Crie aplicações de IA generativa

Esta página descreve alguns exemplos de utilização da IA para o AlloyDB for PostgreSQL, com links para codelabs, blocos de notas e tutoriais que pode usar para explorar abordagens ou para ajudar a desenvolver a sua aplicação.

Exemplo de utilização Descrição
Acelere as pesquisas de patentes e a precisão da pesquisa Estes codelabs mostram-lhe como melhorar a pesquisa de patentes através da pesquisa vetorial juntamente com o AlloyDB, a extensão pgvector, as incorporações, o Gemini 1.5 Pro e o Java Agent Development Kit.
Gere incorporações multimodais no AlloyDB Este codelab demonstra como usar as capacidades da IA do AlloyDB para a pesquisa semântica através de incorporações multimodais.

Saiba como realizar diferentes tipos de pesquisas, incluindo a pesquisa semântica baseada em texto, a pesquisa de imagens por imagem e a pesquisa de imagens por texto, bem como uma abordagem híbrida que combina diferentes tipos de pesquisa.
Gere SQL com a linguagem natural da IA do AlloyDB Este codelab fornece um guia passo a passo sobre como usar a funcionalidade de linguagem natural da IA do AlloyDB para gerar consultas SQL.

Este codelab usa um conjunto de dados de comércio eletrónico fictício para demonstrar como pode fazer perguntas em linguagem natural (inglês) e fazer com que a IA do AlloyDB as traduza para SQL.
Aplicar filtros semânticos e reclassificar os resultados da pesquisa vetorial para melhorar a qualidade da pesquisa Este codelab mostra como usar as funcionalidades de IA do AlloyDB, como os operadores de consulta de IA, a gestão de pontos finais de modelos e a pesquisa vetorial, para ajudar a melhorar a qualidade da pesquisa e usar filtros semânticos.

Saiba como usar operadores de consultas de IA para a filtragem semântica, de modo a desbloquear novas experiências em SQL. Classifique os resultados da pesquisa vetorial com LLMs e modelos de classificação semântica para melhorar a precisão da sua pesquisa vetorial. Este tutorial usa um modelo de classificação semântica da Vertex AI no AlloyDB e modelos de IA generativa da Vertex AI.
Crie uma app de recomendações de vestuário com tecnologia de IA com o AlloyDB e os tempos de execução sem servidor Este codelab mostra como criar uma app de recomendações de vestuário com tecnologia de IA com o AlloyDB AI e os tempos de execução sem servidor. Explica como os utilizadores podem carregar uma imagem de roupa e receber recomendações e visualizações de estilo baseadas em IA.

Este codelab usa Google Cloud tecnologias como a IA do AlloyDB, o Gemini 2.0 e o Imagen 3 para criar uma aplicação Web implementada no tempo de execução sem servidor do Cloud Run.
Crie uma aplicação que invoque uma consulta de base de dados a partir do seu agente ou de uma aplicação de IA generativa O codelab seguinte mostra como criar uma aplicação que usa a caixa de ferramentas de IA gen para bases de dados para executar uma consulta AlloyDB simples que pode invocar a partir do seu agente ou de uma aplicação de IA generativa.
Crie e implemente um assistente de moda personalizado Os seguintes codelabs mostram como criar e implementar um assistente de estilo personalizado com o Gemini, a gestão de pontos finais de modelos, a pesquisa vetorial, a Vertex AI e os agentes.
Crie uma aplicação de chat baseada em LLM e RAG com a IA do AlloyDB e o LangChain Este codelab explica como implementar o serviço de obtenção de bases de dados de IA gen. e, em seguida, mostra como criar uma aplicação interativa de exemplo usando o ambiente que acabou de configurar.
Crie um chatbot para responder a perguntas sobre filmes Este tutorial mostra como criar um chatbot de IA generativa que usa o Gemini, o Vertex AI e a integração do AlloyDB LangChain. Aprende a extrair dados estruturados da sua base de dados, gerar incorporações e formatar os dados para poder realizar uma pesquisa vetorial numa aplicação de geração aumentada de recuperação (RAG).

Use uma base de dados de filmes para fundamentar o seu MDG com informações sobre os filmes mais populares. A fundamentação ajuda a garantir que o resultado do MDG é preciso e relevante.
Crie uma app de pesquisa de lojas de brinquedos Este codelab mostra como criar uma experiência de pesquisa de lojas de brinquedos personalizada e perfeita através da pesquisa contextual e da geração personalizada do produto que corresponde ao contexto de pesquisa.

Usa o pgvector e as extensões de modelos de IA generativa no AlloyDB, uma pesquisa de semelhança de cossenos em tempo real, o Gemini 2.0 Flash e o conjunto de ferramentas de IA gen para bases de dados.
Implemente o AlloyDB Omni e um modelo de IA local no Kubernetes Neste codelab, vai aprender a implementar o AlloyDB Omni no GKE e a usá-lo com um modelo de incorporação aberto implementado no mesmo cluster do Kubernetes.
Implemente uma aplicação RAG com o LangChain no Vertex AI Este tutorial mostra como criar e implementar um agente usando o SDK Vertex AI para Python e a integração do AlloyDB LangChain.

Saiba como usar agentes e vetores com o LangChain para realizar uma pesquisa de semelhanças e obter dados relacionados para fundamentar as respostas do GML.
Integre a pesquisa híbrida e o motor de consultas de IA na sua aplicação de pesquisa Esta demonstração ilustra as capacidades de IA do Google Cloud AlloyDB, integrando a pesquisa híbrida, incluindo SQL, vetorial e pesquisa de texto integral com o motor de consultas de IA, tudo aplicado a um conjunto de dados de comércio eletrónico de exemplo da Cymbal Shops.
Migre dados de uma base de dados vetorial para o AlloyDB O tutorial seguinte descreve como migrar dados de uma base de dados vetorial de terceiros para o AlloyDB através das lojas de vetores do LangChain.

São suportadas as seguintes bases de dados vetoriais: Pinecone, Weaviate, Chroma, Qdrant e Milvus.
Faça uma pesquisa de produtos híbrida multimodal Este bloco de notas mostra como fazer uma pesquisa híbrida no AlloyDB para Cymbal Shops, um retalhista fictício com uma grande presença de comércio eletrónico. O bloco de notas combina incorporações vetoriais multimodais, pesquisa de texto completo (índice invertido generalizado) e incorporações esparsas BM25 (pgvector 0.7.0+) com a reclassificação da Reciprocal Rank Fusion para uma pesquisa de produtos melhorada.
Use uma pesquisa de semelhanças com um índice vetorial para encontrar produtos relevantes Este codelab mostra-lhe como usar as funcionalidades de IA do AlloyDB, como a gestão de pontos finais de modelos e a pesquisa vetorial, para ajudar a encontrar produtos relevantes.

Saiba como gerar incorporações através da gestão de pontos finais de modelos nos dados da sua base de dados e usar os dados operacionais para realizar pesquisas de similaridade vetorial. Este tutorial usa um modelo de incorporação do Vertex AI no AlloyDB e modelos de IA generativa do Vertex AI.
Use a caixa de ferramentas do MCP para bases de dados com o AlloyDB AI para criar pesquisas de produtos conversacionais Saiba como usar a caixa de ferramentas do MCP para bases de dados, AlloyDB AI, AlloyDB AI e pesquisa vetorial para criar um agente de IA do Shopping concebido para transformar a sua experiência de retalho. Este tutorial demonstra as capacidades do agente, desde as pesquisas de produtos conversacionais à colocação de encomendas.

O que se segue?