Diese Seite wurde von der Cloud Translation API übersetzt.

Anwendungsfälle für AlloyDB AI

Auf dieser Seite werden einige KI-Anwendungsfälle für AlloyDB for PostgreSQL beschrieben. Außerdem finden Sie Links zu Codelabs und Anleitungen, mit denen Sie sich mit verschiedenen Ansätzen vertraut machen oder Ihre Anwendung entwickeln können.

Einen Chatbot erstellen, der Fragen zu Filmen beantwortet

In diesem Tutorial erfahren Sie, wie Sie einen generativen KI-Chatbot erstellen, der Gemini, Vertex AI und die AlloyDB LangChain-Integration verwendet. Sie erfahren, wie Sie strukturierte Daten aus Ihrer Datenbank extrahieren, Einbettungen generieren und Ihre Daten so formatieren, dass Sie eine Vektorsuche in einer Retrieval-Augmented-Generation (RAG)-Anwendung durchführen können.

Verwenden Sie eine Filmdatenbank, um Ihr LLM mit Informationen zu den beliebtesten Filmen zu füllen. Grundlagen tragen dazu bei, dass die LLM-Ausgabe korrekt und relevant ist.

Anleitung: AlloyDB LangChain-Integration

RAG-Anwendung mit LangChain in Vertex AI bereitstellen

In dieser Anleitung erfahren Sie, wie Sie mit dem Vertex AI SDK für Python und der AlloyDB LangChain-Integration einen Agenten erstellen und bereitstellen.

Hier erfahren Sie, wie Sie mithilfe von Agenten und Vektoren mit LangChain eine Ähnlichkeitssuche durchführen und zugehörige Daten abrufen, um LLM-Antworten zu fundieren.

Anleitung: RAG-Anwendung mit AlloyDB in LangChain auf Vertex AI bereitstellen

Mit einer Ähnlichkeitssuche mit einem Vektorindex relevante Produkte finden

In diesem Codelab erfahren Sie, wie Sie AlloyDB-KI-Funktionen wie die Verwaltung von Modellendpunkten und die Vektorsuche verwenden, um relevante Produkte zu finden.

Hier erfahren Sie, wie Sie mithilfe der Modellendpunktverwaltung Einbettungen in Ihren Datenbankdaten generieren und mit Ihren Betriebsdaten Vektorähnlichkeitssuchen durchführen. In diesem Tutorial wird ein Vertex AI-Embedding-Modell in AlloyDB und Vertex AI-Generative AI-Modelle verwendet.

Codelab: Erste Schritte mit Vektoreinbettungen mit AlloyDB AI

Beschleunigte Patentrecherche und präzisere Suchergebnisse

In diesem Codelab erfahren Sie, wie Sie die Patentrecherche mithilfe der Vektorsuche in Kombination mit AlloyDB, der pgvector-Erweiterung, Einbettungen und Gemini 1.5 Pro verbessern.

Codelab: App für die Patentrecherche mit AlloyDB, Vector Search und Vertex AI erstellen

Einen personalisierten Mode-Styling-Assistenten erstellen und bereitstellen

In den folgenden Codelabs erfahren Sie, wie Sie mit Gemini, der Modellendpunktverwaltung, der Vektorsuche, Vertex AI und Agenten einen personalisierten Stilassistenten erstellen und bereitstellen.

Daten aus einer Vektordatenbank zu AlloyDB migrieren

In dieser Anleitung wird beschrieben, wie Sie Daten aus einer Drittanbieter-Vektordatenbank mithilfe von LangChain-Vektorspeichern zu AlloyDB migrieren.

Die folgenden Vektordatenbanken werden unterstützt: Pinecone, Weaviate, Chroma, Qdrant und Milvus.

Anleitung: Daten aus einer Vektordatenbank zu AlloyDB migrieren