Criar aplicativos de IA generativa usando a IA do AlloyDB

O AlloyDB AI é um conjunto de recursos incluídos no AlloyDB para PostgreSQL e no AlloyDB Omni que permitem aplicar o poder semântico e preditivo dos modelos de machine learning (ML) aos seus dados. Esta página oferece uma visão geral das funções de IA com tecnologia de ML disponíveis no AlloyDB.

Armazenar, indexar e consultar vetores

A extensão padrão pgvector PostgreSQL é personalizada para o AlloyDB e é chamada de vector. Ele oferece suporte para o armazenamento de embeddings gerados em uma coluna de vetor. A extensão também adiciona suporte ao recurso de quantização escalar para criar índices IVF. Também é possível criar um índice IVFFlat ou HSNW que esteja disponível com o pgvector de ações.

Para mais informações sobre o armazenamento de vetores, consulte Armazenar vetores.

Além da extensão vector personalizada, o AlloyDB inclui a extensão alloydb_scann, que implementa um índice de vizinho mais próximo altamente eficiente, com o algoritmo ScaNN.

Para mais informações sobre como criar índices e consultar vetores, consulte Criar índices e vetores de consulta.

Ajustar a performance da consulta de vetor

É possível ajustar os índices para equilibrar as consultas por segundo (QPS) e a recuperação com as consultas. Para mais informações sobre como ajustar seus índices, consulte Ajustar o desempenho da consulta de vetor.

Gerar embeddings e previsões de texto

O AlloyDB AI estende a sintaxe do PostgreSQL com duas funções para consultar modelos usando a extensão google_ml_integration:

  • Invocar previsões para chamar um modelo usando SQL em uma transação.

  • Gerar embeddings para que um LLM traduza comandos de texto em vetores numéricos.

    É possível usar a função embedding() para consultar modelos da Vertex AI, enquanto a função google_ml.embedding() pode ser usada para consultar modelos registrados da Vertex AI, hospedados e de terceiros.

    Em seguida, é possível aplicar esses embeddings de vetores como entrada para funções pgvector. Isso inclui métodos para comparar e classificar amostras de texto de acordo com a distância semântica relativa.

Usar modelos na nuvem com a Vertex AI

É possível configurar o AlloyDB para funcionar com a Vertex AI.

Isso oferece aos seus aplicativos os seguintes benefícios:

A seguir