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 auf Ihre Fragen zu Ihren Daten:

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

Bevor Sie einen KI-Agenten anpassen, empfehlen wir Ihnen, zuerst mit dem Kontext und den Anweisungen zu arbeiten, die der KI-Agent erstellt.

Die konversationelle Analyse bietet 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. Dieser Kontext verwendet den Kontext für die Methode QueryData wieder.

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

Die konversationelle Analyse wird von Gemini für Google Cloudbetrieben.

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

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

KI-Agenten für Datenverarbeitung

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

  • Verwenden Sie Wissensquellen wie Tabellen und Ansichten mit einem KI-Datenagenten.
  • Geben Sie benutzerdefinierte Tabellen- und Feldmetadaten an, um die Datenbankdaten für den jeweiligen Anwendungsfall bestmöglich zu beschreiben.
  • Geben Sie Anweisungen zum Interpretieren und Abfragen der Daten an, z. B. durch Definition der folgenden Elemente:
    • Synonyme und Fachbegriffe für Feldnamen
    • Wichtigste Felder und Standardwerte für das Filtern und Gruppieren
  • Geben Sie mithilfe der geführten oder erweiterten Kontexterstellung strukturierte Kontexte an, die der KI-Datenagent verwenden kann, um die Antwortstruktur eines KI-Agenten zu gestalten und die Geschäftslogik zu erlernen, die in Ihrem Unternehmen verwendet wird.

KI-Datenagenten verwalten

Auf dem Tab Agent in der Google Cloud Console können Sie die folgenden Arten von KI-Datenagenten erstellen, verwalten und verwenden:

  • Ein vordefinierter Beispiel-KI-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 in der Google Cloud Console erstellten KI-Agenten zugreifen, indem Sie ihn über die Conversational Analytics API aufrufen.

Unterhaltungen

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

Die Chatantwort, die Sie erhalten, bietet die folgenden Funktionen:

  • Die Antwort auf Ihre Frage als Text, Code oder Diagramme (falls zutreffend)
  • Die Begründung des KI-Agenten für die Ergebnisse.
  • Metadaten zur Unterhaltung, z. B. die verwendeten KI-Agenten und Datenbankdatenquellen.

Wenn Sie eine direkte Unterhaltung mit einer Datenbankdatenquelle erstellen, interpretiert die Conversational Analytics API Ihre Frage ohne den Kontext und die Verarbeitungsanweisungen, die ein Datenagent bietet. Daher können die Ergebnisse direkter Unterhaltungen weniger genau sein. Verwenden Sie KI-Datenagenten für Fälle, in denen eine höhere Genauigkeit erforderlich ist.

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 die konversationelle Analyse in Cloud SQL for PostgreSQL mithilfe von IAM-Rollen und -Berechtigungen für die Conversational Analytics API verwalten. Informationen zu den für bestimmte Vorgänge erforderlichen Rollen finden Sie unter Erforderliche Rollen für KI-Datenagenten und Erforderliche Rollen für Unterhaltungen.

Standorte

Wenn Sie die konversationelle Analyse verwenden, um einen KI-Agenten zu erstellen, verwendet die Steuerungsebene, die den Workflow plant und verwaltet und Tools aufruft (Orchestrierung), nur einen globalen Endpunkt. Die Datenebene, die die tatsächlichen Datenbankdatensätze und Vektordokumente abruft und verarbeitet, verwendet einen regionalen Endpunkt.

Preise

Für Abfragen, die ausgeführt werden, wenn Sie KI-Datenagenten erstellen und Unterhaltungen mit KI-Datenagenten oder Datenbankdatenquellen führen, werden Ihnen die Compute-Preise für Cloud SQL for PostgreSQL berechnet. Für das Erstellen und Verwenden von KI-Datenagenten und Unterhaltungen fallen während des Vorschau zeitraums keine zusätzlichen Kosten an.

Dynamisches freigegebenes Kontingent

Mit dem dynamischen freigegebenen Kontingent (Dynamic Shared Quota, DSQ) in Vertex AI wird die Kapazität für das Gemini-Modell verwaltet. Im Gegensatz zu herkömmlichen Kontingenten ermöglicht DSQ den Zugriff auf einen großen freigegebenen Ressourcenpool ohne ein festes Limit für den Modell-Durchsatz pro Projekt.

Die Leistung, z. B. die Latenz, kann je nach Gesamtsystemlast variieren. Bei hoher Nachfrage im freigegebenen Pool können gelegentlich temporäre 429 Resource Exhausted-Fehler auftreten. Diese Fehler weisen darauf hin, dass die Kapazität des freigegebenen Pools vorübergehend begrenzt ist, aber nicht, dass Sie ein bestimmtes Kontingentlimit für Ihr Projekt erreicht haben. Wenn Sie die Kapazität prüfen möchten, wiederholen Sie die Anfrage nach einer kurzen Verzögerung.

Nächste Schritte