Schnellstartlösung: Wissensdatenbank zu generativer KI

Last reviewed 2024-03-01 UTC

In diesem Leitfaden wird die Lösung Wissensdatenbank zu generativer KI erläutert und bereitgestellt. Diese Lösung zeigt, wie Sie eine EQA-Pipeline (Extractive Question Answering) erstellen, um Inhalte für eine interne Wissensdatenbank zu erstellen.

Dieses Dokument richtet sich an Entwickler, die bereits Erfahrung mit LLMs haben. Es wird davon ausgegangen, dass Sie mit grundlegenden Cloud-Konzepten vertraut sind, aber nicht unbedingt mit Google Cloud. Erfahrung mit Terraform ist hilfreich.

.

Lernziele

Dieser Lösungsleitfaden unterstützt Sie bei Folgendem:

  • Stellen Sie eine Anwendung bereit, die Frage-und-Antwort-Paare aus Ihren Dokumenten extrahiert, sowie eine Pipeline, die Ihre Anwendung beim Hochladen eines Dokuments auslöst.
  • Ein Prompt-basiertes KI-Modell mithilfe der Ausgabe Ihrer Anwendung trainieren.

Architektur

Diese Lösung stellt eine Wissensdatenbank-Anwendung mit generativer KI bereit. Das folgende Diagramm zeigt die Architektur der Anwendungsinfrastruktur:

Architekturdiagramm einer Anwendung, die Vertex AI Generative AI verwendet, um Frage-und-Antwort-Paare aus Dokumenten zu extrahieren

Anfrageablauf

Die folgenden Schritte beschreiben den Ablauf der Anfrageverarbeitung der Anwendung. Die Schritte im Ablauf sind wie im vorherigen Architekturdiagramm dargestellt nummeriert.

Sie starten die Wissensdatenbank-Anwendung zu generativer KI, indem Sie ein Dokument direkt über die Google Cloud Console oder die gcloud CLI in einen Cloud Storage-Bucket hochladen.

  1. Wenn das Dokument hochgeladen wird, wird eine Cloud Functions-Funktion ausgelöst. Diese Funktion führt den extraktiven Question Answering-Prozess aus.

  2. Die Funktion verwendet Document AI OCR, um den gesamten Text aus dem Dokument zu extrahieren.

  3. Die Funktion indexiert das Dokument in der Vektorsuche. Der Vektorsuchindex bietet Kontext für das LLM, um Frage-und-Antwort-Paare basierend auf Inhalten zu extrahieren, die direkt aus den hochgeladenen Dokumenten extrahiert wurden.

  4. Die Funktion verwendet Vertex AI, um Fragen und Antworten aus dem Dokument zu extrahieren und zu generieren.

  5. Die Funktion speichert die extrahierten Frage-und-Antwort-Paare in Firestore.

  6. Aus der Firestore-Datenbank wird ein JSONL-Dataset zur Feinabstimmung generiert und in Cloud Storage gespeichert.

  7. Nachdem Sie manuell überprüft haben, ob Sie mit dem Dataset zufrieden sind, können Sie einen Feinabstimmungsjob in Vertex AI starten.

    Wenn der Abstimmungsjob abgeschlossen ist, wird das abgestimmte Modell auf einem Endpunkt bereitgestellt. Nachdem es auf einem Endpunkt bereitgestellt wurde, können Sie Abfragen an das abgestimmte Modell in einem Colab-Notebook senden und es mit dem Foundation-modell vergleichen.

Verwendete Produkte

In diesem Abschnitt werden die Produkte beschrieben, die von der Lösung verwendet werden.

Wenn Sie mit der Terraform-Konfigurationssprache vertraut sind, können Sie einige Einstellungen für die Dienste ändern.

Komponente Produktbeschreibung Zweck in dieser Lösung
Cloud Storage Ein unternehmensfähiger Dienst, der einen kostengünstigen, unbegrenzten Objektspeicher für verschiedene Datentypen bietet. Speichert die PDF-Dokumente, extrahierten Text, das Feinabstimmungs-Dataset und das abgestimmte Modell.
Eventarc Ein Dienst, der den Ablauf von Statusänderungen (Ereignissen) zwischen entkoppelten Mikrodiensten verwaltet und Ereignisse an verschiedene Ziele weiterleitet, während die Bereitstellung, Sicherheit, Autorisierung, Beobachtbarkeit und Fehlerbehandlung verwaltet wird. Achtet auf neue Dokumente im Cloud Storage-Bucket und löst ein Ereignis in Cloud Functions aus.
Cloud Functions Ein einfacher, serverloser Computing-Dienst, mit dem Sie zweckgebundene, eigenständige Funktionen erstellen können, die auf Google Cloud-Ereignisse reagieren, ohne dass Sie eine Server- oder Laufzeitumgebung verwalten müssen. Orchestriert die Dokumentverarbeitungsschritte.
Document AI Eine Plattform zum Verständnis von Dokumenten, die unstrukturierte Daten aus Dokumenten in strukturierte Daten transformiert. Sie können mühsame Aufgaben automatisieren, die Datenextraktion verbessern und umfassendere Erkenntnisse aus Daten gewinnen. Extrahiert den Text aus den Dokumenten.
Vertex AI Eine ML-Plattform, mit der Sie LLMs und Anwendungen für generative KI trainieren, testen, optimieren und bereitstellen können. Generiert Fragen und Antworten aus den Dokumenten.
Vektorsuche Ein Dienst, mit dem Sie dieselbe Infrastruktur verwenden können, die eine Grundlage für Google-Produkte wie die Google Suche, YouTube und Play bietet. Damit können Sie nach Einbettungen suchen, um semantisch ähnliche oder verwandte Entitäten zu finden.
Firestore Ein vollständig verwaltetes Dateisystem mit niedriger Latenz für VMs und Cluster, das Hochverfügbarkeit und hohen Durchsatz bietet. Speichert die generierten Fragen und Antworten.

Kosten

Eine Schätzung der Kosten der Google Cloud-Ressourcen, die von der Wissensdatenbank-Lösung für generative KI verwendet werden, finden Sie im vorab berechneten Schätzwert im Google Cloud-Preisrechner.

Verwenden Sie die vorab berechnete Schätzung als Ausgangspunkt, um die Kosten Ihrer Bereitstellung zu berechnen. Sie können die Schätzung ändern, um alle Konfigurationsänderungen widerzuspiegeln, die Sie für die in der Lösung verwendeten Ressourcen vornehmen möchten.

Die vorab berechnete Schätzung basiert auf Annahmen für bestimmte Faktoren, darunter:

  • Die Google Cloud-Standorte, an denen die Ressourcen bereitgestellt werden.
  • Die Zeitdauer der Verwendung der Ressourcen.

  • Die in Cloud Storage gespeicherte Datenmenge.

  • Die Häufigkeit, mit der die Wissensdatenbankanwendung aufgerufen wird.

  • Die Rechenressourcen, die zur Feinabstimmung des Modells verwendet werden.

Hinweise

Zum Bereitstellen dieser Lösung benötigen Sie zuerst ein Google Cloud-Projekt und einige IAM-Berechtigungen.

Google Cloud-Projekt erstellen oder auswählen

Beim Bereitstellen der Lösung wählen Sie das Google Cloud-Projekt aus, in dem die Ressourcen bereitgestellt werden. Bei der Entscheidung, ob Sie ein vorhandenes Projekt verwenden oder ein neues Projekt erstellen möchten, berücksichtigen Sie die folgenden Faktoren:

  • Wenn Sie ein Projekt für die Lösung erstellen und die Bereitstellung nicht mehr benötigen, können Sie das Projekt löschen, um weitere Kosten zu vermeiden. Wenn Sie ein vorhandenes Projekt verwenden, müssen Sie die Bereitstellung löschen, wenn Sie sie nicht mehr benötigen.
  • Durch die Verwendung eines neuen Projekts können Konflikte mit zuvor bereitgestellten Ressourcen vermieden werden, beispielsweise Ressourcen, die für Produktionsarbeitslasten verwendet werden.

Wenn Sie die Lösung in einem neuen Projekt bereitstellen möchten, erstellen Sie das Projekt, bevor Sie mit der Bereitstellung beginnen.

So erstellen Sie ein Projekt:

  1. In the Google Cloud console, go to the project selector page.

    Go to project selector

  2. Click Create project.

  3. Name your project. Make a note of your generated project ID.

  4. Edit the other fields as needed.

  5. Click Create.

Erforderliche IAM-Berechtigungen abrufen

Zum Starten des Bereitstellungsprozesses benötigen Sie die in der folgenden Tabelle aufgeführten IAM-Berechtigungen (Identity and Access Management). Wenn Sie die einfache Rolle roles/owner für das Projekt haben, in dem Sie die Lösung bereitstellen möchten, haben Sie bereits alle erforderlichen Berechtigungen. Wenn Sie die Rolle roles/owner nicht haben, bitten Sie Ihren Administrator, Ihnen die Berechtigungen (oder die Rollen mit diesen Berechtigungen) zu gewähren.

Erforderliche IAM-Berechtigung Vordefinierte Rolle mit den erforderlichen Berechtigungen

serviceusage.services.enable

Service Usage-Administrator
(roles/serviceusage.serviceUsageAdmin)

iam.serviceAccounts.create

Dienstkontoadministrator
(roles/iam.serviceAccountAdmin)

resourcemanager.projects.setIamPolicy

Projekt-IAM-Administrator
(roles/resourcemanager.projectIamAdmin)
config.deployments.create
config.deployments.list
Cloud Infrastructure Manager Admin
(roles/config.admin)

Dienstkonto, das für die Lösung erstellt wurde

Wenn Sie den Bereitstellungsprozess über die Console starten, erstellt Google ein Dienstkonto, um die Lösung für Sie bereitzustellen und die Bereitstellung später zu löschen, wenn Sie dies möchten. Diesem Dienstkonto werden bestimmte IAM-Berechtigungen vorübergehend zugewiesen. Das heißt, die Berechtigungen werden automatisch widerrufen, nachdem die Bereitstellungs- und Löschvorgänge für die Lösung abgeschlossen sind. Google empfiehlt, dass Sie nach dem Löschen der Bereitstellung das Dienstkonto löschen, wie weiter unten in dieser Anleitung beschrieben.

Rollen aufrufen, die dem Dienstkonto zugewiesen sind

Diese Rollen sind hier aufgeführt, falls ein Administrator Ihres Google Cloud-Projekts oder Ihrer Organisation diese Informationen benötigt.

  • roles/aiplatform.user
  • roles/artifactregistry.admin
  • roles/documentai.editor
  • roles/firebase.admin
  • roles/iam.serviceAccountUser
  • roles/serviceusage.serviceUsageAdmin
  • roles/iam.serviceAccountAdmin
  • roles/resourcemanager.projectIamAdmin

Lösung bereitstellen

Damit Sie diese Lösung mit minimalem Aufwand bereitstellen können, wird in GitHub eine Terraform-Konfiguration bereitgestellt. Die Terraform-Konfiguration definiert alle Google Cloud-Ressourcen, die für die Lösung erforderlich sind.

Sie können die Lösung mit einer der folgenden Methoden bereitstellen:

  • Über die Console: Verwenden Sie diese Methode, wenn Sie die Lösung mit der Standardkonfiguration testen und sehen möchten, wie sie funktioniert. Cloud Build stellt alle für die Lösung erforderlichen Ressourcen bereit. Wenn Sie die bereitgestellte Lösung nicht mehr benötigen, können Sie sie aus der Console löschen. Alle Ressourcen, die Sie nach der Bereitstellung der Lösung erstellen, müssen möglicherweise separat gelöscht werden.

    Folgen Sie der Anleitung unter Über die Console bereitstellen, um diese Bereitstellungsmethode zu verwenden.

  • Terraform-Befehlszeile verwenden: Verwenden Sie diese Methode, wenn Sie die Lösung anpassen oder die Bereitstellung und Verwaltung der Ressourcen mithilfe von Infrastruktur als Code (IaC) automatisieren möchten. Laden Sie die Terraform-Konfiguration von GitHub herunter, passen Sie optional den Code nach Bedarf an und stellen Sie die Lösung mit der Terraform-Befehlszeile bereit. Nachdem Sie die Lösung bereitgestellt haben, können Sie sie mit Terraform verwalten.

    Folgen Sie der Anleitung unter Mit der Terraform CLI bereitstellen, um diese Bereitstellungsmethode zu verwenden.

Über die Console bereitstellen

Führen Sie die folgenden Schritte aus, um die vorkonfigurierte Lösung bereitzustellen.

  1. Wechseln Sie im Google Cloud-Katalog der Schnellstartlösungen zur Wissensdatenbank-Lösung für generative KI.

    Zur Wissensdatenbank-Lösung für generative KI

  2. Prüfen Sie die auf der Seite bereitgestellten Informationen, z. B. die geschätzten Kosten der Lösung und die geschätzte Bereitstellungszeit.

  3. Wenn Sie die Lösung bereitstellen möchten, klicken Sie auf Bereitstellen.

    Es wird eine interaktive Schritt-für-Schritt-Anleitung angezeigt.

  4. Führen Sie die Schritte in der interaktiven Anleitung aus.

    Notieren Sie sich den Namen, den Sie für die Bereitstellung eingegeben haben. Sie benötigen diesen Namen später, wenn Sie die Bereitstellung löschen.

    Wenn Sie auf Bereitstellen klicken, wird die Seite Lösungsbereitstellungen angezeigt. Im Feld Status auf dieser Seite wird Wird bereitgestellt angezeigt.

  5. Warten Sie, bis die Lösung bereitgestellt wurde.

    Wenn die Bereitstellung fehlschlägt, wird im Feld Status der Eintrag Fehlgeschlagen angezeigt. Sie können das Cloud Build-Log verwenden, um die Fehler zu diagnostizieren. Weitere Informationen finden Sie unter Fehler bei der Bereitstellung über die Console.

    Wenn die Bereitstellung abgeschlossen ist, ändert sich das Feld Status in Bereitgestellt.

  6. Nehmen Sie an einer interaktiven Tour in der Console teil, um die bereitgestellten Google Cloud-Ressourcen und ihre Konfiguration aufzurufen.

    Tour starten

Weitere Informationen finden Sie unter Lösung verwenden.

Wenn Sie die Lösung nicht mehr benötigen, können Sie die Bereitstellung löschen, um weitere Kosten für die Google Cloud-Ressourcen zu vermeiden. Weitere Informationen finden Sie unter Bereitstellung löschen.

Mit der Terraform-Befehlszeile bereitstellen

In diesem Abschnitt wird beschrieben, wie Sie die Lösung anpassen oder die Bereitstellung und Verwaltung der Lösung mit der Terraform CLI automatisieren können. Lösungen, die Sie mit der Terraform-Befehlszeile bereitstellen, werden auf der Seite Lösungsbereitstellungen in der Google Cloud Console nicht angezeigt.

Terraform-Client einrichten

Sie können Terraform entweder in Cloud Shell oder auf Ihrem lokalen Host ausführen. In dieser Anleitung wird beschrieben, wie Sie Terraform in Cloud Shell ausführen. Dort ist Terraform vorinstalliert und für die Authentifizierung bei Google Cloud konfiguriert.

Der Terraform-Code für diese Lösung ist in einem GitHub-Repository verfügbar.

  1. Klonen Sie das GitHub-Repository in Cloud Shell.

    In Cloud Shell öffnen

    Es wird eine Eingabeaufforderung angezeigt, um das Herunterladen des GitHub-Repositorys in Cloud Shell zu bestätigen.

  2. Klicken Sie auf Bestätigen.

    Cloud Shell wird in einem separaten Browser-Tab gestartet und der Terraform-Code wird in das Verzeichnis $HOME/cloudshell_open Ihrer Cloud Shell-Umgebung heruntergeladen.

  3. Prüfen Sie in Cloud Shell, ob das aktuelle Arbeitsverzeichnis $HOME/cloudshell_open/terraform-genai-knowledge-base/ ist. Dies ist das Verzeichnis, das die Terraform-Konfigurationsdateien für die Lösung enthält. Wenn Sie in dieses Verzeichnis wechseln müssen, führen Sie den folgenden Befehl aus:

    cd $HOME/cloudshell_open/terraform-genai-knowledge-base/
    
  4. Initialisieren Sie Terraform mit dem folgenden Befehl:

    terraform init
    

    Warten Sie, bis folgende Meldung angezeigt wird:

    Terraform has been successfully initialized!
    

Terraform-Variablen konfigurieren

Der heruntergeladene Terraform-Code enthält Variablen, mit denen Sie die Bereitstellung entsprechend Ihren Anforderungen anpassen können. Sie können beispielsweise das Google Cloud-Projekt und die Region angeben, in der die Lösung bereitgestellt werden soll.

  1. Achten Sie darauf, dass das aktuelle Arbeitsverzeichnis $HOME/cloudshell_open/terraform-genai-knowledge-base/ ist. Ist dies nicht der Fall, wechseln Sie zu diesem Verzeichnis.

  2. Erstellen Sie im selben Verzeichnis eine Textdatei mit dem Namen terraform.tfvars.

  3. Kopieren Sie in der Datei terraform.tfvars das folgende Code-Snippet und legen Sie Werte für die erforderlichen Variablen fest.

    • Folgen Sie den Anleitungen, die im Code-Snippet als Kommentare angegeben sind.
    • Dieses Code-Snippet enthält nur die Variablen, für die Sie Werte festlegen müssen. Die Terraform-Konfiguration enthält andere Variablen mit Standardwerten. Informationen zu allen Variablen und Standardwerten finden Sie in der Datei variables.tf im Verzeichnis $HOME/cloudshell_open/terraform-genai-knowledge-base/.
    • Achten Sie darauf, dass jeder in der Datei terraform.tfvars festgelegte Wert mit dem Typ der Variable übereinstimmt, wie in der Datei variables.tf angegeben. Beispiel: Wenn der Typ, der für eine Variable in der Datei variables.tf definiert wurde, bool ist, müssen Sie true oder false als Wert dieser Variable in der Datei terraform.tfvars angeben.
    # This is an example of the terraform.tfvars file.
    # The values in this file must match the variable types declared in variables.tf.
    # The values in this file override any defaults in variables.tf.
    
    # ID of the project in which you want to deploy the solution
    project_id = "PROJECT_ID"
    

Terraform-Konfiguration validieren und prüfen

  1. Prüfen Sie, ob das aktuelle Arbeitsverzeichnis $HOME/cloudshell_open/terraform-genai-knowledge-base/ ist. Ist dies nicht der Fall, wechseln Sie zu diesem Verzeichnis.

  2. Prüfen Sie, ob die Terraform-Konfiguration Fehler enthält:

    terraform validate
    

    Wenn der Befehl einen Fehler zurückgibt, nehmen Sie die erforderlichen Korrekturen in der Konfiguration vor und führen Sie den Befehl terraform validate noch einmal aus. Wiederholen Sie diesen Schritt, bis der Befehl die folgende Meldung zurückgibt:

    Success! The configuration is valid.
    
  3. Sehen Sie sich die Ressourcen an, die in der Konfiguration definiert sind:

    terraform plan
    
  4. Wenn Sie die Datei terraform.tfvars nicht wie zuvor beschrieben erstellt haben, werden Sie von Terraform zur Eingabe von Werten für die Variablen aufgefordert, die keine Standardwerte haben. Geben Sie die erforderlichen Werte ein.

    Die Ausgabe des Befehls terraform plan ist eine Liste der Ressourcen, die Terraform beim Anwenden der Konfiguration bereitstellt.

    Wenn Sie Änderungen vornehmen möchten, bearbeiten Sie die Konfiguration und führen Sie dann die Befehle terraform validate und terraform plan noch einmal aus.

Ressourcen bereitstellen

Wenn keine weiteren Änderungen an der Terraform-Konfiguration erforderlich sind, stellen Sie die Ressourcen bereit.

  1. Prüfen Sie, ob das aktuelle Arbeitsverzeichnis $HOME/cloudshell_open/terraform-genai-knowledge-base/ ist. Ist dies nicht der Fall, wechseln Sie zu diesem Verzeichnis.

  2. Wenden Sie die Terraform-Konfiguration an:

    terraform apply
    
  3. Wenn Sie die Datei terraform.tfvars nicht wie zuvor beschrieben erstellt haben, werden Sie von Terraform zur Eingabe von Werten für die Variablen aufgefordert, die keine Standardwerte haben. Geben Sie die erforderlichen Werte ein.

    Terraform zeigt eine Liste der Ressourcen an, die erstellt werden.

  4. Wenn Sie aufgefordert werden, die Aktionen auszuführen, geben Sie yes ein.

    In Terraform werden Nachrichten angezeigt, die den Fortschritt der Bereitstellung anzeigen.

    Wenn die Bereitstellung nicht abgeschlossen werden kann, zeigt Terraform die Fehler an, die den Fehler verursacht haben. Prüfen Sie die Fehlermeldungen und aktualisieren Sie die Konfiguration, um die Fehler zu beheben. Führen Sie den Befehl terraform apply dann noch einmal aus. Hilfe zur Fehlerbehebung bei Terraform-Fehlern finden Sie unter Fehler bei der Bereitstellung der Lösung mit der Terraform-Befehlszeile.

    Nachdem alle Ressourcen erstellt wurden, zeigt Terraform die folgende Meldung an:

    Apply complete!
    
  5. Nehmen Sie an einer interaktiven Tour in der Console teil, um die bereitgestellten Google Cloud-Ressourcen und ihre Konfiguration aufzurufen.

    Tour starten

Als Nächstes können Sie die Lösung verwenden und ihre Funktionsweise sehen.

Wenn Sie die Lösung nicht mehr benötigen, können Sie die Bereitstellung löschen, um weitere Kosten für die Google Cloud-Ressourcen zu vermeiden. Weitere Informationen finden Sie unter Bereitstellung löschen.

Lösung verwenden

Sobald die Lösung bereitgestellt wurde, können Sie ein Dokument hochladen, um es zu indexieren und Fragen dazu zu stellen. Darüber hinaus wird eine JSON Lines-Dataset-Abstimmungsdatei (JSONL) generiert, mit der Sie ein LLM per Prompt optimieren können.

Dokument hochladen und Modell abfragen

Laden Sie ein Dokument hoch, um mit dieser Lösung zu beginnen. Stellen Sie dann dem vortrainierten LLM Fragen zum Dokument.

Eine detaillierte Anleitung dazu finden Sie direkt in der Google Cloud Console. Klicken Sie dazu einfach auf Anleitung:

Anleitung

Dieser Vorgang dauert ca. 10 Minuten.

LLM abstimmen

Nachdem Sie Dokumente für die Lösung hochgeladen haben, können Sie mit Vertex AI ein LLM mit Ihren Frage-und-Antwort-Paaren optimieren. Die Feinabstimmung des LLM ist kein automatisierter Prozess. Prüfen Sie vor dem Optimieren des LLM, ob Ihre Daten gültig und korrekt sind. Wenn Sie mit den Daten zufrieden sind, können Sie manuell einen Abstimmungsjob starten und das LLM über Model Registry starten.

Die JSONL-Abstimmungsdatei enthält extrahierte Inhalte aus Ihren Frage-und-Antwort-Paaren. Jede Zeile in der Datei ist ein JSON-Eintrag mit den Feldern input_text und output_text. Das Feld input_text enthält den Inhalt der einzelnen Fragen und das Feld output_text enthält den Inhalt der jeweiligen Antworten.

Die folgende JSONL-Datei enthält beispielsweise die Frage "Wie viele Menschen leben in Peking" und die entsprechende Antwort:

{"input_text": "CONTEXT: With over 21 million residents, Beijing is the
 world's most populous national capital city and is China's second largest
 city after Shanghai. QUESTION: How many people live in Beijing?,
"output_text": "21 million people"}

Klicken Sie auf Anleitung, um eine detaillierte Anleitung zur Feinabstimmung Ihres Modells direkt in der Google Cloud Console zu erhalten.

Anleitung

Diese Schritt-für-Schritt-Anleitung dauert etwa 10 Minuten, die Verarbeitung der Abstimmung des Modells kann jedoch eine Stunde oder länger dauern.

Bereitstellung löschen

Löschen Sie die Bereitstellung, wenn Sie die Lösung nicht mehr benötigen. Wenn Sie die Bereitstellung löschen, werden Ihnen die von Ihnen erstellten Ressourcen nicht mehr in Rechnung gestellt.

Hinweise vor dem Löschen

Bevor Sie diese Lösung löschen, löschen Sie die Bereitstellung des Vektorsuchindex:

  1. Rufen Sie die Seite Vektorsuche auf.

    Zur Vektorsuche

  2. Klicken Sie auf knowledge-base-index.

  3. Klicken Sie unter Bereitgestellte Indexe auf more_vert Mehr.

  4. Klicken Sie auf Bereitstellung aufheben.

Sie müssen nicht warten, bis der Löschvorgang des Index abgeschlossen ist.

Über die Console löschen

Verwenden Sie dieses Verfahren, wenn Sie die Lösung über die Console bereitgestellt haben.

  1. Rufen Sie in der Google Cloud Console die Seite Lösungsbereitstellungen auf.

    Zu Lösungsbereitstellungen

  2. Wählen Sie das Projekt aus, das die Bereitstellung enthält, die Sie löschen möchten.

  3. Suchen Sie die Bereitstellung, die Sie löschen möchten.

  4. Klicken Sie auf Aktionen und wählen Sie Löschen aus.

  5. Geben Sie den Namen der Bereitstellung ein und klicken Sie auf Bestätigen.

    Im Feld Status wird Löschen angezeigt.

    Wenn der Löschvorgang fehlschlägt, lesen Sie die Anleitung zur Fehlerbehebung unter Fehler beim Löschen einer Bereitstellung.

Wenn Sie das für die Lösung verwendete Google Cloud-Projekt nicht mehr benötigen, können Sie das Projekt löschen. Weitere Informationen finden Sie unter Optional: Projekt löschen.

Mit der Terraform-Befehlszeile löschen

Verwenden Sie dieses Verfahren, wenn Sie die Lösung mit der Terraform CLI bereitgestellt haben.

  1. Prüfen Sie in Cloud Shell, ob das aktuelle Arbeitsverzeichnis $HOME/cloudshell_open/terraform-genai-knowledge-base/ ist. Ist dies nicht der Fall, wechseln Sie zu diesem Verzeichnis.

  2. Entfernen Sie die von Terraform bereitgestellten Ressourcen:

    terraform destroy
    </