請參閱下列架構指南，設計及部署採用檢索增強生成 (RAG) 技術的生成式 AI 應用程式。 Google Cloud
| 架構指南 | 說明 |
|---|---|
| 使用 Gemini Enterprise 和 Vertex AI 建構生成式 AI 的 RAG 基礎架構 | 以代理程式為主的架構，使用 Gemini Enterprise 做為統一平台，為需要即時資料可用性和豐富情境搜尋的企業應用程式，協調端對端 RAG 資料流。 |
| 使用 Vertex AI 和 Vector Search 建構生成式 AI 的 RAG 基礎架構 | 全代管無伺服器架構，可為大規模應用程式提供最佳化的高效能向量搜尋功能。 |
| 使用 Vertex AI 和 AlloyDB for PostgreSQL 建構生成式 AI 的 RAG 基礎架構 | 這類架構會將向量嵌入與作業資料一併儲存在全代管資料庫中，例如 AlloyDB for PostgreSQL。 |
| 快速入門解決方案：使用 Vertex AI 和 Cloud SQL 的生成式 AI RAG | 這類架構會將向量嵌入與作業資料一併儲存在全代管資料庫 (例如 Cloud SQL) 中。 |
| 使用 GKE 和 Cloud SQL 建構生成式 AI 的 RAG 基礎架構 | 彈性的容器式架構，可提供最大程度的控制權，讓您使用 Ray、Hugging Face 和 LangChain 等開放原始碼工具建構自訂應用程式。 |
| 使用 Vertex AI 和 Spanner Graph 建構生成式 AI 的 GraphRAG 基礎架構 | 進階 RAG 架構結合向量搜尋和知識圖譜查詢，可擷取相互連結的脈絡資料，生成更詳細且相關的生成式 AI 回覆。 |
| 運用 Harness CI/CD 管道建構 RAG 應用程式 | 適用於 RAG 應用程式的持續整合 (CI) 和持續部署 (CD) pipeline 架構 Google Cloud。 |