שליפה מבוססת סוכנים (לשעבר Vector Search 2.0)

Agent Retrieval (שנקרא בעבר Vector Search 2.0) הוא מוצר שתוכנן מאפס כמנוע חיפוש מנוהל לחלוטין, עם כוונון עצמי ומבוסס-AI. Google Cloud בעוד שחיפוש הווקטורים הקיים של Google Cloudהוא מערכת עוצמתית של אינדקס כשירות (index-as-a-service) לחיפוש שכנים קרובים משוערים (ANN), אחזור מידע על ידי סוכן מפתח את הרעיון הזה למערכת מקיפה לאחסון ולאחזור מידע. במקום לנהל אינדקסים כמשאב העיקרי, אתם עובדים עם אוספים של אובייקטים של נתונים.

ארכיטקטורת מנוע החיפוש מספקת מנוע אחסון ניתן להרחבה שמשוכפל, מה שהופך את Agent Retrieval למקור נתונים יחיד ומאוחד עבור אפליקציות ה-AI שלכם ומבטל את הצורך באחסון נתונים משני.

בין היתרונות המרכזיים של מודעות למכירת רכב:

  • ידידותי למפתחים: אפשר להתחיל לעבוד במהירות עם ספריות לקוח אינטואיטיביות שדורשות מינימום קוד. המערכת מותאמת אוטומטית כדי לשמור על ביצועים גבוהים, והיא מסתירה את התשתית הבסיסית כך שלא צריך להגדיר מכונות וירטואליות או רפליקות.

  • הטמעה והערכה מהירות: אפשר ליצור אוספים, להוסיף את הנתונים ולהתחיל לחפש במהירות.

  • אחסון נתונים מאוחד: אפשר לאחסן, לאחזר ולסנן את המסמכים לפי דמיון וקטורי ונתוני מטען ייעודי, והכול במקום אחד.

  • תכונות מתקדמות: אכלוס אוטומטי של שדות הטמעה באמצעות מודלים מובנים, חקר הנתונים באמצעות יכולות שאילתה עשירות, שימוש בהטמעות משלכם (BYOE) ויצירה מהירה של אינדקסים כדי לשפר את הביצועים.

  • תמחור פשוט: תכונות התמחור הגמיש כוללות שני מודלים: תמחור לפי שימוש לעומסי עבודה קטנים יותר, ותמחור לפי משאבים לביצועים משופרים. במאמר בנושא הערכת תמחור מוסבר איך לחשב את העלויות של תרחיש השימוש שלכם.

התכונה 'אחזור מידע על ידי סוכן' שומרת על הביצועים הגבוהים והמדרגיות העצומה שזמינים בחיפוש וקטורי 1.0, כך שקל להתחיל ולהרחיב את השימוש בה.

מושגים

לפני שמתחילים, כדאי להבין את המושגים הבאים שקשורים לאחזור מידע על ידי סוכנים:

  • אוסף: קונטיינר של קבוצת אובייקטים קשורים מסוג JSON. הוא דומה לטבלה במסד נתונים רלציוני. אפשר ליצור הרבה אוספים במסד נתונים אחד.

  • אובייקט נתונים: אובייקט JSON ספציפי שמאוחסן בתוך אוסף.

  • Collection: schema: מגדיר את המבנה והאילוצים של אובייקטי הנתונים ב-Collection. אפשר להגדיר אותו כך שיבצע אימותים מחמירים או מקלים של סכימות.

  • אינדקס אוסף: מאפשר חיפוש יעיל של השכן הקרוב המשוער (ANN) באובייקטים של נתונים באוסף. אוסף יכול להכיל כמה אינדקסים, למשל אינדקס אחד לכל שדה וקטורי באובייקטים של הנתונים.

אומדן מחיר

תמחור של Agent Retrieval ומחשבון תמחור: התמחור של Agent Retrieval כולל את העלות של מכונות וירטואליות שמשמשות לאירוח של אינדקסים שנפרסו, וגם הוצאות על בנייה ועדכון של אינדקסים. גם הגדרה מינימלית (בפחות מ-100 $לחודש) יכולה להתאים לתרחישי שימוש בגודל בינוני עם תפוקה גבוהה. כדי לאמוד את העלויות החודשיות:

  1. למחשבון העלויות של Agent Retrieval ב-Agent Platform
  2. מעדכנים את ההגדרות לערכים הבאים:
    • תיאור האוסף
    • בוחרים את שיטת החיפוש: KNN או ANN
    • פריסה (זמין רק לשיטת החיפוש ANN)
    • תנועת גולשים חודשית
    • הטמעת נתונים
  3. ההערכה של העלות תתעדכן בחלונית Cost Details.

אזורים נתמכים

האזורים הבאים נתמכים:

  • asia-east1
  • asia-northeast1
  • asia-southeast1
  • europe-north1
  • europe-west2
  • europe-west4
  • us-central1
  • us-east4
  • us-west1

מה השלב הבא?