Exemples de code et d'applications d'IA générative

Déployez un exemple d'application en un clic pour résumer des documents longs avec Vertex AI.

Déployez un exemple d'application en un clic qui utilise des embeddings vectoriels stockés dans Cloud SQL pour améliorer la précision des réponses d'une application de chat.

Déployez un exemple d'application en un clic qui extrait des paires de questions/réponses d'un ensemble de documents, ainsi qu'un pipeline qui déclenche l'application lors de l'importation d'un document.

Créez une application Web pour générer des idées de campagnes marketing à l'aide de Gemini sur Vertex AI, Cloud Run et Streamlit.

Exemple d'application pour la génération augmentée de récupération avec AlloyDB pour PostgreSQL et Vertex AI. (Article du blog, codelab.)

Découvrez comment créer une application de RAG basée sur Node qui fournit des recommandations d'investissement aux conseillers financiers. Cet exemple s'intègre à Vertex AI, Cloud Run, AlloyDB et Cloud Run Functions. Conçu avec Angular, TypeScript, Express.js et LangChain.

Découvrez comment créer une application RAG qui aide les propriétaires de voitures à résoudre les problèmes de leur véhicule sans avoir à consulter leur manuel d'utilisation. Les variantes incluent Cloud SQL avec pgvector et Agent Search. Conçu avec Java (Spring) et Python (Streamlit).

Découvrez comment déployer et exécuter les modèles Llama de Meta sur Cloud Run.

Découvrez comment appliquer les SDK Vertex AI Gemini à des tâches telles que le chat, les requêtes multimodales et le traitement de documents. Parcourez d'autres exemples de code ici.

Découvrez comment stocker et récupérer des documents RAG à l'aide d'Agent Search.

Vous intégrez d'autres produits, comme Cloud Storage ou Firestore, à votre application d'IA générative ? Parcourez toutes les Google Cloudbibliothèques clientes dans le langage de programmation de votre choix.

Découvrez des extraits de code pour utiliser LangChain avec des Google Cloud produits, y compris des modèles de chat (Vertex AI), des bases de données vectorielles (AlloyDB, Cloud SQL, Firestore, Agent Search, BigQuery, etc.) et d'autres (Google Drive, Google Maps, YouTube, etc.).

Découvrez des extraits de code pour utiliser LangChain avec des Google Cloud produits, y compris des modèles de chat (Vertex AI), des bases de données vectorielles (Vertex AI Vector Search) et d'autres (Recherche Google).

Genkit est un framework Open Source qui vous aide à créer, déployer et surveiller des applications Web optimisées par l'IA prêtes pour la production. Genkit est fourni avec des plug-ins pour Vertex AI, Cloud Operations et Firestore.

Découvrez des extraits de code pour utiliser LangChain avec des Google Cloud produits, y compris des modèles de chat (Vertex AI).

Découvrez comment appeler Gemini 1.5 Flash et exploiter sa longue fenêtre de contexte à l'aide du SDK Vertex AI. Ce notebook inclut des modalités de texte, de vidéo et d'audio.

Découvrez comment extraire des métadonnées de partitions, telles que le compositeur et le tempo, à partir de fichiers PDF à l'aide du SDK Vertex AI.

Découvrez comment analyser directement des vidéos YouTube publiques avec Gemini.

Découvrez comment extraire des informations à partir d'affiches de films en appelant Gemini directement depuis BigQuery.

Découvrez comment convertir du texte et des images en embeddings vectoriels à l'aide du SDK Vertex AI, pour une utilisation dans une application de génération augmentée par récupération (RAG).

Découvrez comment enrichir la réponse de Gemini avec des données en temps réel, telles que le cours de l'action d'une entreprise et les dernières actualités.

Découvrez comment migrer votre code SDK Vertex AI existant pour appeler Gemini au lieu de PaLM.

Découvrez comment régler Gemini à l'aide de Vertex AI pour entraîner le modèle à répondre correctement aux questions sur la programmation Python.

Découvrez des dizaines d'autres notebooks Vertex AI dans le Google Cloud Navigateur d'exemples.