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.

Déployer 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. Conçue avec Angular, TypeScript, Express.js et LangChain.

Apprenez à créer une application RAG qui aide les propriétaires de voitures à résoudre les problèmes de leur véhicule, sans avoir à consulter le manuel d'utilisation. Les variantes incluent Cloud SQL avec pgvector et Vertex AI Search. Conçue avec Java (Spring) et Python (Streamlit).

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

Découvrez comment stocker et récupérer des documents RAG à l'aide de Vertex AI Search.

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

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

Explorez des extraits de code pour utiliser LangChain avec les produits Google Cloud , y compris les modèles de chat (Vertex AI), les 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 et prêtes pour la production. Genkit est fourni avec des plug-ins pour Vertex AI, Cloud Operations et Firestore.

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

Découvrez comment appeler Gemini 1.5 Flash et exploiter sa grande 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 (compositeur, tempo, etc.) à partir de fichiers PDF à l'aide du SDK Vertex AI.

Découvrez comment analyser les sentiments dans une vidéo, y compris les expressions faciales, à l'aide du SDK Vertex AI.

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 les utiliser dans une application de génération augmentée par récupération (RAG).

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

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

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

Explorez des dizaines d'autres notebooks Vertex AI dans l' Google Cloud explorateur d'exemples.