KI-Datenagenten erstellen

In diesem Dokument wird beschrieben, wie Sie Daten-Agents in BigQuery erstellen, bearbeiten, verwalten und löschen.

In BigQuery können Sie Unterhaltungen mit Daten-Agents führen, um Fragen zu BigQuery-Daten in natürlicher Sprache zu stellen. Data Agents enthalten Tabellenmetadaten und anwendungsfallspezifische Anweisungen zur Verarbeitung von Anfragen, die definieren, wie Nutzerfragen zu einer Reihe von Wissensquellen wie Tabellen, Ansichten oder benutzerdefinierten Funktionen (User-Defined Functions, UDFs) beantwortet werden sollen, die Sie auswählen.

Hinweise

  1. Verify that billing is enabled for your Google Cloud project.

  2. Enable the BigQuery, Gemini Data Analytics, and Gemini for Google Cloud APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

Erforderliche Rollen

Wenn Sie mit Daten-Agents arbeiten möchten, benötigen Sie eine der folgenden IAM-Rollen (Identity and Access Management) für die Conversational Analytics API:

  • Alle Daten-Agents im Projekt erstellen, bearbeiten, freigeben und löschen: Rolle „Gemini Data Analytics Data Agent Owner“ (roles/geminidataanalytics.dataAgentOwner) für das Projekt.
  • Eigene Daten-Agents im Projekt erstellen, bearbeiten, freigeben und löschen: Rolle „Gemini Data Analytics Data Agent Creator“ (roles/geminidataanalytics.dataAgentCreator) für das Projekt. Mit dieser Rolle erhalten Sie automatisch die Rolle „Gemini Data Analytics Data Agent Owner“ für die von Ihnen erstellten Daten-Agents.
  • Alle Daten-Agents im Projekt ansehen und bearbeiten: Rolle „Gemini Data Analytics Data Agent Editor“ (roles/geminidataanalytics.dataAgentEditor) auf Projektebene.
  • Alle Data Agents im Projekt ansehen: Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer).

Außerdem benötigen Sie die folgenden Rollen, um einen Daten-Agent zu erstellen oder zu bearbeiten:

Informationen zum Arbeiten mit BigQuery-Ressourcen, z. B. zum Aufrufen von Tabellen oder Ausführen von Abfragen, finden Sie unter BigQuery-Rollen.

Best Practices

Wenn Sie Conversational Analytics verwenden, werden automatisch Abfragen ausgeführt, um Ihre Fragen zu beantworten. In den folgenden Fällen können unerwartete Gebühren anfallen:

  • Wenn Ihre Tabellen groß sind
  • Wenn in den Abfragen Daten zusammengeführt werden
  • Wenn die Abfragen viele Aufrufe von KI-Funktionen enthalten

Um dieses Problem zu vermeiden, sollten Sie bei der Auswahl von Wissensquellen die Größe berücksichtigen und bei Unterhaltungen Joins verwenden.

Insights generieren

Optional können Sie Datenanalysen im Dataplex Universal Catalog für jede Tabelle generieren, die Sie als Wissensquelle verwenden möchten.

Die generierten Statistiken enthalten Tabellenmetadaten, die der Daten-Agent verwenden kann, um Antworten auf Ihre Fragen zu generieren.

Wenn Sie keine Statistiken im Voraus generieren, werden sie automatisch generiert, wenn Sie beim Erstellen eines Daten-Agents eine Tabelle als Wissensquelle auswählen.

Mit dem Beispieldaten-Agent arbeiten

Wenn Sie noch nicht mit der Konfiguration von Agents für die konversationelle Analyse vertraut sind, können Sie sich optional den vordefinierten Beispiel-Agenten ansehen, der für jedesGoogle Cloud -Projekt generiert wird. Sie können mit dem Modell chatten und sich die Parameter ansehen, um zu sehen, wie es erstellt wurde. Sie können es jedoch nicht ändern.

So rufen Sie den Beispiel-Agent auf:

  1. Rufen Sie in der Google Cloud Console die BigQuery-Seite Agents auf.

    Zu „KI-Agenten“

  2. Wählen Sie den Tab KI-Agent-Katalog aus.

  3. Klicken Sie im Abschnitt Beispiel-KI-Agenten von Google auf die Karte des Beispiel-KI-Agenten.

KI-Datenagenten erstellen

In den folgenden Abschnitten wird beschrieben, wie Sie einen Daten-Agent erstellen.

Nachdem Sie einen Agent erstellt haben, können Sie seine Einstellungen bearbeiten.

Grundlagen konfigurieren

  1. Rufen Sie in der Google Cloud Console die BigQuery-Seite Agents auf.

    Zu „KI-Agenten“

  2. Wählen Sie den Tab KI-Agent-Katalog aus.

  3. Klicken Sie auf Neuer Agent. Die Seite Neuer Agent wird geöffnet.

  4. Geben Sie im Abschnitt Editor im Feld Agent name (Agent-Name) einen aussagekräftigen Namen für den Daten-Agent ein, z. B. Q4 sales data oder User activity logs.

  5. Geben Sie im Feld Agentenbeschreibung eine Beschreibung des Datenagenten ein. Eine gute Beschreibung erklärt, was der Agent tut und welche Daten er verwendet. So können Sie leichter entscheiden, ob dieser Datenagent der richtige für Ihren Chat ist, z. B. Ask questions about customer orders and revenue.

  6. Klicken Sie im Abschnitt Wissensquellen auf Quelle hinzufügen. Die Seite Wissensquelle hinzufügen wird geöffnet.

  7. Wählen Sie im Bereich Letzte alle Tabellen, Ansichten oder UDFs aus, die Sie als Wissensquellen verwenden möchten. UDFs haben in derGoogle Cloud -Konsole das Präfix „fx“.

  8. Wenn Sie weitere Wissensquellen sehen möchten, wählen Sie  Mehr anzeigen aus.

  9. Optional: Fügen Sie eine Wissensquelle hinzu, die nicht im Abschnitt Letzte aufgeführt ist:

    1. Geben Sie im Bereich Suchen den Namen der Quelle in das Feld Nach Tabellen suchen ein und drücken Sie die Eingabetaste. Der Name der Quelle muss nicht exakt sein.

    2. Wählen Sie im Bereich Suchergebnisse eine oder mehrere Quellen aus.

  10. Klicken Sie auf Hinzufügen. Die Seite des neuen Agenten wird wieder geöffnet.

Tabellen- und Feldbeschreibungen anpassen

Um die Genauigkeit von KI-Datenagenten zu verbessern, können Sie optional zusätzliche Tabellenmetadaten angeben. Nur der Daten-Agent verwendet diese Metadaten. Sie haben keine Auswirkungen auf die Quelltabelle.

Beachten Sie beim Erstellen von Tabellen- und Feldbeschreibungen die folgenden Best Practices:

  • Anhand dieser Beschreibungen können Sie nachvollziehen, wie der Daten-Agent das Schema interpretiert. Wenn die vom Agenten vorgeschlagenen Beschreibungen korrekt sind, können Sie sie akzeptieren.

  • Wenn der Data Agent das Schema nach der Konfiguration dieser Beschreibungen nicht versteht, passen Sie die Beschreibungen manuell an, um die richtigen Informationen bereitzustellen.

So konfigurieren Sie Tabellen- und Feldbeschreibungen:

  1. Klicken Sie im Bereich Wissensquellen in einer Tabelle auf den Link Anpassen.

  2. Tabellenbeschreibung erstellen Sie können eine Beschreibung in das Feld Tabellenbeschreibung eingeben oder den Vorschlag von Gemini akzeptieren.

  3. Sehen Sie sich im Bereich Felder die von Gemini vorgeschlagenen Feldbeschreibungen an.

  4. Wählen Sie alle Feld-Beschreibungen aus, die Sie übernehmen möchten, und klicken Sie auf Vorschläge übernehmen. Wählen Sie die Beschreibungen aus, die Sie ablehnen möchten, und klicken Sie auf Vorschläge ablehnen.

  5. Sie können die Beschreibung eines beliebigen Felds manuell bearbeiten, indem Sie neben dem Feld auf Bearbeiten klicken. Der Bereich Feld bearbeiten wird geöffnet.

    1. Geben Sie im Feld Beschreibung eine Beschreibung für das Feld ein.
    2. Klicken Sie auf Aktualisieren, um die Feldbeschreibung zu speichern.

  6. Klicken Sie auf Aktualisieren, um die Beschreibung und die Feldaktualisierungen zu speichern. Die neue Seite für den Kundenservicemitarbeiter wird wieder geöffnet.

  7. Wiederholen Sie diese Schritte für jede Tabelle, die angepasst werden muss.

Erweiterte Funktionen konfigurieren

Konfigurieren Sie optionale erweiterte Funktionen wie Agent-Anweisungen, bestätigte Anfragen (früher als Golden Queries bezeichnet) und Einstellungen.

Anweisungen für den Agenten erstellen

Der Kundenservicemitarbeiter sollte den Kontext für Nutzerfragen verstehen, ohne dass benutzerdefinierte Anweisungen erforderlich sind. Erstellen Sie benutzerdefinierte Anweisungen für den Agent nur, wenn Sie das Verhalten des Agents ändern oder den Kontext auf eine Weise verbessern müssen, die nicht bereits von anderen Kontextfunktionen unterstützt wird, z. B. benutzerdefinierte Tabellen- und Feldmetadaten oder bestätigte Abfragen.

Geben Sie im Bereich Anleitungen im Feld Agent instructions (Agentenanweisungen) Anweisungen für den Daten-Agenten ein. Da der Daten-Agent diese Anweisungen verwendet, um den Kontext für Nutzerfragen zu verstehen und Antworten zu geben, sollten Sie die Anweisungen so klar wie möglich formulieren.

Wenn Sie keine zufriedenstellende Antwort vom Agent erhalten, fügen Sie strukturierten Kontext wie Beschreibungen oder Beispiele hinzu. Wenn Sie immer noch keine zufriedenstellende Antwort erhalten, fügen Sie benutzerdefinierte Anweisungen wie in der folgenden Tabelle hinzu. Wenn Sie noch mehr Beispiele für Prompts sehen möchten, klicken Sie auf Beispiele anzeigen.

Informationstyp Beschreibung Beispiele
Schlüsselfelder Die wichtigsten Felder für die Analyse. „Die wichtigsten Felder in dieser Tabelle sind: Kundennummer, Produkt-ID, Bestelldatum.“
Filtern und gruppieren Felder, die der KI-Agent zum Filtern und Gruppieren von Daten verwenden soll. „Wenn es in einer Frage um einen Zeitraum oder um die Entwicklung im Zeitverlauf geht, verwenden Sie immer die Spalte ‚order_created_date‘.“ „Wenn jemand ‚nach Produkt‘ sagt, gruppiere nach der Spalte ‚product_category‘.“
Standardfilterung Felder, nach denen standardmäßig gefiltert werden soll. „Sofern nicht anders angegeben, filtern Sie die Daten immer nach ‚order_status‘ = ‚Complete‘.“
Synonyme und Unternehmensbegriffe Alternative Begriffe für die wichtigsten Felder. „Wenn jemand nach ‚Umsatz‘ oder ‚Verkäufen‘ fragt, verwende die Spalte ‚total_sale_amount‘.“ „Als ‚treue‘ Kunden gelten diejenigen mit purchase_count > 5.“
Ausgeschlossene Felder Felder, die der Daten-KI-Agent vermeiden soll. „Verwenden Sie keinesfalls die Felder mit diesen Informationen: Transaktionsdatum (abgeleitet), Stadt (abgeleitet).“
Join-Beziehungen Wie zwei oder mehr Tabellen miteinander in Beziehung stehen und welche Spalten zum Verknüpfen verwendet werden. Der Agent muss Standard-SQL-JOINs für Spaltenpaare verwenden, um Daten zu kombinieren. Sehen Sie sich die Beispielspalte an. Kundenaktivität
  • order_items.user_id = users.id
    (um Verkäufe mit Kunden zu verknüpfen)
  • events.user_id = users.id
    (um Websiteaktivitäten mit angemeldeten Kunden zu verknüpfen)

Bestätigte Abfragen erstellen

Ein Agent verwendet bestätigte Anfragen auf zwei Arten:

  • Wenn ein Agent eine überprüfte Anfrage verwenden kann, um eine Frage zu beantworten, die Sie ihm stellen, wird die Anfrage genau wie geschrieben aufgerufen, um eine vertrauenswürdige Antwort zu erhalten.
  • Wenn der Agent die bestätigte Anfrage nicht verwenden kann, um eine Frage zu beantworten, nutzt er sie trotzdem als Referenz, um die Daten und die Best Practices für die Abfrage zu verstehen.

Sie können geprüfte Anfragen aus einer vom System generierten Liste auswählen oder eigene erstellen.

So erstellen Sie eine bestätigte Anfrage für den Daten-Agenten, die früher als Gold-Anfrage bezeichnet wurde:

  1. Wählen Sie eine oder mehrere von Gemini vorgeschlagene bestätigte Anfragen aus:

    1. Klicken Sie im Bereich Bestätigte Anfragen auf Vorschläge überprüfen. Die Seite Vorgeschlagene bestätigte Abfragen überprüfen wird geöffnet.
    2. Sehen Sie sich die vorgeschlagenen bestätigten Abfragen an. Wählen Sie alle zutreffenden Optionen aus.
    3. Klicken Sie auf Hinzufügen. Die Seite des neuen Agenten wird wieder geöffnet.

  2. Wenn Sie eine eigene bestätigte Anfrage erstellen möchten, klicken Sie auf Anfrage hinzufügen. Die Seite Bestätigte Anfrage hinzufügen wird geöffnet.

    1. Geben Sie im Feld Frage die Nutzerfrage ein, die durch die bestätigte Anfrage beantwortet wird.
    2. Klicken Sie auf SQL generieren, damit Gemini eine geprüfte Abfrage generiert, die der von Ihnen angegebenen Nutzerfrage entspricht.
    3. Sie können die bestätigte Abfrage ändern.
    4. Klicken Sie auf Ausführen und prüfen Sie, ob die Abfrage die erwarteten Ergebnisse zurückgibt.
    5. Klicken Sie auf Hinzufügen. Die Seite des neuen Agenten wird wieder geöffnet.

  3. Wiederholen Sie diese Schritte nach Bedarf, um weitere bestätigte Anfragen zu erstellen.

Einstellungen konfigurieren

Im Bereich Einstellungen können Sie die folgenden optionalen Einstellungen konfigurieren:

  1. Erstellen Sie Labels, um IhreGoogle Cloud -Ressourcen zu organisieren. Labels sind Schlüssel/Wert-Paare, mit denen Sie verwandte Objekte miteinander oder mit anderen Google Cloud -Ressourcen gruppieren können.

    1. Klicken Sie im Bereich Einstellungen auf Labels verwalten.
    2. Klicken Sie auf Label hinzufügen.
    3. Geben Sie in den Feldern Schlüssel und Wert das Schlüssel/Wert-Paar für das Label ein.
    4. Wenn Sie weitere Labels hinzufügen möchten, klicken Sie noch einmal auf Label hinzufügen.
    5. Wenn Sie ein Label löschen möchten, klicken Sie auf Löschen.
    6. Wenn Sie fertig sind, klicken Sie auf Hinzufügen. Die Seite des neuen Agenten wird wieder geöffnet.

  2. Optional: Legen Sie ein Größenlimit für die vom Daten-Agent verarbeiteten Anfragen fest. Geben Sie im Abschnitt Einstellungen einen Wert in das Feld Maximale Menge abgerechneter Byte ein. Sie müssen dieses Limit auf 10485760 oder höher festlegen, da Sie sonst die folgende Fehlermeldung erhalten:

Value error. In BigQuery on-demand pricing charges are
rounded up to the nearest MB, with a minimum of 10 MB of data processed
per query. So, max bytes billed must be set to greater or equal to
10485760.

Wenn Sie keinen Wert angeben, wird für maximum bytes billed standardmäßig das Kontingent für die tägliche Abfragenutzung des Projekts verwendet. Das Kontingent für die tägliche Nutzung ist unbegrenzt, sofern Sie kein benutzerdefiniertes Kontingent angegeben haben.

Fahren Sie mit dem nächsten Abschnitt fort, um den Agent in den Entwurfsmodus zu versetzen oder zu veröffentlichen.

Agent als Vorschau ansehen und veröffentlichen

  1. Geben Sie im Bereich Vorschau eine Beispielnutzerfrage in das Feld Frage stellen ein und drücken Sie die Eingabetaste. Prüfen Sie die Antwort des Daten-Agents, um zu sehen, ob er die erwarteten Daten zurückgibt. Wenn die Antwort nicht Ihren Erwartungen entspricht, ändern Sie die Einstellungen im Bereich Editor, um die Konfiguration des Daten-Agents zu optimieren, bis Sie zufriedenstellende Antworten erhalten. Sie können Ihren Agenten weiter testen und ändern, um die Ergebnisse zu optimieren.

  2. Klicken Sie auf Speichern.

  3. Wenn Sie den Daten-Agent in den Entwurfsmodus versetzen möchten, um ihn später noch einmal zu bearbeiten, klicken Sie auf Zurück, um zur Seite Agent-Katalog zurückzukehren. Da sich Ihr Agent jetzt im Entwurfsmodus befindet, wird er auf dem Tab Agentenkatalog im Bereich Meine Agentenentwürfe angezeigt.

    Wenn Sie Ihren Agent veröffentlichen möchten, bleiben Sie auf der Seite zur Agent-Erstellung und fahren Sie mit dem nächsten Schritt fort.

  4. Klicken Sie auf Veröffentlichen, um den Daten-Agenten zu veröffentlichen und für die Verwendung im Projekt verfügbar zu machen. Sie können Unterhaltungen mit dem Daten-KI-Agenten in BigQuery Studio und mit Looker Studio Pro erstellen, wenn Sie ein Looker Studio-Abo haben. Sie können auch eine eigene Benutzeroberfläche erstellen, um mit dem KI-Datenagenten zu chatten. Verwenden Sie dazu die Conversational Analytics API.

  5. Optional: Klicken Sie im Dialogfeld Ihr Agent wurde veröffentlicht auf Freigeben, um den Daten-Agenten für andere Nutzer freizugeben.

    1. Klicken Sie im Bereich Freigabeberechtigungen auf Hauptkonto hinzufügen.

    2. Geben Sie im Feld Neue Hauptkonten ein oder mehrere Hauptkonten ein.

    3. Klicken Sie auf die Liste Rolle auswählen.

    4. Wählen Sie in der Liste Rolle eine der folgenden Rollen aus:

      • Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser): Gewährt die Berechtigung, mit dem Data Agent zu chatten.
      • Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor): Berechtigung zum Bearbeiten des Data Agents.
      • Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer): Gewährt die Berechtigung zum Ansehen des Data Agents.

  6. Klicken Sie auf Speichern.

  7. Klicken Sie auf Schließen, um zur Seite des neuen KI-Agents zurückzukehren. Unmittelbar nach dem Speichern oder Veröffentlichen Ihres Agents können Sie ihn im Agent-Katalog sehen.

Daten-Agents verwalten

Vorhandene Agents finden Sie auf dem Tab Agent-Katalog, der aus drei Abschnitten besteht:

  • Meine Agents: Eine Liste aller Agents, die Sie erstellen und veröffentlichen. Sie können veröffentlichte Agenten ändern und mit anderen teilen.
  • Meine Agent-Entwürfe: Agents, die Sie noch nicht veröffentlicht haben. Sie können keine KI-Agenten im Entwurfsstatus freigeben.
  • Von anderen Personen in Ihrer Organisation freigegeben: Agenten, die von anderen erstellt und für Sie freigegeben wurden. Wenn andere Ihnen Berechtigungen erteilen, können Sie diese freigegebenen Agents bearbeiten.

KI-Datenagenten bearbeiten

So bearbeiten Sie einen Daten-Agenten:

  1. Rufen Sie die BigQuery-Seite Agents auf.

    Zu „KI-Agenten“

  2. Wählen Sie den Tab KI-Agent-Katalog aus.

  3. Suchen Sie die Agent-Karte des Daten-Agents, den Sie ändern möchten.

  4. Klicken Sie zum Öffnen des Daten-Agents im Agent-Editor auf  Aktionen öffnen > klicken Sie auf der Agent-Karte auf Bearbeiten.

  5. Bearbeiten Sie die Konfiguration des Daten-Agents nach Bedarf.

  6. Wenn Sie Ihre Änderungen speichern möchten, ohne sie zu veröffentlichen, klicken Sie auf Speichern.

  7. Klicken Sie auf Veröffentlichen, um die Änderungen zu veröffentlichen . Im Dialogfeld Freigeben können Sie den Agenten entweder für andere freigeben oder auf Abbrechen klicken.

  8. Wenn Sie zum Bereich KI-Agenten zurückkehren möchten, klicken Sie auf  Zurück.

    Mit dem Symbol „Zurück“ können Sie von der Seite zum Bearbeiten von KI-Agenten zur Seite „KI-Agents“ zurückkehren.

KI-Datenagenten freigeben

So geben Sie einen veröffentlichten Daten-Agenten frei: Sie können keine KI-Agenten im Entwurfsstatus freigeben.

  1. Rufen Sie die BigQuery-Seite Agents auf.

    Zu „KI-Agenten“

  2. Wählen Sie den Tab KI-Agent-Katalog aus.

  3. Suchen Sie die Agent-Karte des Daten-Agents, den Sie ändern möchten.

  4. Klicken Sie zum Öffnen des Daten-Agents im Agent-Editor auf  Aktionen öffnen > klicken Sie auf der Agent-Karte auf Bearbeiten.

  5. Wenn Sie den Daten-Agent mit anderen Nutzern teilen möchten, klicken Sie auf Teilen.

  6. Klicken Sie im Bereich Freigabeberechtigungen auf Hauptkonto hinzufügen.

  7. Geben Sie im Feld Neue Hauptkonten ein oder mehrere Hauptkonten ein.

  8. Klicken Sie auf die Liste Rolle auswählen.

  9. Wählen Sie in der Liste Rolle eine der folgenden Rollen aus:

    • Gemini Data Analytics Data Agent User (roles/geminidataanalytics.dataAgentUser): Berechtigung zum Chatten mit dem Data Agent.
    • Gemini Data Analytics Data Agent Editor (roles/geminidataanalytics.dataAgentEditor): Berechtigung zum Bearbeiten des Data Agents.
    • Gemini Data Analytics Data Agent Viewer (roles/geminidataanalytics.dataAgentViewer): Berechtigung zum Aufrufen des Data Agents.

  10. Klicken Sie auf Speichern.

  11. Klicken Sie auf Schließen, um zur Seite zum Bearbeiten des KI-Agents zurückzukehren.

  12. Wenn Sie zum Bereich KI-Agenten zurückkehren möchten, klicken Sie auf  Zurück.

    Mit dem Symbol „Zurück“ können Sie von der Seite zum Bearbeiten von KI-Agenten zur Seite „KI-Agents“ zurückkehren.

KI-Datenagenten löschen

  1. Rufen Sie die BigQuery-Seite Agents auf.

    Zu „KI-Agenten“

  2. Wählen Sie den Tab KI-Agent-Katalog aus.

  3. Suchen Sie auf dem Tab Agent Catalog im Abschnitt My Agents (Meine Agents) oder Draft Agents (Agent-Entwürfe) nach der Agent-Karte des Data-Agents, den Sie löschen möchten.

  4. Klicken Sie auf  Aktionen öffnen > Löschen.

  5. Klicken Sie im Dialogfeld Agent löschen? auf Löschen.

Standorte

Die Funktion für konversationelle Analysen ist global verfügbar. Sie können nicht auswählen, welche Region verwendet werden soll.

Nächste Schritte