Ringkasan analisis percakapan untuk Cloud SQL untuk PostgreSQL

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

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

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

Analisis percakapan menyediakan jenis konteks berikut:

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

Setelah membuat agen data, Anda dapat melakukan percakapan dengan agen tersebut untuk mengajukan pertanyaan tentang data Cloud SQL 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 produk Google Cloud dapat menghasilkan output yang seolah masuk akal tetapi mengandung fakta yang salah. Sebaiknya Anda memvalidasi semua output dari produk Gemini untuk Google Cloud 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 informasi, dan serangkaian petunjuk khusus untuk kasus penggunaan guna memproses data database tersebut. Saat membuat agen data, Anda dapat mengonfigurasinya menggunakan opsi berikut:

  • Gunakan sumber pengetahuan seperti tabel dan tampilan dengan agen data.
  • Berikan metadata tabel dan kolom kustom untuk mendeskripsikan data database dengan cara yang paling sesuai untuk kasus penggunaan tertentu.
  • Berikan petunjuk untuk menafsirkan dan membuat kueri data, seperti menentukan hal berikut:
    • Sinonim dan istilah bisnis untuk nama kolom
    • Kolom dan default yang paling penting untuk pemfilteran dan pengelompokan
  • Dengan menggunakan pembuatan konteks terpandu atau kontekstual lanjutan, berikan 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 halaman Percakapan di konsol Google Cloud :

  • Agen contoh yang telah ditetapkan untuk setiap project Google Cloud .
  • Daftar agen yang Anda buat drafnya, buat, dan publikasikan.
  • Daftar agen yang dibuat dan dibagikan 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 Cloud SQL untuk PostgreSQL. Anda juga dapat mengakses agen yang dibuat di konsol Google Cloud dengan memanggilnya menggunakan Conversational Analytics API.

Percakapan

Percakapan adalah chat yang dipertahankan 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 dalam bentuk 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 agen data. Oleh karena itu, hasil konversi langsung mungkin kurang akurat. Gunakan agen data untuk kasus yang memerlukan akurasi lebih tinggi.

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

Keamanan

Anda dapat mengelola akses ke analisis percakapan di Cloud SQL 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, mengambil, dan memproses data database dan dokumen vektor yang sebenarnya—menggunakan endpoint regional.

Harga

Anda akan dikenai biaya sesuai harga komputasi Cloud SQL untuk PostgreSQL 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 dan 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 tetap per project untuk throughput model.

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

Langkah berikutnya