本頁面說明 AlloyDB for PostgreSQL 在 AI 領域的用途，並提供程式碼研究室、筆記本和教學課程的連結，協助您探索各種方法或開發應用程式。
| 用途 | 說明 |
|---|---|
| 加快專利搜尋速度並提高搜尋精確度 | 這些程式碼研究室會說明如何搭配使用向量搜尋、AlloyDB、 pgvector 擴充功能、嵌入項目、Gemini 1.5 Pro 和 Java Agent Development Kit，提升專利研究效率。 |
| 在 AlloyDB 中生成多模態嵌入項目 | 本程式碼研究室將示範如何使用 AlloyDB AI 的功能，透過多模態嵌入進行語意搜尋。 瞭解如何執行不同類型的搜尋，包括以文字為基礎的語意搜尋、以圖片搜尋圖片、以文字搜尋圖片，以及結合不同搜尋類型的混合式方法。
|
| 使用 AlloyDB AI 自然語言生成 SQL | 本程式碼研究室提供逐步指南，說明如何使用 AlloyDB AI 的自然語言功能生成 SQL 查詢。 本程式碼研究室使用虛構的電子商務資料集，示範如何以自然語言 (英文) 提問，並讓 AlloyDB AI 將問題翻譯成 SQL。
|
| 套用語意篩選器並重新排序向量搜尋結果，提升搜尋品質 | 本程式碼研究室將說明如何使用 AlloyDB AI 功能，例如 AI 查詢運算子、模型端點管理和 向量搜尋，協助您提升搜尋品質及使用語意篩選器。 瞭解如何使用 AI 查詢運算子進行語意篩選，在 SQL 中解鎖全新體驗。使用 LLM 和 語意排名模型，為向量搜尋結果排名，提升向量搜尋的準確度。本教學課程會使用 AlloyDB 中的 Vertex AI 語意排序模型，以及 Vertex AI 生成式 AI 模型。
|
| 使用 AlloyDB 和無伺服器執行階段，建構 AI 服裝推薦應用程式 | 這堂程式碼研究室將說明如何使用 AlloyDB AI 和無伺服器執行階段，建構 AI 輔助的服裝推薦應用程式。說明使用者如何上傳服裝圖片，並取得 AI 提供的風格建議和視覺化效果。 本程式碼研究室使用 AlloyDB AI、Gemini 2.0 和 Imagen 3 等技術，建立部署在 Cloud Run 無伺服器執行階段的網頁應用程式。 Google Cloud |
| 建構應用程式，從代理程式或生成式 AI 應用程式叫用資料庫查詢 | 以下程式碼研究室說明如何建構應用程式，使用資料庫專用的生成式 AI 工具箱執行簡單的 AlloyDB 查詢，並從代理程式或生成式 AI 應用程式叫用該查詢。 |
| 建構及部署個人化時尚造型助理 | 以下程式碼實驗室說明如何使用 Gemini、模型端點管理、向量搜尋、Vertex AI 和代理程式，建構及部署個人化風格助理。 |
| 使用 AlloyDB AI 和 LangChain 建構採用 LLM 和 RAG 的對話應用程式 | 本程式碼研究室會引導您部署生成式 AI 資料庫檢索服務，然後說明如何使用新設定的環境建構範例互動式應用程式。 |
| 建立聊天機器人，回答有關電影的問題 | 本教學課程說明如何建構生成式 AI 聊天機器人，並使用 Gemini、Vertex AI 和 AlloyDB LangChain 整合功能。您將瞭解如何從資料庫中擷取結構化資料、生成嵌入，以及格式化資料，以便在檢索增強生成 (RAG) 應用程式中執行向量搜尋。 使用電影資料庫，為 LLM 提供最熱門電影的資訊。基礎資訊有助於確保 LLM 輸出內容準確且相關。
|
| 建立玩具店搜尋應用程式 | 這個程式碼研究室會說明如何使用情境搜尋和自訂生成功能，建立符合搜尋情境的產品，打造個人化且流暢的玩具店搜尋體驗。 您在 AlloyDB 中使用 pgvector 和生成式 AI 模型擴充功能、即時餘弦相似度搜尋、Gemini 2.0 Flash，以及資料庫專用生成式 AI 工具箱。 |
| 在 Kubernetes 上部署 AlloyDB Omni 和本機 AI 模型 | 在本程式碼研究室中，您將瞭解如何在 GKE 上部署 AlloyDB Omni，並搭配部署在相同 Kubernetes 叢集中的開放式嵌入模型使用。 |
| 在 Vertex AI 上使用 LangChain 部署 RAG 應用程式 | 本教學課程說明如何使用 Vertex AI SDK for Python 和 AlloyDB LangChain 整合功能，建構及部署服務專員。 瞭解如何搭配使用 LangChain 的代理程式和向量，執行相似度搜尋並擷取相關資料，做為 LLM 回覆的依據。 |
| 將混合型搜尋和 AI 查詢引擎整合至搜尋應用程式 | 本示範說明 Google Cloud AlloyDB 的 AI 功能，整合混合式搜尋 (包括 SQL、向量和全文搜尋) 與 AI 查詢引擎，並將所有功能套用至 Cymbal Shops 的電子商務範例資料集。 |
| 將向量資料庫的資料遷移至 AlloyDB | 本教學課程說明如何運用 LangChain 向量儲存區，將資料從第三方向量資料庫遷移至 AlloyDB。 系統支援下列向量資料庫：Pinecone、Weaviate、Chroma、Qdrant 和 Milvus。
|
| 執行多模態混合產品搜尋 | 這個筆記本會說明如何對 AlloyDB for Cymbal Shops 執行混合型搜尋。Cymbal Shops 是虛構的零售商，在電子商務領域有大量業務。這個筆記本結合了多模態向量嵌入、全文搜尋 (廣義反向索引) 和 BM25 稀疏嵌入 (pgvector 0.7.0 以上版本)，並使用互惠排名融合重新排序，提升產品搜尋效果。 |
| 使用向量索引執行相似度搜尋，找出相關產品 | 本程式碼研究室將說明如何使用 AlloyDB AI 功能 (例如模型端點管理 和向量搜尋)，協助您找出相關產品。 瞭解如何使用資料庫資料的模型端點管理功能生成嵌入，並使用作業資料執行向量相似度搜尋。本教學課程會使用 AlloyDB 中的 Vertex AI 嵌入模型和 Vertex AI 生成式 AI 模型。
|
| 搭配使用 MCP Toolbox for Databases 和 AlloyDB AI，建立對話式產品搜尋功能 | 瞭解如何使用 MCP Toolbox for Databases、AlloyDB AI、AlloyDB AI 和向量搜尋功能，建立購物 AI 代理程式，徹底改變零售體驗。本教學課程會示範代理程式的各項功能，包括對話式產品搜尋和下單。 |