Créer des tâches d'enrichissement

Les tâches d'enrichissement Knowledge Studio vous permettent de documenter automatiquement la signification métier de vos données afin que les applications d'IA puissent les interroger avec précision, sans hallucination. Ces tâches utilisent l'IA pour analyser vos procédures d'exploitation standards, vos dépôts de code et vos interactions utilisateur, en extrayant la logique métier nécessaire pour ancrer vos agents IA.

Avant de commencer

Suivez ces conditions préalables avant de créer une tâche d'enrichissement.

Comprendre les concepts

Avant d'exécuter une tâche d'enrichissement, nous vous recommandons de vous familiariser avec les composants principaux de l'architecture d'enrichissement :

  • Pour découvrir comment les agents Knowledge Studio automatisent la génération de métadonnées, consultez À propos des tâches d'enrichissement.

  • Pour découvrir comment le contexte des métadonnées ancre les agents IA et simplifie l'exploration des données, consultez À propos du contexte des données.

  • Pour en savoir plus sur la hiérarchie de Knowledge Catalog, y compris les groupes d'entrées, les entrées, les aspects et les liens d'entrée, consultez À propos des métadonnées.

Préparer les composants requis

Avant de créer une tâche d'enrichissement, assurez-vous que votre environnement est correctement configuré pour l'enrichissement par IA, comme décrit dans Configurer les conditions préalables pour les tâches d'enrichissement.

Préparez les composants suivants :

  • Compte de service : compte de service utilisateur dédié disposant des rôles requis. Dans cette documentation, nous l'appelons compte de service d'exécution pour le différencier des agents de service Knowledge Catalog gérés par Google. La tâche d'enrichissement s'exécute en tant que ce compte de service et l'utilise pour lire les sources et écrire dans l'ensemble de contextes.

  • Ensemble de contextes : ensemble de contextes de destination dans lequel enregistrer les métadonnées enrichies. L'ensemble de contextes sert également de source d'éléments à enrichir. Tout ce qui se trouve dans l'ensemble de contexte est enrichi par défaut si aucune ressource supplémentaire n'est ajoutée lors de la configuration. Vous pouvez également créer un ensemble de contextes vide lors de la configuration de la tâche s'il n'en existe pas.

  • Ressources à enrichir (facultatif) : éléments de données supplémentaires que vous souhaitez enrichir et qui ne figurent pas déjà dans votre ensemble de contexte de destination. L'ajout de ces ressources supplémentaires lors de la création de la tâche les enrichit et les ajoute automatiquement à l'ensemble de contextes de destination. Ces ressources peuvent inclure des ensembles de données BigQuery, des tables ou des éléments Lakehouse, et doivent déjà exister.

  • Signaux de connaissances (facultatif) : si vous prévoyez de fournir à l'agent IA des documents ou des modèles pour qu'il apprenne, assurez-vous de préparer vos buckets Cloud Storage, de formater vos ensembles de données d'évaluation .jsonl ou de configurer OAuth pour les URL sources tierces.

  • Journaux de trace (facultatif) : si vous prévoyez d'activer l'auto-apprentissage de l'agent, vous devez configurer les traces de l'agent en configurant des vues de journaux limitées ou une table BigQuery Agent Analytics à partir de laquelle l'agent peut apprendre les interactions historiques.

  • Profilage des données et insights sur les données (recommandé) : pour améliorer la qualité des propositions de métadonnées générées, activez le profilage des données et les insights sur les données de l'IA sur vos tables cibles fréquemment utilisées avant d'exécuter la tâche. Pour en savoir plus, consultez Configurer les conditions préalables pour les tâches d'enrichissement.

Rôles requis

Pour configurer et exécuter des tâches d'enrichissement, différentes identités nécessitent des autorisations spécifiques.

L'utilisateur final

Pour créer et gérer des tâches d'enrichissement, vous devez disposer des rôles requis suivants.

Créer, modifier, exécuter et annuler des tâches d'enrichissement

Pour vous assurer que vous disposez des autorisations nécessaires pour créer, modifier, exécuter et annuler des tâches d'enrichissement, demandez à votre administrateur de vous accorder les rôles IAM suivants sur le projet :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour créer, modifier, exécuter et annuler des tâches d'enrichissement. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour créer, modifier, exécuter et annuler des tâches d'enrichissement :

  • Créer des tâches d'enrichissement : dataplex.agentTasks.create
  • Afficher les tâches d'enrichissement : dataplex.agentTasks.get
  • Répertorier les tâches d'enrichissement : dataplex.agentTasks.list
  • Supprimer les tâches d'enrichissement : dataplex.agentTasks.delete
  • Mettre à jour les tâches d'enrichissement : dataplex.agentTasks.update
  • Exécutez les tâches d'enrichissement : dataplex.agentTasks.run
  • Annuler les tâches d'enrichissement : dataplex.agentTasks.cancel

Votre administrateur peut également vous attribuer ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Associer le compte de service d'exécution à la configuration de la tâche d'enrichissement

Pour vous assurer que vous disposez des autorisations nécessaires pour associer le compte de service d'exécution à la configuration de la tâche d'enrichissement, demandez à votre administrateur de vous accorder les rôles IAM suivants sur le compte de service d'exécution :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour associer le compte de service d'exécution à la configuration de la tâche d'enrichissement. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour associer le compte de service d'exécution à la configuration de la tâche d'enrichissement :

  • Emprunter l'identité de comptes de service : iam.serviceAccounts.actAs

Votre administrateur peut également vous attribuer ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Le compte de service d'exécution

Le compte de service d'exécution est l'identité sous laquelle la tâche d'enrichissement s'exécute et effectue toutes les opérations.

Consommer les services requis

Pour vous assurer que le compte de service d'exécution dispose des autorisations nécessaires pour consommer des API pendant l'exécution de la tâche d'enrichissement, demandez à votre administrateur d'accorder les rôles IAM suivants au compte de service d'exécution sur le projet contenant la tâche d'enrichissement :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour utiliser les API lors de l'exécution de la tâche d'enrichissement. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour utiliser des API lors de l'exécution de la tâche d'enrichissement :

  • Utiliser des quotas et des services : serviceusage.services.use

Votre administrateur peut également attribuer au compte de service d'exécution ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Afficher et profiler le contenu des données cibles

Pour vous assurer que le compte de service d'exécution dispose des autorisations nécessaires pour afficher et profiler le contenu des données dans les ensembles de données cibles, demandez à votre administrateur d'accorder les rôles IAM suivants au compte de service d'exécution sur les tables cibles :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour afficher et profiler le contenu des données dans les ensembles de données cibles. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour afficher et profiler le contenu des données dans les ensembles de données cibles :

  • Affichez les métadonnées de l'ensemble de données : bigquery.datasets.get
  • Afficher les métadonnées de table : bigquery.tables.get
  • Lire les données de la table : bigquery.tables.getData

Votre administrateur peut également attribuer au compte de service d'exécution ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Proposer et écrire des métadonnées dans des ensembles de contextes

Pour vous assurer que le compte de service d'exécution dispose des autorisations nécessaires pour proposer et écrire des définitions de métadonnées dans des ensembles de contexte, demandez à votre administrateur d'accorder les rôles IAM suivants au compte de service d'exécution sur le projet :

  • Pour accorder les autorisations requises : Éditeur de catalogue Dataplex (roles/dataplex.catalogEditor) et Lecteur de catalogue Dataplex (roles/dataplex.catalogViewer)

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour proposer et écrire des définitions de métadonnées dans des ensembles de contexte. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour proposer et écrire des définitions de métadonnées dans des ensembles de contexte :

  • Créez des entrées de métadonnées : dataplex.entries.create
  • Mettez à jour les entrées de métadonnées : dataplex.entries.update
  • Affichez les entrées de métadonnées : dataplex.entries.get
  • Répertoriez les entrées de métadonnées : dataplex.entries.list
  • Créer des groupes d'entrées : dataplex.entryGroups.create
  • Mettre à jour les groupes d'entrées : dataplex.entryGroups.update
  • Proposer des modifications pour les groupes d'entrées : dataplex.entryGroups.requestChanges

Votre administrateur peut également attribuer au compte de service d'exécution ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Publier automatiquement les enrichissements (facultatif)

(Facultatif) Si vous activez la publication automatique sur votre tâche, incluez le rôle suivant :

Pour vous assurer que le compte de service d'exécution dispose des autorisations nécessaires pour approuver et publier automatiquement les modifications, demandez à votre administrateur d'accorder les rôles IAM suivants au compte de service d'exécution sur le projet :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour approuver et publier automatiquement les modifications. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour approuver et publier automatiquement les modifications :

  • Utiliser les demandes de modification : dataplex.changeRequests.use

Votre administrateur peut également attribuer au compte de service d'exécution ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

En savoir plus sur les journaux de trace

(Facultatif) Si vous prévoyez d'apprendre à partir de journaux de trace existants (auto-apprentissage), incluez les rôles suivants :

Pour vous assurer que le compte de service d'exécution dispose des autorisations nécessaires pour lire les interactions historiques à partir des journaux de trace, demandez à votre administrateur d'accorder les rôles IAM suivants au compte de service d'exécution sur le projet propriétaire de l'application Gemini :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour lire les interactions historiques à partir des journaux de trace. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour lire les interactions historiques à partir des journaux de trace :

  • Accédez aux vues de journaux : logging.views.access
  • Lire les entrées de journal : logging.logEntries.list

Votre administrateur peut également attribuer au compte de service d'exécution ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

(Facultatif) Si vous prévoyez d'apprendre à partir d'une table BigQuery Agent Analytics, le compte de service d'exécution nécessite également le rôle Lecteur de données BigQuery (roles/bigquery.dataViewer) sur la table BigQuery Agent Analytics.

Agent de service Dataplex

L'agent de service Knowledge Catalog est un compte de service géré par Google que Knowledge Catalog utilise pour effectuer des opérations de backend en votre nom, comme emprunter l'identité de votre compte de service d'exécution lors d'une exécution d'enrichissement et orchestrer des jobs de profilage BigQuery.

L'agent de service Knowledge Catalog utilise le format d'adresse e-mail suivant :

service-PROJECT_NUMBER@gcp-sa-dataplex.iam.gserviceaccount.com

Remplacez PROJECT_NUMBER par votre numéro de projet Google Cloud .

Emprunter l'identité du compte de service d'exécution

Pour vous assurer que l'agent de service Knowledge Catalog dispose des autorisations nécessaires pour emprunter l'identité du compte de service d'exécution afin d'exécuter la tâche, demandez à votre administrateur d'accorder les rôles IAM suivants à l'agent de service Knowledge Catalog sur le compte de service d'exécution :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour emprunter l'identité du compte de service d'exécution afin d'exécuter la tâche. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour emprunter l'identité du compte de service d'exécution afin d'exécuter la tâche :

  • Générez des jetons d'accès : iam.serviceAccounts.getAccessToken
  • Générez des jetons OpenID : iam.serviceAccounts.getOpenIdToken
  • Signer des jetons JWT : iam.serviceAccounts.signJwt
  • Signer des BLOB : iam.serviceAccounts.signBlob

Votre administrateur peut également attribuer ces autorisations à l'agent de service Knowledge Catalog avec des rôles personnalisés ou d'autres rôles prédéfinis.

Effectuer le profilage BigQuery et lire l'historique des requêtes

Pour vous assurer que l'agent de service Dataplex dispose des autorisations nécessaires pour effectuer le profilage BigQuery backend et lire l'historique des requêtes de table, demandez à votre administrateur d'accorder les rôles IAM suivants à l'agent de service Dataplex sur le projet :

Pour en savoir plus sur l'attribution de rôles, consultez Gérer l'accès aux projets, aux dossiers et aux organisations.

Ces rôles prédéfinis contiennent les autorisations requises pour effectuer le profilage BigQuery du backend et lire l'historique des requêtes de table. Pour connaître les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

Les autorisations suivantes sont requises pour effectuer le profilage BigQuery du backend et lire l'historique des requêtes de table :

  • Affichez les métadonnées de l'ensemble de données : bigquery.datasets.get
  • Afficher les métadonnées de table : bigquery.tables.get
  • Lire les données de la table : bigquery.tables.getData
  • Répertoriez les jobs BigQuery : bigquery.jobs.list
  • Affichez les métadonnées de base des ressources : resourcemanager.projects.get

Votre administrateur peut également attribuer ces autorisations à l'agent de service Dataplex avec des rôles personnalisés ou d'autres rôles prédéfinis.

Ouvrir l'espace de travail Knowledge Studio

Pour ouvrir l'assistant de création de tâches, procédez comme suit :

  1. Dans la console Google Cloud , accédez à la page Knowledge Studio.

    Accéder à Knowledge Studio

  2. Dans le volet de navigation de gauche, sélectionnez Enrichissements.

  3. Cliquez sur + Créer une tâche d'enrichissement.

Nommez la tâche d'enrichissement

Dans le volet Définir, procédez comme suit :

  1. Dans le champ Nom à afficher, indiquez un nom descriptif pour la tâche (par exemple, Finance Dataset enrichment).
  2. Dans le champ ID de la tâche, indiquez un identifiant unique ou utilisez l'ID généré automatiquement.

  3. Dans le champ Objectif, décrivez l'objectif de la tâche d'enrichissement pour guider le processus d'extraction. Fournissez des instructions en langage naturel détaillant la mission de l'entreprise et les objectifs de capacité de l'IA pour cet ensemble de contexte.

    Exemple :

    Curate and maintain the authoritative context set for the
`subscription_revenue` domain. Focus on resolving metric discrepancies
between `gross_sales`, `net_billed_revenue`, and `discount_applied`.
Ensure all customer join keys (e.g. `customer_id`, `subscription_fk`)
have explicit column documentation, and establish parameterized query
templates for Monthly Recurring Revenue (MRR) and Churn Rate calculations.

  4. Cliquez sur Continuer.

Configurer les paramètres de la tâche d'enrichissement

Le champ d'application spécifie ce qui est enrichi et ce que l'agent lit.

Dans le volet Champ d'application, procédez comme suit :

  1. Dans le champ Projet, sélectionnez le projet contenant l'ensemble de contextes.

  2. Dans le champ Ensemble de contextes, sélectionnez l'ensemble de contextes que la tâche enrichit et dans lequel elle enregistre ses résultats.

    Votre tâche d'enrichissement hérite de la région Google Cloud de l'ensemble de contexte que vous sélectionnez.

    Si vous n'avez pas d'ensemble de contextes, cliquez sur Créer un ensemble de contextes.

    Pour en savoir plus sur la création d'un ensemble de contextes, consultez Créer un ensemble de contextes.

  3. Facultatif : Dans la section Ressources à enrichir, ajoutez les ressources BigQuery ou Lakehouse que vous souhaitez enrichir en plus de l'ensemble de contexte.

    Toutes les ressources que vous ajoutez doivent se trouver dans la même région que l'ensemble de contexte que vous avez sélectionné. Les emplacements multirégionaux (tels que us) correspondent aux régions uniques de cet emplacement (telles que us-central1). Les régions non concordantes entraînent l'échec de la création de la tâche.

    Si vous sélectionnez un ensemble de contexte vide et n'ajoutez aucune ressource supplémentaire dans cette section, Knowledge Studio affiche un avertissement. Si vous exécutez la tâche avec cette configuration, elle génère une base de connaissances sémantique en fonction de vos instructions, mais n'enrichit aucune entrée.

    1. Saisissez le nom de ressource complet de l'élément de données cible.

      Exemple :

      • Table BigQuery : //bigquery.googleapis.com/projects/PROJECT_ID/datasets/DATASET_ID/tables/TABLE_ID

      • Élément de lakehouse : //dataplex.googleapis.com/projects/PROJECT_ID/locations/LOCATION/lakes/LAKE_ID/zones/ZONE_ID/assets/ASSET_ID

    Vous pouvez également sélectionner une ressource visuellement en procédant comme suit :

    1. Cliquez sur Parcourir pour ouvrir la boîte de dialogue Sélectionner des sources.
    2. Pour sélectionner des ressources récemment utilisées, cliquez sur l'onglet Récentes, puis sélectionnez les ressources que vous souhaitez ajouter.
    3. Pour parcourir ou rechercher toutes les ressources, cliquez sur l'onglet Tout, puis procédez comme suit :
      1. Dans le champ Rechercher, saisissez un terme de recherche pour votre ressource BigQuery ou Lakehouse.
      2. Dans l'arborescence des ressources, développez la hiérarchie du projet et de l'ensemble de données pour localiser votre ressource.
      3. Cochez la case à côté d'une ou de plusieurs ressources. Vous pouvez prévisualiser le schéma et les détails de la ressource sélectionnée dans le volet de droite.
    4. Cliquez sur Confirmer.

    Pour ajouter d'autres ressources, séparez leurs noms par une virgule.

  4. Facultatif : dans la section Signaux de connaissances, connectez l'agent IA à des sources supplémentaires pour obtenir du contexte. Ces ressources sont en lecture seule et ne sont pas enrichies.

    • Buckets Cloud Storage : saisissez le nom du bucket ou cliquez sur Parcourir pour rechercher un bucket. Appuyez sur Entrée, sur la touche virgule ou sur la barre d'espace après chaque nom de bucket. La tâche nécessite des buckets entiers. Vous ne pouvez pas la configurer pour qu'elle ne lise que des fichiers individuels.

    • Glossaires : saisissez le nom du glossaire ou cliquez sur Parcourir pour rechercher un glossaire. Appuyez sur Entrée, sur la touche virgule ou sur la barre d'espace après chaque nom de glossaire.

      Assurez-vous que tous les glossaires connectés se trouvent exactement dans la même région que votre tâche d'enrichissement et votre ensemble de contexte (par exemple, us-central1). L'ajout d'un glossaire à partir d'un emplacement multirégional non valide (tel que us) entraîne l'échec de la création de la tâche.

    • Sources externes : pour connecter des plates-formes tierces telles que Google Workspace, Microsoft SharePoint, GitHub ou Atlassian Confluence, vous pouvez les configurer individuellement ou fournir un fichier de configuration YAML.

      Pour configurer des sources à l'aide d'un fichier YAML :

      1. Dans le champ Fichier de configuration source (facultatif), cliquez sur Parcourir et sélectionnez votre fichier YAML.

      Pour configurer une source manuellement :

      1. Sous Sources connectées, cliquez sur Configurer à côté de la plate-forme que vous souhaitez configurer.
      2. Dans le champ URL sources, saisissez les URL de vos documents, dépôts ou espaces, puis appuyez sur Entrée ou sur la touche virgule après chaque URL.

      3. Si la plate-forme nécessite une authentification (comme GitHub, Atlassian ou Microsoft), associez vos identifiants en procédant comme suit :

        1. Cliquez sur + Ajouter une connexion.
        2. Dans le volet Nouvelle connexion, saisissez le nom complet de la ressource de votre fournisseur d'authentification dans le champ Fournisseur d'authentification. Utilisez le format suivant :
          projects/PROJECT_ID/locations/LOCATION/authProviders/PROVIDER_NAME.
        3. Sous Formats d'URI, cliquez sur + Ajouter un format d'URI pour spécifier les URL auxquelles ces identifiants sont autorisés à accéder. Vous pouvez utiliser des astérisques (*) comme caractères génériques (par exemple, https://github.com/test-org/*).
        4. Cliquez sur OK.

        Les ressources Google Workspace se connectent directement à l'aide des autorisations IAM du compte de service d'exécution de votre tâche. Elles ne nécessitent donc pas de connexion à un fournisseur d'authentification.

  5. Cliquez sur Continuer.

Configurer l'évaluation et l'auto-apprentissage

Cette section est facultative. Dans le volet Améliorer, procédez comme suit :

  1. Facultatif : dans la section Évaluation, configurez les champs suivants :

    Pour en savoir plus sur la mise en forme des ensembles de données d'évaluation et de curation, consultez Exigences de schéma des ensembles de données.

    • Ensemble d'évaluation : pour mesurer l'impact des modifications de contexte proposées, saisissez un URI Cloud Storage ou cliquez sur Parcourir pour sélectionner votre fichier .jsonl.

    • Ensemble de curation : pour fournir un ensemble de questions de départ pour l'optimisation itérative, saisissez un URI Cloud Storage ou cliquez sur Parcourir pour sélectionner votre fichier .jsonl.

  2. (Facultatif) Dans la section Publication, spécifiez la fréquence de publication :

    Lorsque la publication automatique est activée, les modifications de métadonnées approuvées automatiquement sont écrites directement dans l'ensemble de contexte. Lorsqu'elle est désactivée, l'exécution de l'enrichissement génère des brouillons de modifications qu'un réviseur humain doit approuver avant qu'ils ne soient fusionnés dans le codebase.

    • Pour exiger un examen manuel avant que les métadonnées ne soient fusionnées dans votre ensemble de contexte de production, décochez la case Activer la publication automatique.

    • Pour publier automatiquement les modifications qui répondent à un seuil de haute qualité, cochez la case Activer la publication automatique. Utilisez le curseur Publication automatique au-dessus pour définir le score de confiance minimal requis pour que les modifications soient publiées automatiquement (par exemple, 85%). Si un ensemble de données d'évaluation est configuré, vous pouvez également utiliser le curseur Baisse de qualité maximale pour limiter la publication de manière sécurisée lorsque les performances de l'agent diminuent (par exemple, -5%). Toute proposition ne respectant pas ces seuils est mise en file d'attente en tant que demande de modification pour examen manuel.

  3. Facultatif : Pour identifier les lacunes dans les conversations des agents réels et maintenir votre contexte à jour, dans la section Auto-apprentissage, activez l'option Activer l'auto-apprentissage.

  4. Facultatif : si vous avez activé l'auto-apprentissage, dans la section Apprendre à partir de, ajoutez l'une des sources suivantes :

    • Applications Gemini Enterprise : dans la liste ID du projet, sélectionnez le projet. Dans la liste Application Gemini Enterprise, sélectionnez l'application qui génère des traces de conversation, puis cliquez sur OK.

      Vous pouvez ajouter plusieurs applications Gemini Enterprise.

      Pour optimiser ces fonctionnalités d'enrichissement et d'auto-apprentissage, nous vous recommandons de spécifier un modèle Gemini 3.8 Flash ou version ultérieure dans l'application Gemini Enterprise. Pour en savoir plus sur les étapes de sélection du modèle, consultez la section "Créer un agent à l'aide du générateur de flux" dans Concevoir des agents dans Agent Studio.

    • BigQuery Agent Analytics : dans le champ Table, saisissez le nom de la table contenant les événements de chat de l'agent ou cliquez sur Parcourir pour la sélectionner visuellement, puis cliquez sur OK.

      Vous pouvez ajouter plusieurs tables.

  5. Cliquez sur Continuer.

Configurer les paramètres d'exécution

Dans le volet Exécuter, procédez comme suit :

  1. Dans la section Exécuter en tant que, cliquez sur la liste Compte de service utilisateur, puis sélectionnez l'identité que la tâche utilise pour lire les sources et écrire dans l'ensemble de contexte. Assurez-vous qu'il s'agit de l'identité configurée dans la section Avant de commencer.
  2. Sous Déclencheur, sélectionnez la condition de déclenchement :
    • À la demande : s'exécute uniquement lorsque vous cliquez sur "Exécuter".
    • Planifié : s'exécute automatiquement selon une planification récurrente.
  3. Facultatif : Sous Notifications, cliquez sur + Ajouter un destinataire pour spécifier jusqu'à cinq adresses e-mail qui recevront un rapport après chaque exécution.
  4. Vérifiez les paramètres dans le volet Résumé, puis cliquez sur Créer.

Votre nouvelle tâche d'enrichissement est enregistrée. Selon les paramètres de votre déclencheur, la tâche attend sa première exécution planifiée ou est prête à s'exécuter immédiatement. Une fois l'exécution de la tâche terminée, l'agent met en file d'attente les propositions de métadonnées d'IA générées dans une demande de modification pour que vous puissiez les examiner.

Étapes suivantes