Questa pagina descrive alcuni casi d'uso dell'IA per AlloyDB per PostgreSQL, con link a codelab e tutorial che puoi utilizzare per esplorare approcci o per aiutarti a sviluppare la tua applicazione.
Creare un chatbot per rispondere a domande sui film
Questo tutorial mostra come creare un chatbot di IA generativa che utilizza Gemini, Vertex AI e l'integrazione di AlloyDB LangChain. Scopri come estrarre dati strutturati dal tuo database, generare incorporamenti e formattare i dati in modo da poter eseguire ricerche vettoriali in un'applicazione Retrieval-Augmented Generation (RAG).
Utilizza un database di film per basare il tuo LLM su informazioni sui film più popolari. Il grounding contribuisce a garantire che l'output dell'LLM sia accurato e pertinente.
- Tutorial: Integrazione di LangChain in AlloyDB
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 AlloyDB LangChain.
Scopri come utilizzare agenti e vettori con LangChain per eseguire una ricerca di somiglianza e recuperare i dati correlati per basare le risposte dell'LLM.
Utilizza una ricerca di similarità utilizzando un indice vettoriale per trovare prodotti pertinenti
Questo codelab mostra come utilizzare le funzionalità di AlloyDB AI, come la gestione degli endpoint dei modelli e la ricerca vettoriale, per aiutarti a trovare prodotti pertinenti.
Scopri come generare embedding utilizzando la gestione degli endpoint del modello sui dati del database e utilizza i dati operativi per eseguire ricerche di somiglianza di vettori. Questo tutorial utilizza un modello di embedding di Vertex AI in AlloyDB e nei modelli di IA generativa di Vertex AI.
Accelera le ricerche di brevetti e la precisione di ricerca
Questo codelab mostra come migliorare la ricerca di brevetti utilizzando la ricerca vettoriale insieme ad AlloyDB, all'estensione pgvector, agli incorporamenti e a Gemini 1.5 Pro.
Creare ed eseguire il deployment di un assistente alla moda personalizzato
I seguenti codelab mostrano come creare ed eseguire il deployment di un assistente di stile personalizzato con Gemini, gestione degli endpoint dei modelli, ricerca vettoriale, Vertex AI e agenti.
- Codelab: Parte 1: crea un assistente per lo shopping intelligente con AlloyDB e Vertex AI Agent Builder
- Codelab: Parte 2: esegui il deployment di un assistente per lo shopping intelligente con AlloyDB e Vertex AI Agent Builder
Esegui 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 sfruttando gli archivi vettoriali LangChain.
Sono supportati i seguenti database vettoriali: Pinecone, Weaviate, Chroma, Qdrant e Milvus.
Creare 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.
Utilizza le estensioni pgvector e del modello di IA generativa in AlloyDB, una ricerca di somiglianza di Cosine in tempo reale, Gemini 2.0 Flash e la Gen AI Toolbox per i database.
Crea un'applicazione che richiami una query del database dal tuo agente o da un'applicazione di IA 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.
- Codelab: Installazione e configurazione di Toolbox per le applicazioni di IA generativa e agenti su AlloyDB
Passaggi successivi
- Creare indici e vettori di query.
- Registra e chiama i modelli di IA remota utilizzando la gestione degli endpoint dei modelli.
- Scopri di più sul rendimento delle query vettoriali di ScaNN.