Casos de uso da IA do AlloyDB

Esta página descreve alguns casos de uso de IA para o AlloyDB para PostgreSQL, com links para codelabs e tutoriais que podem ser usados para explorar abordagens ou ajudar você a desenvolver seu aplicativo.

Criar um chatbot para responder a perguntas sobre filmes

Este tutorial mostra como criar um chatbot de IA generativa que usa o Gemini, a Vertex AI e a integração do AlloyDB LangChain. Você vai aprender a extrair dados estruturados do seu banco de dados, gerar embeddings e formatar seus dados para que você possa realizar a pesquisa de vetores em um aplicativo de geração aumentada de recuperação (RAG, na sigla em inglês).

Use um banco de dados de filmes para fundamentar seu LLM com informações sobre os filmes mais populares. A fundamentação ajuda a garantir que a saída do LLM seja precisa e relevante.

Implantar um aplicativo RAG com o LangChain na Vertex AI

Neste tutorial, mostramos como criar e implantar um agente usando o SDK da Vertex AI para Python e a integração do AlloyDB LangChain.

Aprenda a usar agentes e vetores com o LangChain para realizar uma pesquisa de similaridade e extrair dados relacionados para fundamentar respostas de LLM.

Este codelab mostra como usar os recursos de IA do AlloyDB, como gerenciamento de endpoint de modelo e pesquisa de vetor, para ajudar a encontrar produtos relevantes.

Aprenda a gerar embeddings usando o gerenciamento de endpoint do modelo nos dados do banco de dados e use seus dados operacionais para realizar pesquisas de similaridade de vetores. Este tutorial usa um modelo de embedding da Vertex AI no AlloyDB e nos modelos de IA generativa da Vertex AI.

Este codelab mostra como melhorar a pesquisa de patentes usando a pesquisa de vetores com o AlloyDB, a extensão pgvector, os embeddings e o Gemini 1.5 Pro.

Criar e implantar um assistente de estilo de moda personalizado

Os codelabs a seguir mostram como criar e implantar um assistente de estilo personalizado com o Gemini, o gerenciamento de endpoints de modelo, a pesquisa vetorial, a Vertex AI e os agentes.

Migrar dados de um banco de dados de vetores para o AlloyDB

O tutorial a seguir descreve como migrar dados de um banco de dados de vetores de terceiros para o AlloyDB usando as lojas de vetores do LangChain.

Os seguintes bancos de dados de vetores são compatíveis: Pinecone, Weaviate, Chroma, Qdrant e Milvus.

Criar um app de pesquisa de loja de brinquedos

O codelab a seguir mostra como criar uma experiência de pesquisa personalizada e seamless na loja de brinquedos usando a pesquisa contextual e a geração personalizada do produto que corresponde ao contexto da pesquisa.

Você usa extensões de modelo de IA generativa e pgvector no AlloyDB, uma pesquisa de similaridade de cosseno em tempo real, o Gemini 2.0 Flash e a Gen AI Toolbox para bancos de dados.

Criar um aplicativo que invoca uma consulta de banco de dados do seu agente ou um aplicativo de IA generativa

O codelab a seguir mostra como criar um aplicativo que usa a Gen AI Toolbox para bancos de dados para realizar uma consulta simples do AlloyDB que pode ser invocada pelo agente ou por um aplicativo de IA generativa.

A seguir