche di prodotti conversazionali all'inserimento di ordini.

Passaggi successivi