Konversationelle Analysen für Cloud SQL for PostgreSQL – Übersicht

Mit der konversationellen Analyse in Cloud SQL for PostgreSQL können Sie sich in natürlicher Sprache mit KI-Agenten über Ihre Datenbankdaten unterhalten. So erhalten Sie Antworten zu Ihren Daten:

  • Erstellen Sie Daten-KI-Agenten für eine Reihe von Wissensquellen, z. B. Tabellen und Ansichten, die Sie auswählen.
  • [Optional] Kontext und Anweisungen für einen KI-Agenten erstellen, um den Daten-KI-Agenten so zu konfigurieren, dass er Fragen für bestimmte Anwendungsfälle effektiv beantworten kann.

Bevor Sie einen KI-Agenten anpassen, sollten Sie sich zuerst mit dem Kontext und den Anweisungen vertraut machen, die der KI-Agent erstellt.

Konversationelle Analysen bieten die folgenden Arten von Kontext:

  • Geführt: Sie erstellen diesen Kontext in der Google Cloud Console. Diese Option eignet sich gut für Nutzer, die keinen Code direkt schreiben möchten.
  • Erweitert: Sie erstellen diesen Kontext in der Gemini CLI oder in Ihrer IDE. Wir empfehlen diesen Ansatz für Nutzer, die mehr Kontrolle über die Qualität des KI-Agenten haben möchten. In diesem Kontext wird der Kontext für die QueryData-Methode wiederverwendet.

Nachdem Sie Daten-Agents erstellt haben, können Sie sich mit ihnen unterhalten und in natürlicher Sprache Fragen zu Cloud SQL for PostgreSQL-Daten stellen.

Konversationelle Analysen werden von Gemini für Google Cloud unterstützt.

Weitere Informationen dazu, wie und wann Gemini für Google Cloud Ihre Daten verwendet

Da es sich bei Gemini für Google Cloud -Produkte um Technologie in einem frühen Entwicklungsstadium handelt, kann es zu Ergebnissen kommen, die zwar plausibel erscheinen, aber faktisch falsch sind. Ausgaben von Gemini für Google Cloud -Produkte sollten daher vor der Verwendung geprüft werden. Weitere Informationen finden Sie unter Gemini für Google Cloud und verantwortungsbewusste Anwendung von KI.

KI-Agenten für Datenverarbeitung

Daten-KI-Agenten bestehen aus einer oder mehreren Wissensquellen und einer Reihe von Anweisungen, die für einen Anwendungsfall zur Verarbeitung dieser Datenbankdaten spezifisch sind. Wenn Sie einen KI-Datenagenten erstellen, können Sie ihn mit den folgenden Optionen konfigurieren:

  • Wissensquellen wie Tabellen und Ansichten mit einem KI-Datenagenten verwenden.
  • Stellen Sie benutzerdefinierte Tabellen- und Feldmetadaten bereit, um die Datenbankdaten für den jeweiligen Anwendungsfall am besten zu beschreiben.
  • Stellen Sie eine Anleitung zum Interpretieren und Abfragen der Daten bereit, z. B. durch Definieren der folgenden Punkte:
    • Synonyme und Geschäftsbegriffe für Feldnamen
    • Wichtigste Felder und Standardeinstellungen für das Filtern und Gruppieren
  • Stellen Sie mithilfe der geführten oder erweiterten Kontextgenerierung strukturierte Kontexte bereit, die der Daten-KI-Agent verwenden kann, um die Antwortstruktur eines KI-Agenten zu gestalten und die Geschäftslogik Ihrer Organisation zu erlernen.

Daten-Agents verwalten

Auf der Seite Unterhaltungen in der Google Cloud Konsole können Sie die folgenden Arten von Daten-KI-Agenten erstellen, verwalten und mit ihnen arbeiten:

  • Ein vordefinierter Beispiel-Agent für jedes Google Cloud -Projekt.
  • Eine Liste Ihrer entworfenen, erstellten und veröffentlichten KI-Agenten.
  • Eine Liste von KI-Agenten, die von anderen Personen erstellt und für Sie freigegeben wurden.

Weitere Informationen finden Sie unter KI-Datenagenten erstellen.

Andere Dienste im Projekt, die KI-Datenagenten unterstützen, z. B. die Conversational Analytics API, können auf KI-Datenagenten zugreifen, die Sie in Cloud SQL for PostgreSQL erstellen. Sie können auch auf einen Agenten zugreifen, der in der Google Cloud Console erstellt wurde, indem Sie ihn über die Conversational Analytics API aufrufen.

Unterhaltungen

Unterhaltungen sind gespeicherte Chats mit einem KI-Datenagenten oder einer Datenbank-Datenquelle. Sie können KI-Datenagenten mehrteilige Fragen stellen, die gängige Begriffe wie „Umsatz“ oder „beliebteste“ enthalten, ohne Tabellenfeldnamen angeben oder Bedingungen zum Filtern der Datenbankdaten definieren zu müssen.

Die zurückgegebene Chatantwort bietet die folgenden Funktionen:

  • Die Antwort auf Ihre Frage als Text, Code oder Diagramm (falls zutreffend)
  • Die Schlussfolgerung des KI-Agenten hinter den Ergebnissen.
  • Metadaten zur Unterhaltung, z. B. der verwendete KI-Agent und die verwendeten Datenbankdatenquellen.

Wenn Sie eine direkte Unterhaltung mit einer Datenbank-Datenquelle erstellen, interpretiert die Conversational Analytics API Ihre Frage ohne den Kontext und die Verarbeitungsanweisungen, die ein KI-Datenagent bietet. Daher können die Ergebnisse direkter Konversationen weniger genau sein. Verwenden Sie Daten-Agenten für Anwendungsfälle, die eine höhere Genauigkeit erfordern.

Sie können Unterhaltungen in Cloud SQL for PostgreSQL über die Google Cloud Console erstellen und verwalten. Weitere Informationen finden Sie unter Daten mit Unterhaltungen analysieren.

Sicherheit

Sie können den Zugriff auf konversationelle Analysen in Cloud SQL for PostgreSQL mithilfe von IAM-Rollen und ‑Berechtigungen für die Conversational Analytics API verwalten. Informationen zu den Rollen, die für bestimmte Vorgänge erforderlich sind, finden Sie unter Erforderliche Rollen für KI-Datenagenten und Erforderliche Rollen für Konversationen.

Standorte

Wenn Sie einen Agenten mit konversationeller Analyse erstellen, verwendet die Steuerungsebene, die den Workflow plant, verwaltet und Tools aufruft (Orchestrierung), nur einen globalen Endpunkt. Die Datenebene, die die eigentlichen Datenbankeinträge und Vektordokumente abruft und verarbeitet, verwendet einen regionalen Endpunkt.

Preise

Für Abfragen, die beim Erstellen von KI-Datenagenten und bei Unterhaltungen mit KI-Datenagenten oder Datenbankdatenquellen ausgeführt werden, werden die Compute-Preise für Cloud SQL for PostgreSQL berechnet. Für das Erstellen und Verwenden von KI-Datenagenten und Konversationen während der Vorabversion fallen keine zusätzlichen Kosten an.

Dynamisches freigegebenes Kontingent

Das dynamische gemeinsame Kontingent (Dynamic Shared Quota, DSQ) in Vertex AI verwaltet die Kapazität für das Gemini-Modell. Im Gegensatz zu herkömmlichen Kontingenten können Sie mit DSQ auf einen großen gemeinsam genutzten Ressourcenpool zugreifen, ohne dass ein festes Limit für den Modelldurchsatz pro Projekt gilt.

Die Leistung, z. B. die Latenz, kann je nach Gesamtsystemlast variieren. In Zeiten hoher Nachfrage im gemeinsam genutzten Pool können gelegentlich vorübergehende 429 Resource Exhausted-Fehler auftreten. Diese Fehler weisen darauf hin, dass die Kapazität des freigegebenen Pools vorübergehend eingeschränkt ist, aber nicht, dass Sie ein bestimmtes Kontingentlimit für Ihr Projekt erreicht haben. Warten Sie kurz und führen Sie die Anfrage dann noch einmal aus, um die Kapazität zu prüfen.

Nächste Schritte