Membangun aplikasi AI generatif menggunakan AlloyDB AI
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
AlloyDB AI adalah serangkaian fitur yang disertakan dengan AlloyDB untuk PostgreSQL dan AlloyDB Omni yang memungkinkan Anda
menerapkan kemampuan semantik dan prediktif model machine learning (ML) ke
data Anda. Halaman ini memberikan ringkasan tentang fungsi AI yang didukung ML yang tersedia
melalui AlloyDB.
Menyimpan, mengindeks, dan membuat kueri vektor
Ekstensi pgvector PostgreSQL standar disesuaikan untuk AlloyDB, dan disebut sebagai vector.
Fungsi ini mendukung penyimpanan penyematan yang dihasilkan di kolom vektor. Ekstensi ini juga
menambahkan dukungan untuk fitur kuantisasi skalar guna membuat indeks IVF. Anda juga dapat membuat indeks IVFFlat atau indeks HSNW yang tersedia dengan pgvector stok.
Untuk informasi selengkapnya tentang cara menyimpan vektor, lihat Menyimpan vektor.
Selain ekstensi vector yang disesuaikan, AlloyDB
menyertakan ekstensi alloydb_scann yang mengimplementasikan indeks tetangga terdekat
yang sangat efisien dan didukung oleh algoritma
ScaNN.
Anda dapat menyesuaikan indeks untuk menyeimbangkan antara kueri per detik (QPS) dan recall
dengan kueri Anda. Untuk mengetahui informasi selengkapnya tentang cara menyesuaikan indeks, lihat Menyesuaikan
performa kueri vektor.
Membuat embedding dan prediksi teks
AlloyDB AI memperluas sintaksis PostgreSQL dengan dua fungsi untuk
mengkueri model menggunakan ekstensi google_ml_integration:
Buat penyematan agar LLM menerjemahkan perintah
teks menjadi vektor numerik.
Anda dapat menggunakan fungsi embedding() untuk membuat kueri model Vertex AI, sedangkan fungsi google_ml.embedding() dapat digunakan untuk membuat kueri model Vertex AI terdaftar, yang dihosting, dan pihak ketiga.
Kemudian, Anda dapat menerapkan penyematan vektor ini sebagai input ke fungsi pgvector. Hal ini mencakup metode untuk membandingkan dan mengurutkan
contoh teks sesuai dengan jarak semantik relatifnya.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-03-06 UTC."],[[["AlloyDB AI enhances AlloyDB for PostgreSQL and AlloyDB Omni with machine learning capabilities, allowing users to leverage ML models for data analysis and predictions."],["AlloyDB offers two extensions for vector operations: a customized `vector` extension, which is an enhanced version of `pgvector`, and `alloydb_scann`, a highly efficient nearest-neighbor index powered by the ScaNN algorithm."],["The `google_ml_integration` extension provides SQL functions to interact with models, enabling users to generate embeddings from text and invoke model predictions within database transactions."],["AlloyDB can be configured to work with Vertex AI, providing access to models in the Vertex AI Model Garden and the ability to use `textembedding-gecko` English models for embedding generation."],["The `alloydb_scann` extension, which was previously known as `postgres_ann` requires users to drop indexes made with `postgres_ann`, upgrade to AlloyDB Omni version 15.5.5, and recreate them with `alloydb_scann` before use."]]],[]]
