Questa pagina descrive alcuni casi d'uso dell'AI per AlloyDB per PostgreSQL, con link a codelab, notebook e tutorial che puoi utilizzare per esplorare approcci o per aiutarti a sviluppare la tua applicazione.
Accelerare le ricerche di brevetti e la precisione della ricerca
Questi codelab mostrano come migliorare la ricerca di brevetti utilizzando la ricerca vettoriale
insieme ad AlloyDB, all'estensione pgvector,
agli incorporamenti, a Gemini 1.5 Pro e a Java Agent Development Kit.
- Codelab: Crea un'app di ricerca di brevetti con AlloyDB, Vector Search e Vertex AI
- Codelab: Crea un'app di ricerca di brevetti con AlloyDB, Vector Search e Java Agent Development Kit
Applicare filtri semantici e riordinare i risultati della ricerca vettoriale per migliorare la qualità della ricerca
Questo codelab mostra come utilizzare le funzionalità di AlloyDB AI come gli operatori di query AI, la gestione degli endpoint dei modelli e la ricerca vettoriale per migliorare la qualità della ricerca e utilizzare i filtri semantici.
Scopri come utilizzare gli operatori di query AI per il filtro semantico per sbloccare nuove esperienze in SQL. Classifica i risultati della ricerca vettoriale utilizzando LLM e modelli di classificazione semantica per migliorare l'accuratezza della ricerca vettoriale. Questo tutorial utilizza un modello di ranking semantico di Vertex AI in AlloyDB e modelli di AI generativa di Vertex AI.
Crea un'app di suggerimenti per outfit basata sull'AI con AlloyDB e runtime serverless
Il seguente codelab mostra come creare un'app di consigli per outfit basata sull'AI con AlloyDB AI e runtime serverless. Spiega come gli utenti possono caricare una foto di un capo di abbigliamento e ricevere consigli e visualizzazioni di stile basati sull'AI.
Il codelab utilizza Google Cloud tecnologie come AlloyDB AI, Gemini 2.0 e Imagen 3 per creare un'applicazione web di cui è stato eseguito il deployment nel runtime serverless di Cloud Run.
Crea un'applicazione che richiami una query del database dal tuo agente o da un'applicazione di AI generativa
Il seguente codelab mostra come creare un'applicazione che utilizza Gen AI Toolbox for Databases per eseguire una semplice query AlloyDB che puoi richiamare dal tuo agente o da un'applicazione di AI generativa.
Crea ed esegui il deployment di un assistente di stile personalizzato
I seguenti codelab mostrano come creare e implementare un assistente di stile personalizzato con Gemini, la gestione degli endpoint dei modelli, la ricerca vettoriale, Vertex AI e gli agenti.
- Codelab: Parte 1: crea un assistente per lo shopping intelligente con AlloyDB e le applicazioni di AI
- Codelab: Parte 2: esegui il deployment di un assistente per lo shopping intelligente con AlloyDB e AI Applications
Crea un'applicazione di chat basata su LLM e RAG utilizzando AlloyDB AI e LangChain
Questo codelab ti guida nell'esecuzione del deployment del servizio di recupero di database di AI generativa e poi ti mostra come creare un'applicazione interattiva di esempio utilizzando l'ambiente appena configurato.
Creare un chatbot per rispondere a domande sui film
Questo tutorial mostra come creare un chatbot di AI generativa che utilizza Gemini, Vertex AI e l'integrazione di LangChain di AlloyDB. Scopri come estrarre dati strutturati dal tuo database, generare incorporamenti e formattare i dati in modo da poter eseguire la ricerca vettoriale in un'applicazione Retrieval-Augmented Generation (RAG).
Utilizza un database di film per fornire al tuo LLM informazioni sui film più popolari. Il grounding contribuisce a garantire che l'output dell'LLM sia accurato e pertinente.
- Tutorial: Integrazione di AlloyDB LangChain
Crea un'app di ricerca di negozi di giocattoli
Il seguente codelab mostra come creare un'esperienza di ricerca personalizzata e fluida in un negozio di giocattoli utilizzando la ricerca contestuale e la generazione personalizzata del prodotto corrispondente al contesto di ricerca.
Utilizzi le estensioni del modello di AI generativa e pgvector in AlloyDB, una ricerca di somiglianza del coseno in tempo reale, Gemini 2.0 Flash e Gen AI Toolbox for Databases.
- Codelab: Toy Store Search App with Cloud Databases, Serverless Runtimes and Open Source Integrations
Esegui il deployment di AlloyDB Omni e di un modello AI locale su Kubernetes
In questo codelab imparerai a eseguire il deployment di AlloyDB Omni su GKE e a utilizzarlo con un modello di incorporamento aperto di cui è stato eseguito il deployment nello stesso cluster Kubernetes.
Esegui il deployment di un'applicazione RAG con LangChain su Vertex AI
Questo tutorial mostra come creare ed eseguire il deployment di un agente utilizzando l'SDK Vertex AI per Python e l'integrazione di LangChain AlloyDB.
Scopri come utilizzare agenti e vettori con LangChain per eseguire una ricerca di similarità e recuperare dati correlati per basare le risposte dell'LLM.
Integra la ricerca ibrida e il motore di query AI nella tua applicazione di ricerca
Questa demo illustra le funzionalità di AI di Google Cloud AlloyDB per PostgreSQL, integrando la ricerca ibrida, inclusa la ricerca SQL, vettoriale e full-text, con il motore di query AI, il tutto applicato a un set di dati di e-commerce di esempio di Cymbal Shops.
Eseguire la migrazione dei dati da un database vettoriale ad AlloyDB
Il seguente tutorial descrive come eseguire la migrazione dei dati da un database vettoriale di terze parti ad AlloyDB utilizzando gli archivi vettoriali LangChain.
Sono supportati i seguenti database vettoriali: Pinecone, Weaviate, Chroma, Qdrant e Milvus.
Eseguire una ricerca ibrida multimodale di prodotti
Questo blocco note mostra come eseguire una ricerca ibrida in AlloyDB per Cymbal Shops, un rivenditore fittizio con una forte presenza nell'e-commerce. Il blocco note combina incorporamenti vettoriali multimodali, ricerca a testo intero (indice invertito generalizzato), incorporamenti sparsi BM25 (pgvector 0.7.0+) con il ranking secondario Reciprocal Rank Fusion per una ricerca dei prodotti migliorata.
Utilizzare una ricerca per similarità utilizzando un indice vettoriale per trovare i prodotti pertinenti
Questo codelab mostra come utilizzare le funzionalità di AlloyDB AI, come la gestione degli endpoint del modello e la ricerca vettoriale, per aiutarti a trovare i prodotti pertinenti.
Scopri come generare embedding utilizzando la gestione degli endpoint del modello sui dati del database e come utilizzare i dati operativi per eseguire ricerche di similarità vettoriale. Questo tutorial utilizza un modello di incorporamento Vertex AI in AlloyDB e modelli di IA generativa Vertex AI.
Utilizza MCP Toolbox for Databases con AlloyDB AI per creare ricerche di prodotti conversazionali
Scopri come utilizzare MCP Toolbox for Databases, AlloyDB AI e la ricerca vettoriale per creare un agente AI per Shopping progettato per trasformare la tua esperienza di vendita al dettaglio. Questo tutorial mostra le funzionalità dell'agente, dalle ricerche di prodotti conversazionali all'inserimento di ordini.
Passaggi successivi
- Crea indici.
- Registra e chiama modelli di AI remoti utilizzando la gestione degli endpoint dei modelli.
- Scopri di più sul rendimento delle query vettoriali ScaNN.