יצירת משימות העשרה

משימות העשרה ב-Knowledge Studio מאפשרות לתעד באופן אוטומטי את המשמעות העסקית של הנתונים, כדי שאפליקציות AI יוכלו לשלוח שאילתות בצורה מדויקת בלי הזיות. במשימות האלה, המערכת משתמשת ב-AI כדי לסרוק את נוהלי העבודה הרגילים (SOP), את מאגרי המקורות של הקוד ואת האינטראקציות של המשתמשים, וכך לחלץ את הלוגיקה העסקית שנדרשת כדי לבסס את סוכני ה-AI.

לפני שמתחילים

לפני שיוצרים משימת העשרה, צריך לוודא שהתנאים המוקדמים הבאים מתקיימים.

הבנת המושגים

לפני שמריצים משימת העשרה, מומלץ להכיר את הרכיבים העיקריים של ארכיטקטורת ההעשרה:

הכנת הרכיבים הנדרשים

לפני שיוצרים משימת העשרה, חשוב לוודא שהסביבה מוגדרת כמו שצריך להעשרה באמצעות AI, כמו שמפורט במאמר הגדרת דרישות מוקדמות למשימות העשרה.

מכינים את הרכיבים הבאים:

  • חשבון שירות: חשבון שירות ייעודי של משתמש עם התפקידים הנדרשים. במסמכי התיעוד האלה אנחנו מתייחסים לחשבון הזה בתור חשבון השירות להפעלה, כדי להבדיל אותו מסוכני השירות של Knowledge Catalog שמנוהלים על ידי Google. משימת ההעשרה פועלת בתור חשבון השירות הזה, ומשתמשת בו כדי לקרוא את המקורות ולכתוב לקבוצת ההקשר.

  • קבוצת הקשר: קבוצת הקשר של היעד שבה יישמרו המטא-נתונים המועשרים. קבוצת ההקשר משמשת גם כמקור לנכסים שרוצים להעשיר. כל מה שנמצא בקבוצת ההקשר מועשר כברירת מחדל אם לא מוסיפים משאבים נוספים במהלך ההגדרה. אם אין קבוצת הקשרים, אפשר גם ליצור קבוצה ריקה במהלך הגדרת המשימה.

  • ‫Resources to enrich (אופציונלי): נכסי נתונים נוספים שרוצים להעשיר, שלא נמצאים כבר בקבוצת ההקשר של היעד. הוספת המשאבים האלה במהלך יצירת המשימה מעשירה אותה ומוסיפה אותה באופן אוטומטי לקבוצת ההקשרים של היעד. המשאבים האלה יכולים לכלול מערכי נתונים, טבלאות או נכסי Lakehouse ב-BigQuery, והם צריכים להיות קיימים כבר.

  • אותות ידע (אופציונלי): אם אתם מתכננים לספק לסוכן ה-AI מסמכים או מודלים כדי שילמד מהם, ודאו שהכנתם את הקטגוריות של Cloud Storage, הגדרתם את הפורמט של מערכי הנתונים להערכה של .jsonl או הגדרתם את OAuth לכתובות URL של מקורות של צד שלישי.

  • יומני מעקב (אופציונלי): אם אתם מתכננים להפעיל את הלמידה העצמית של הנציג, אתם צריכים להגדיר מעקב אחרי הנציג על ידי הגדרת תצוגות של יומנים ברמת ההיקף או טבלה של BigQuery Agent Analytics, שמהן הנציג יכול ללמוד על אינטראקציות היסטוריות.

  • יצירת פרופיל נתונים ותובנות מנתונים (מומלץ): כדי לשפר את האיכות של הצעות המטא-נתונים שנוצרות, כדאי להפעיל את יצירת פרופיל הנתונים ואת התובנות מנתונים באמצעות AI בטבלאות היעד שבהן אתם משתמשים לעיתים קרובות, לפני הרצת המשימה. מידע נוסף מופיע במאמר הגדרת דרישות מוקדמות למשימות העשרה.

התפקידים הנדרשים

כדי להגדיר ולהריץ משימות העשרה, זהויות שונות צריכות הרשאות ספציפיות.

משתמש הקצה

כדי ליצור ולנהל משימות העשרה, צריך את התפקידים הבאים.

יצירה, שינוי, הפעלה וביטול של משימות העשרה

כדי לוודא שיש לכם את ההרשאות שנדרשות ליצירה, לשינוי, להפעלה ולביטול של משימות העשרה, בקשו מהאדמין להקצות לכם את התפקידים הבאים ב-IAM בפרויקט:

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי ליצור, לשנות, להריץ ולבטל משימות העשרה. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי ליצור, לשנות, להריץ ולבטל משימות העשרה, נדרשות ההרשאות הבאות:

  • יצירת משימות העשרה: dataplex.agentTasks.create
  • לצפות במשימות העשרה: dataplex.agentTasks.get
  • רשימת משימות העשרה: dataplex.agentTasks.list
  • מחיקת משימות העשרה: dataplex.agentTasks.delete
  • עדכון משימות העשרה: dataplex.agentTasks.update
  • מריצים משימות העשרה: dataplex.agentTasks.run
  • ביטול משימות העשרה: dataplex.agentTasks.cancel

יכול להיות שהאדמין יוכל גם לתת לכם את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

צירוף חשבון השירות לביצוע להגדרת משימת ההעשרה

כדי לוודא שיש לכם את ההרשאות הנדרשות לצירוף חשבון השירות להגדרת משימת ההעשרה, בקשו מהאדמין להקצות לכם את תפקידי ה-IAM הבאים בחשבון השירות:

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי לצרף את חשבון השירות להגדרת משימת ההעשרה. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי לצרף את חשבון השירות לביצוע להגדרת משימת ההעשרה, צריך את ההרשאות הבאות:

  • התחזות לחשבונות שירות: iam.serviceAccounts.actAs

יכול להיות שהאדמין יוכל גם לתת לכם את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

חשבון השירות להפעלה

חשבון השירות לביצוע הוא הזהות שבה משימת ההעשרה פועלת ומבצעת את כל הפעולות.

שימוש בשירותים הנדרשים

כדי לוודא שלחשבון השירות שמריץ את המשימה יש את ההרשאות שנדרשות כדי להשתמש בממשקי API במהלך הרצת משימת ההעשרה, בקשו מהאדמין להקצות לחשבון השירות את תפקידי ה-IAM הבאים בפרויקט שמכיל את משימת ההעשרה:

  • כדי להעניק את ההרשאה הנדרשת: Service Usage Consumer (roles/serviceusage.serviceUsageConsumer)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה מכילים את ההרשאות שנדרשות כדי להשתמש בממשקי API במהלך הביצוע של משימת ההעשרה. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי להשתמש בממשקי API במהלך הביצוע של משימת ההעשרה, נדרשות ההרשאות הבאות:

  • צריכת מכסות ושירותים: serviceusage.services.use

יכול להיות שהאדמין יוכל גם לתת לחשבון השירות להרצה את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

הצגה ופרופיילינג של תוכן נתוני היעד

כדי לוודא שלחשבון השירות שמריץ את הפרופיל יש את ההרשאות הנדרשות לצפייה בתוכן הנתונים וליצירת פרופיל שלו בתוך מערכי הנתונים המיועדים, בקשו מהאדמין להקצות לחשבון השירות שמריץ את הפרופיל את תפקידי ה-IAM הבאים בטבלאות המיועדות:

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי להציג את תוכן הנתונים בקבוצות הנתונים המטורגטות וליצור פרופיל שלו. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי לראות את תוכן הנתונים במערכי הנתונים המיועדים וליצור לו פרופיל, צריך את ההרשאות הבאות:

  • הצגת המטא-נתונים של מערך הנתונים: bigquery.datasets.get
  • הצגת המטא-נתונים של הטבלה: bigquery.tables.get
  • קריאת נתונים בטבלה: bigquery.tables.getData

יכול להיות שהאדמין יוכל גם לתת לחשבון השירות להרצה את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

הצעת מטא-נתונים וכתיבה שלהם בקבוצות הקשר

כדי לוודא שלחשבון השירות שמבצע את הפעולות יש את ההרשאות שנדרשות כדי להציע ולכתוב הגדרות של מטא-נתונים בקבוצות של הקשרים, בקשו מהאדמין לתת לחשבון השירות את התפקידים הבאים ב-IAM ברמת הפרויקט:

  • כדי לתת את ההרשאות הנדרשות: עריכת קטלוג Dataplex (roles/dataplex.catalogEditor) וצפייה בקטלוג Dataplex (roles/dataplex.catalogViewer)

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי להציע ולכתוב הגדרות של מטא-נתונים בקבוצות של הקשרים. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי להציע ולכתוב הגדרות של מטא-נתונים בקבוצות של הקשרים, נדרשות ההרשאות הבאות:

  • יוצרים רשומות של מטא-נתונים: dataplex.entries.create
  • עדכון רשומות של מטא-נתונים: dataplex.entries.update
  • צפייה ברשומות של מטא-נתונים: dataplex.entries.get
  • הצגת רשומות של מטא-נתונים: dataplex.entries.list
  • יצירת קבוצות של רשומות: dataplex.entryGroups.create
  • עדכון קבוצות של רשומות: dataplex.entryGroups.update
  • הצעת שינויים בקבוצות של רשומות: dataplex.entryGroups.requestChanges

יכול להיות שהאדמין יוכל גם לתת לחשבון השירות להרצה את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

פרסום אוטומטי של העשרות (אופציונלי)

(אופציונלי) אם מפעילים פרסום אוטומטי במשימה, צריך לכלול את התפקיד הבא:

כדי לוודא שלחשבון השירות לביצוע יש את ההרשאות שנדרשות לאישור ולפרסום אוטומטיים של שינויים, צריך לבקש מהאדמין לתת לחשבון השירות לביצוע את התפקידים הבאים ב-IAM בפרויקט:

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי לאשר ולפרסם שינויים באופן אוטומטי. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי לאשר ולפרסם שינויים באופן אוטומטי, נדרשות ההרשאות הבאות:

  • שימוש בבקשות לשינוי: dataplex.changeRequests.use

יכול להיות שהאדמין יוכל גם לתת לחשבון השירות להרצה את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

איך ללמוד מיומני מעקב

(אופציונלי) אם אתם מתכננים ללמוד מיומני מעקב קיימים (למידה עצמית), צריך לכלול את התפקידים הבאים:

כדי לוודא שלחשבון השירות שמשמש להרצה יש את ההרשאות שנדרשות לקריאת אינטראקציות היסטוריות מיומני המעקב, צריך לבקש מהאדמין לתת לחשבון השירות שמשמש להרצה את התפקידים הבאים ב-IAM בפרויקט שבבעלותו נמצאת אפליקציית Gemini:

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי לקרוא אינטראקציות היסטוריות מיומני מעקב. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי לקרוא אינטראקציות היסטוריות מיומני מעקב, נדרשות ההרשאות הבאות:

  • תצוגות של יומן הגישה: logging.views.access
  • קריאת רשומות ביומן: logging.logEntries.list

יכול להיות שהאדמין יוכל גם לתת לחשבון השירות להרצה את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

(אופציונלי) אם אתם מתכננים ללמוד מטבלה של BigQuery Agent Analytics, חשבון השירות להפעלה צריך גם את התפקיד BigQuery Data Viewer‏ (roles/bigquery.dataViewer) בטבלה של Agent Analytics.

סוכן השירות של Dataplex

סוכן השירות של Knowledge Catalog הוא חשבון שירות שמנוהל על ידי Google, שמשמש את Knowledge Catalog לביצוע פעולות בקצה העורפי בשבילכם, כמו התחזות לחשבון השירות שלכם להרצה במהלך הרצת העשרה ותזמור של משימות פרופיילינג ב-BigQuery.

סוכן השירות של Knowledge Catalog משתמש בפורמט הבא של כתובת אימייל:

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

מחליפים את PROJECT_NUMBER במספר הפרויקט ב- Google Cloud .

התחזות לחשבון השירות להפעלה

כדי לוודא שלסוכן השירות של Knowledge Catalog יש את ההרשאות הנדרשות להתחזות לחשבון השירות להפעלה לצורך הרצת המשימה, צריך לבקש מהאדמין להקצות לסוכן השירות של Knowledge Catalog את תפקידי ה-IAM הבאים בחשבון השירות להפעלה:

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי להתחזות לחשבון השירות להרצה, כדי להריץ את המשימה. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי להתחזות לחשבון השירות שמריץ את המשימה, צריך את ההרשאות הבאות:

  • יצירת טוקני גישה: iam.serviceAccounts.getAccessToken
  • יוצרים אסימוני OpenID: iam.serviceAccounts.getOpenIdToken
  • חתימה על אסימוני JWT: iam.serviceAccounts.signJwt
  • חתימה על BLOB: iam.serviceAccounts.signBlob

יכול להיות שהאדמין יוכל גם להעניק לסוכן השירות של Knowledge Catalog את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

יצירת פרופילים ב-BigQuery וקריאת היסטוריית השאילתות

כדי לוודא שלסוכן השירות של Dataplex יש את ההרשאות הנדרשות כדי ליצור פרופיל לקצה העורפי של BigQuery ולקרוא את היסטוריית השאילתות בטבלה, בקשו מהאדמין לתת לסוכן השירות של Dataplex את התפקידים הבאים ב-IAM ברמת הפרויקט:

להסבר על מתן תפקידים, ראו איך מנהלים את הגישה ברמת הפרויקט, התיקייה והארגון.

התפקידים המוגדרים מראש האלה כוללים את ההרשאות שנדרשות כדי ליצור פרופיל לקצה העורפי של BigQuery ולקרוא את היסטוריית השאילתות של הטבלה. כדי לראות בדיוק אילו הרשאות נדרשות, אפשר להרחיב את הקטע ההרשאות הנדרשות:

ההרשאות הנדרשות

כדי לבצע פרופיילינג לקצה העורפי של BigQuery ולקרוא את היסטוריית השאילתות של הטבלה, נדרשות ההרשאות הבאות:

  • הצגת המטא-נתונים של מערך הנתונים: bigquery.datasets.get
  • הצגת המטא-נתונים של הטבלה: bigquery.tables.get
  • קריאת נתונים בטבלה: bigquery.tables.getData
  • רשימת המשימות ב-BigQuery: bigquery.jobs.list
  • הצגת מטא-נתונים בסיסיים של משאבים: resourcemanager.projects.get

יכול להיות שהאדמין יוכל גם לתת לסוכן השירות של Dataplex את ההרשאות האלה באמצעות תפקידים בהתאמה אישית או תפקידים מוגדרים מראש אחרים.

פתיחת סביבת העבודה של Knowledge Studio

כדי לפתוח את אשף יצירת המשימות:

  1. נכנסים לדף Knowledge Studio במסוף Google Cloud .

    מעבר אל Knowledge Studio

  2. בחלונית הניווט שמימין, לוחצים על העשרות.

  3. לוחצים על + יצירת משימת העשרה.

נותנים שם למשימת ההעשרה.

בחלונית Define:

  1. בשדה השם המוצג, נותנים שם תיאורי למשימה (לדוגמה, Finance Dataset enrichment).
  2. בשדה Task ID, מזינים מזהה ייחודי או משתמשים במזהה שנוצר אוטומטית.

  3. בשדה Goal, מתארים את המטרה של משימת ההעשרה כדי להנחות את תהליך החילוץ. הנחיות בשפה טבעית שמפרטות את המטרה העסקית ואת היעדים של יכולות ה-AI בקבוצת ההקשרים הזו.

    לדוגמה:

    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. לוחצים על Continue.

הגדרת הפרמטרים של משימת ההעשרה

ההיקף מציין מה מועשר ומה הסוכן קורא.

בחלונית Scope:

  1. בשדה Project, בוחרים את הפרויקט שמכיל את קבוצת ההקשר.

  2. בשדה Context set, בוחרים את קבוצת ההקשר שהמשימה מעשירה ואליה המשימה שומרת את התוצאות שלה.

    משימת ההעשרה מקבלת את האזור של קבוצת ההקשר שבחרתם. Google Cloud

    אם אין לכם קבוצת הקשרים, לוחצים על יצירת קבוצה חדשה של הקשרים.

    איך יוצרים קבוצת הקשרים

  3. אופציונלי: בקטע Resources to enrich, מוסיפים את המשאבים של BigQuery או Lakehouse שרוצים להעשיר בנוסף לקבוצת ההקשר.

    כל המשאבים שמוסיפים צריכים להיות באותו אזור של קבוצת ההקשר שנבחרה. מיקומים במספר אזורים (כמו us) תואמים לאזורים בודדים באותו מיקום (כמו us-central1). אם האזורים לא תואמים, יצירת המשימה תיכשל.

    אם תבחרו קבוצת הקשר ריקה ולא תוסיפו עוד משאבים בקטע הזה, תופיע אזהרה ב-Knowledge Studio. אם תפעילו את המשימה עם ההגדרה הזו, היא תיצור מאגר ידע סמנטי על סמך ההוראות שלכם, אבל לא תעשיר אף רשומה.

    1. מזינים את שם המשאב המלא של נכס נתוני היעד.

      לדוגמה:

      • טבלה ב-BigQuery: //bigquery.googleapis.com/projects/PROJECT_ID/datasets/DATASET_ID/tables/TABLE_ID

      • נכס Lakehouse: //dataplex.googleapis.com/projects/PROJECT_ID/locations/LOCATION/lakes/LAKE_ID/zones/ZONE_ID/assets/ASSET_ID

    לחלופין, כדי לבחור משאב באופן חזותי, מבצעים את השלבים הבאים:

    1. לוחצים על עיון כדי לפתוח את תיבת הדו-שיח בחירת מקורות.
    2. כדי לבחור מתוך משאבים שהיו בשימוש לאחרונה, לוחצים על הכרטיסייה אחרונים ובוחרים את המשאבים שרוצים להוסיף.
    3. כדי לעיין בכל המשאבים או לחפש בהם, לוחצים על הכרטיסייה הכול ומבצעים את הפעולות הבאות:
      1. בשדה Search, מזינים מונח חיפוש למשאב BigQuery או Lakehouse.
      2. בעץ המשאבים, מרחיבים את ההיררכיה של הפרויקט ומערך הנתונים כדי לאתר את המשאב.
      3. מסמנים את התיבה לצד משאב אחד או יותר. בחלונית השמאלית אפשר לראות תצוגה מקדימה של הסכימה ופרטים על המשאב שנבחר.
    4. לוחצים על אישור.

    כדי להוסיף עוד משאבים, צריך להפריד בין שמות המשאבים באמצעות פסיקים.

  4. אופציונלי: בקטע אותות ידע, מקשרים את סוכן ה-AI למקורות נוספים כדי לקבל הקשר. המשאבים האלה הם לקריאה בלבד ולא מועשרים.

    • קטגוריות של Cloud Storage: מזינים את שם הקטגוריה או לוחצים על Browse כדי לחפש קטגוריה. לוחצים על Enter, פסיק או רווח אחרי כל שם של קטגוריה. המשימה דורשת קטגוריות שלמות, ואי אפשר להגדיר אותה לקריאת קבצים בודדים בלבד.

    • Glossaries: מזינים את שם מילון המונחים או לוחצים על Browse כדי לחפש מילון מונחים. מקישים על Enter, פסיק או מקש הרווח אחרי כל שם של מילון מונחים.

      חשוב לוודא שכל מילוני המונחים המקושרים נמצאים בדיוק באותו אזור כמו משימת ההעשרה וקבוצת ההקשר (לדוגמה, us-central1). הוספה של מילון מונחים ממיקום לא חוקי במספר אזורים (כמו us) תגרום לכך שיצירת המשימה תיכשל.

    • מקורות חיצוניים: כדי לקשר פלטפורמות של צד שלישי כמו Google Workspace,‏ Microsoft SharePoint,‏ GitHub או Atlassian Confluence, אתם יכולים להגדיר אותן בנפרד או לספק קובץ תצורה בפורמט YAML.

      כדי להגדיר מקורות באמצעות קובץ YAML:

      1. בשדה Source configuration file (optional), לוחצים על Browse ובוחרים את קובץ ה-YAML.

      כדי להגדיר מקור באופן ידני:

      1. בקטע מקורות מקושרים, לוחצים על הגדרה לצד הפלטפורמה שרוצים להגדיר.
      2. בשדה Source URLs, מזינים את כתובות ה-URL של המסמכים, המאגרים או המרחבים, ואז מקישים על Enter או על פסיק אחרי כל כתובת URL.

      3. אם הפלטפורמה דורשת אימות (כמו GitHub,‏ Atlassian או Microsoft), מצרפים את פרטי הכניסה:

        1. לוחצים על + הוספת חיבור.
        2. בחלונית New connection, מזינים את שם המשאב המלא של ספק האימות בשדה Auth provider. צריך להשתמש בפורמט הבא:
          projects/PROJECT_ID/locations/LOCATION/authProviders/PROVIDER_NAME
        3. בקטע URI patterns, לוחצים על + Add URI pattern כדי לציין לאילו כתובות URL יש לאישור הגישה הזה הרשאת גישה. אפשר להשתמש בכוכביות (*) כתווים כלליים לחיפוש (לדוגמה, https://github.com/test-org/*).
        4. לוחצים על סיום.

        משאבי Google Workspace מתחברים ישירות באמצעות הרשאות IAM של חשבון השירות לביצוע המשימה, ולכן הם לא דורשים חיבור של ספק אימות.

  5. לוחצים על Continue.

הגדרת הערכה ולמידה עצמית

הקטע הזה הוא אופציונלי. בחלונית Improve:

  1. אופציונלי: בקטע Evaluation, מגדירים את השדות הבאים:

    מידע נוסף על הפורמט של קבוצות נתונים להערכה ולאיסוף זמין במאמר דרישות הסכימה של קבוצות נתונים.

    • קבוצת הערכה: כדי למדוד את ההשפעה של השינויים המוצעים בהקשר, מזינים את ה-URI של Cloud Storage או לוחצים על Browse כדי לבחור את קובץ ה-.jsonl.

    • Curation set: כדי לספק קבוצה של שאלות ראשוניות לאופטימיזציה חוזרת, מזינים URI של Cloud Storage או לוחצים על Browse כדי לבחור את קובץ ה-.jsonl.

  2. אופציונלי: בקטע פרסום, מציינים את קצב הפרסום:

    כשהפרסום האוטומטי מופעל, שינויים במטא-נתונים שאושרו באופן אוטומטי נכתבים ישירות בקבוצת ההקשר. כשהאפשרות הזו מושבתת, הפעלת ההעשרה יוצרת טיוטות של עריכות שבודק אנושי צריך לאשר לפני שהן ממוזגות בבסיס הקוד.

    • כדי לדרוש בדיקה אנושית לפני שהמטא-נתונים ימוזגו עם קבוצת ההקשר בסביבת הייצור, מבטלים את הסימון בתיבה הפעלת פרסום אוטומטי.

    • כדי לפרסם באופן אוטומטי שינויים שעומדים בסף איכות גבוה, מסמנים את התיבה Enable auto-publish. משתמשים בסרגל ההזזה Auto-publish above כדי להגדיר את ציון הסמך המינימלי שנדרש כדי שהשינויים יפורסמו באופן אוטומטי (לדוגמה, 85%). אם מוגדרת קבוצת נתונים להערכה, אפשר גם להשתמש בסליידר Maximum quality drop כדי להגביל את הפרסום באופן בטוח כשהביצועים של הנציג יורדים (לדוגמה, ‎-5%). הצעות שלא עומדות בסף הזה נכנסות לתור כבקשות לשינוי, לצורך בדיקה ידנית.

  3. אופציונלי: כדי למצוא פערים בשיחות של נציגים אמיתיים ולשמור על ההקשר עדכני, בקטע Self-learning, בוחרים במתג Enable self-learning.

  4. אם הפעלתם את הלמידה העצמית, אתם יכולים להוסיף את המקורות הבאים בקטע מקורות למידה:

    • אפליקציות Gemini Enterprise: ברשימה מזהה פרויקט בוחרים את הפרויקט. ברשימה אפליקציית Gemini Enterprise, בוחרים את האפליקציה שיוצרת את עקבות השיחה ולוחצים על סיום.

      אפשר להוסיף כמה אפליקציות Gemini Enterprise.

      כדי לשפר את יכולות ההעשרה והלמידה העצמית האלה, מומלץ לציין מודל Gemini 3.8 Flash או גרסה חדשה יותר באפליקציית Gemini Enterprise. מידע נוסף על השלבים לבחירת מודל זמין בקטע "יצירת נציג באמצעות הכלי ליצירת תהליכים" במאמר תכנון נציגים ב-Agent Studio.

    • ‫BigQuery Agent Analytics: בשדה Table, מזינים את שם הטבלה שמכילה את אירועי הצ'אט של הנציג, או לוחצים על Browse כדי לבחור אותה באופן חזותי, ואז לוחצים על Done.

      אפשר להוסיף כמה טבלאות.

  5. לוחצים על Continue.

קביעת הגדרות ההפעלה

בחלונית Run:

  1. בקטע Run as, לוחצים על הרשימה User service account ובוחרים את הזהות שבה המשימה משתמשת כדי לקרוא את המקורות ולכתוב בקבוצת ההקשר. חשוב לוודא שזו הזהות שהוגדרה בקטע לפני שמתחילים.
  2. בקטע טריגר, בוחרים את תנאי הטריגר:
    • לפי דרישה: פועל רק כשלוחצים על "הפעלה".
    • מתוזמן: פועל באופן אוטומטי לפי לוח זמנים קבוע.
  3. אופציונלי: בקטע Notifications, לוחצים על ‎+ Add recipient כדי לציין עד חמש כתובות אימייל שיקבלו דוח אחרי כל הפעלה.
  4. מאמתים את הפרמטרים בחלונית Summary ולוחצים על Create.

משימת ההעשרה החדשה נשמרה. בהתאם להגדרות הטריגר, המשימה ממתינה להפעלה המתוזמנת הראשונה שלה או מוכנה להפעלה מיידית. כשהמשימה מסיימת הרצת ביצוע, הסוכן מוסיף את ההצעות למטא-נתונים שנוצרו על ידי AI גנרטיבי לתור של בקשות לשינוי, כדי שתוכלו לבדוק אותן.

המאמרים הבאים