このページでは、AlloyDB for PostgreSQL の AI のユースケースについて説明します。また、アプローチの検討やアプリケーションの開発に役立つ Codelab とチュートリアルへのリンクも示します。
映画に関する質問に答える chatbot を作成する
このチュートリアルでは、Gemini、Vertex AI、AlloyDB LangChain の統合を使用して、生成 AI chatbot を作成する方法について説明します。検索拡張生成（RAG）アプリケーションでベクトル検索を実行できるように、データベースから構造化データを抽出し、エンベディングを生成し、データをフォーマットする方法を学習します。
映画データベースを使用して、最も人気のある映画に関する情報で LLM を強化します。グラウンディングは、LLM の出力が正確で関連性があることを確認するのに役立ちます。
- チュートリアル: AlloyDB LangChain の統合
Vertex AI で LangChain を使用して RAG アプリケーションをデプロイする
このチュートリアルでは、Vertex AI SDK for Python と AlloyDB LangChain の統合を使用してエージェントを構築してデプロイする方法について説明します。
LangChain でエージェントとベクトルを使用して類似検索を実行し、LLM レスポンスをグラウンディングするために関連データを取得する方法について学びます。
ベクトル インデックスを使用した類似度検索を使用して関連商品を検索する
この Codelab では、モデル エンドポイント管理やベクトル検索などの AlloyDB AI 機能を使用して、関連する商品を見つける方法について説明します。
データベース データでモデル エンドポイント管理を使用してエンベディングを生成し、運用データを使用してベクトル類似性検索を行う方法を学びます。このチュートリアルでは、AlloyDB の Vertex AI エンベディング モデルと Vertex AI 生成 AI モデルを使用します。
- Codelab: AlloyDB AI を使用したベクトル エンベディングを使ってみる
特許検索の高速化と検索精度の向上
この Codelab では、AlloyDB、pgvector 拡張機能、エンベディング、Gemini 1.5 Pro とともにベクトル検索を使用して、特許調査を改善する方法を説明します。
パーソナライズされたファッション スタイリング アシスタントを構築してデプロイする
次の Codelab では、Gemini、モデル エンドポイント管理、ベクトル検索、Vertex AI、エージェントを使用して、パーソナライズされたスタイル アシスタントを構築してデプロイする方法について説明します。
- Codelab: パート 1: AlloyDB と Vertex AI Agent Builder を使用してスマート ショッピング アシスタントを構築する
- Codelab: パート 2: AlloyDB と Vertex AI Agent Builder を使用してスマート ショッピング アシスタントをデプロイする
ベクトル データベースから AlloyDB にデータを移行する
次のチュートリアルでは、LangChain ベクトルストアを利用して、サードパーティのベクトル データベースから AlloyDB にデータを移行する方法について説明します。
次のベクトル データベースがサポートされています。Pinecone、Weaviate、Chroma、Qdrant、Milvus。
- チュートリアル: ベクトル データベースから AlloyDB にデータを移行する。
おもちゃ屋検索アプリを作成する
次の Codelab では、コンテキスト検索と、検索コンテキストに一致する商品のカスタム生成を使用して、パーソナライズされたシームレスな玩具店の検索エクスペリエンスを作成する方法について説明します。
AlloyDB の pgvector と生成 AI モデル拡張機能、リアルタイムの Cosine 類似性検索、Gemini 2.0 Flash、データベース用の Gen AI ツールボックスを使用します。
エージェントまたは生成 AI アプリケーションからデータベース クエリを呼び出すアプリケーションを作成する
次の Codelab では、データベース向け生成 AI ツールボックスを使用して、エージェントまたは生成 AI アプリケーションから呼び出せるシンプルな AlloyDB クエリを実行するアプリケーションを作成する方法について説明します。