Ringkasan analisis percakapan untuk AlloyDB untuk PostgreSQL

Analisis percakapan di AlloyDB untuk PostgreSQL memungkinkan Anda melakukan chat dengan agen tentang data database menggunakan bahasa alami. Untuk mendapatkan jawaban tentang data Anda, Anda:

  • Membuat agen data untuk sekumpulan sumber pengetahuan, seperti tabel dan tampilan, yang Anda pilih.
  • [Opsional] Membuat konteks dan petunjuk untuk agen guna mengonfigurasi agen data agar dapat menjawab pertanyaan secara efektif untuk kasus penggunaan tertentu.

Sebelum menyesuaikan agen, sebaiknya Anda menggunakan konteks dan petunjuk yang dibuat agen terlebih dahulu.

Analisis percakapan menyediakan jenis konteks berikut:

  • Terpandu – Anda membuat konteks ini di Google Cloud konsol. Opsi ini cocok untuk pengguna yang tidak ingin menulis kode secara langsung.
  • Lanjutan – Anda membuat konteks ini di Gemini CLI atau di IDE. Sebaiknya gunakan pendekatan ini untuk pengguna yang menginginkan kontrol kualitas agen yang lebih besar. Konteks ini menggunakan kembali konteks untuk metode QueryData.

Setelah Anda membuat agen data, Anda dapat melakukan percakapan dengan agen tersebut untuk mengajukan pertanyaan tentang data AlloyDB untuk PostgreSQL menggunakan bahasa alami.

Analisis percakapan didukung oleh Gemini untuk Google Cloud.

Pelajari cara dan waktu Gemini untuk Google Cloud menggunakan data Anda.

Sebagai teknologi tahap awal, Gemini untuk Google Cloud produk dapat menghasilkan output yang seolah masuk akal tetapi mengandung fakta yang salah. Sebaiknya validasi semua output dari Gemini untuk Google Cloud produk sebelum Anda menggunakannya. Untuk mengetahui informasi selengkapnya, lihat Gemini untuk Google Cloud dan responsible AI.

Agen data

Agen data terdiri dari satu atau beberapa sumber pengetahuan, dan sekumpulan petunjuk khusus untuk kasus penggunaan guna memproses data database tersebut. Saat membuat agen data, Anda dapat mengonfigurasinya menggunakan opsi berikut:

  • Menggunakan sumber pengetahuan seperti tabel dan tampilan dengan agen data.
  • Memberikan metadata tabel dan kolom kustom untuk mendeskripsikan data database dengan cara yang paling sesuai untuk kasus penggunaan tertentu.
  • Memberikan petunjuk untuk menafsirkan dan membuat kueri data, seperti menentukan hal berikut:
    • Sinonim dan istilah bisnis untuk nama kolom
    • Kolom dan default terpenting untuk pemfilteran dan pengelompokan
  • Menggunakan pembuatan konteks terpandu atau lanjutan, memberikan konteks terstruktur yang dapat digunakan agen data untuk membentuk struktur respons agen dan mempelajari logika bisnis yang digunakan organisasi Anda.

Mengelola agen data

Anda dapat membuat, mengelola, dan menggunakan jenis agen data berikut di tab Agent di Google Cloud konsol:

  • Agen sampel yang telah ditentukan sebelumnya untuk setiapproject. Google Cloud
  • Daftar agen yang Anda buat, draf, dan publikasikan.
  • Daftar agen yang dibuat dan dibagikan oleh orang lain kepada Anda.

Untuk mengetahui informasi selengkapnya, lihat Membuat agen data.

Layanan lain dalam project yang mendukung agen data, seperti Conversational Analytics API, dapat mengakses agen data yang Anda buat di AlloyDB untuk PostgreSQL . Anda juga dapat mengakses agen yang dibuat di Google Cloud konsol dengan memanggilnya menggunakan Conversational Analytics API.

Percakapan

Percakapan adalah chat yang disimpan dengan agen data atau sumber data database. Anda dapat mengajukan pertanyaan multi-bagian kepada agen data yang menggunakan istilah umum seperti "penjualan" atau "paling populer", tanpa harus menentukan nama kolom tabel atau menentukan kondisi untuk memfilter data database.

Respons chat yang ditampilkan kepada Anda menyediakan fitur berikut:

  • Jawaban atas pertanyaan Anda sebagai teks, kode, atau diagram (jika sesuai)
  • Penalaran agen di balik hasil.
  • Metadata tentang percakapan, seperti sumber data agen dan database yang digunakan.

Saat Anda membuat percakapan langsung dengan sumber data database, Conversational Analytics API akan menafsirkan pertanyaan Anda tanpa konteks dan petunjuk pemrosesan yang ditawarkan oleh agen data. Oleh karena itu, hasil percakapan langsung dapat menjadi kurang akurat. Gunakan agen data untuk kasus yang memerlukan akurasi lebih tinggi.

Anda dapat membuat dan mengelola percakapan di AlloyDB untuk PostgreSQL menggunakan Google Cloud konsol. Untuk mengetahui informasi selengkapnya, lihat Menganalisis data dengan percakapan.

Keamanan

Anda dapat mengelola akses ke analisis percakapan di AlloyDB untuk PostgreSQL menggunakan peran dan izin IAM Conversational Analytics API. Untuk mengetahui informasi tentang peran yang diperlukan untuk operasi tertentu, lihat peran yang diperlukan agen data dan peran yang diperlukan percakapan.

Lokasi

Saat Anda menggunakan analisis percakapan untuk membuat agen, bidang kontrol—yang merencanakan, mengelola alur kerja, dan memanggil alat (orkestrasi)—hanya menggunakan endpoint global. Bidang data—yang mengambil, mendapatkan, dan memproses data database sebenarnya dan dokumen vektor—menggunakan endpoint regional.

Harga

Anda akan dikenai biaya sesuai harga komputasi AlloyDB untuk kueri yang berjalan saat Anda membuat agen data dan melakukan percakapan dengan agen data atau sumber data database. Tidak ada biaya tambahan untuk membuat dan menggunakan agen data serta percakapan selama periode Pratinjau.

Kuota bersama dinamis

Kuota Bersama Dinamis (DSQ) di Vertex AI mengelola kapasitas untuk model Gemini. Tidak seperti kuota konvensional, DSQ memungkinkan Anda mengakses kumpulan resource bersama yang besar tanpa batas per project tetap untuk throughput model.

Performa, seperti latensi, dapat bervariasi bergantung pada beban sistem secara keseluruhan. Selama waktu permintaan tinggi di seluruh kumpulan bersama, Anda mungkin sesekali mengalami error 429 Resource Exhausted sementara. Error ini menunjukkan bahwa kapasitas kumpulan bersama dibatasi untuk sementara, tetapi bukan berarti Anda telah mencapai batas kuota tertentu di project Anda. Untuk memeriksa kapasitas, coba lagi permintaan setelah beberapa saat.

Langkah berikutnya