Einbettungen aus Cloud Spanner in die Agent Platform-Vektorsuche exportieren

Mit der Vektorsuche der Gemini Enterprise Agent Platform können Nutzer mit Vektoreinbettungen nach semantisch ähnlichen Elementen suchen. Mit dem Spanner to Agent Platform Vector Search Workflow, können Sie Ihre Cloud Spanner-Datenbank in die Vektorsuche einbinden, um eine Vektor-Ähnlichkeitssuche für Ihre Cloud Spanner-Daten durchzuführen.

Das folgende Diagramm zeigt den End-to-End-Anwendungs-Workflow, mit dem Sie die Vektorsuche für Ihre Cloud Spanner-Daten aktivieren und verwenden können:

Workflow für die Vektorsuche von Spanner zu Vertex AI.

Dies ist der allgemeine Workflow:

  1. Vektoreinbettungen generieren und speichern

    Sie können Vektoreinbettungen Ihrer Daten generieren und sie dann in Cloud Spanner zusammen mit Ihren Betriebsdaten speichern und verwalten. Sie können Einbettungen mit der SQL Funktion ML.PREDICTvon Cloud Spanner generieren, um auf das Texteinbettungsmodell der Agent Platform zuzugreifen oder andere Einbettungsmodelle verwenden, die in der Agent Platform bereitgestellt wurden.

  2. Einbettungen mit der Vektorsuche synchronisieren

    Verwenden Sie den Spanner to Agent Platform Vector Search workflow, der mit Workflows bereitgestellt wird, um Einbettungen zu exportieren und in einen Index für die Vektorsuche hochzuladen. Mit Cloud Scheduler können Sie diesen Workflow regelmäßig planen, damit Ihr Index für die Vektorsuche immer auf dem neuesten Stand ist und die neuesten Änderungen an Ihren Einbettungen in Cloud Spanner enthält.

  3. Mithilfe Ihres Google-Suchindex für die Vektorsuche eine Suche nach Vektorähnlichkeiten durchführen.

    Fragen Sie den Index für die Vektorsuche ab, um nach semantisch ähnlichen Elementen zu suchen und Ergebnisse zu finden. Sie können eine Abfrage über einen öffentlichen Endpunkt oder über VPC-Peeringdurchführen.

Anwendungsbeispiel

Ein Beispiel für die Vektorsuche ist ein Onlinehändler mit einem Lagerbestand von Hunderttausenden Artikeln. In diesem Szenario sind Sie Entwickler für einen Onlinehändler und möchten die Suche nach Vektorähnlichkeiten für Ihren Produktkatalog in Cloud Spanner verwenden, damit Ihre Kunden anhand ihrer Suchanfragen relevante Produkte finden.

Folgen Sie Schritt 1 und Schritt 2 im allgemeinen Workflow, um Vektoreinbettungen für Ihren Produktkatalog zu generieren und diese Einbettungen mit der Vektorsuche zu synchronisieren.

Stellen Sie sich nun vor, ein Kunde durchsucht Ihre Anwendung und führt eine Suche wie „beste, schnell trocknende Sporthose, die ich im Wasser tragen kann“ durch. Wenn Ihre Anwendung diese Abfrage erhält, müssen Sie mit der Spanner ML.PREDICT SQL-Funktion eine Einbettung für diese Suchanfrage generieren. Verwenden Sie dabei dasselbe Einbettungsmodell, das zum Generieren der Einbettungen für Ihren Produktkatalog verwendet wurde.

Fragen Sie als Nächstes den Index für die Vektorsuche nach Produkt-IDs ab, deren entsprechende Einbettungen der Einbettung der Suchanfrage Ihres Kunden ähneln. Der Suchindex kann Produkt-IDs für semantisch ähnliche Artikel wie Wakeboard-Shorts, Surfbekleidung und Badehosen empfehlen.

Nachdem die Vektorsuche diese ähnlichen Produkt-IDs zurückgegeben hat, können Sie in Cloud Spanner nach den Produktbeschreibungen, der Anzahl der Lagerartikel, dem Preis und anderen relevanten Metadaten suchen und sie Ihrem Kunden anzeigen.

Sie können auch generative KI verwenden, um die von Cloud Spanner zurückgegebenen Ergebnisse zu verarbeiten, bevor Sie sie Ihrem Kunden anzeigen. Sie können beispielsweise die großen generativen KI-Modelle von Google verwenden, um eine kurze Zusammenfassung der empfohlenen Produkte zu erstellen. Weitere Informationen finden Sie in diesem Tutorial zum Verwenden generativer KI für personalisierte Empfehlungen in einer E-Commerce-Anwendung.

Nächste Schritte