Obtén más información sobre cómo desarrollar una aplicación de IA generativa.

Descubre qué productos, frameworks y herramientas son los más adecuados para compilar tu aplicación de IA generativa. Entre los componentes comunes de una aplicación de IA generativa alojada en Cloud se incluyen los siguientes:

1. Hosting de aplicaciones: Procesamiento para alojar la aplicación. Tu aplicación puede usar las bibliotecas cliente y los SDK de Google Cloud para comunicarse con diferentes productos de Cloud.
2. Hosting de modelos: Hosting escalable y seguro para un modelo generativo.
3. Modelo: Modelo generativo para texto, chat, imágenes, código, incorporaciones y multimodal.
4. Solución de fundamentación: Resultado del modelo de anclaje para fuentes de información actualizadas y verificables.
5. Base de datos: Almacena los datos de tu aplicación. Puedes reutilizar tu base de datos existente como tu solución de fundamentación, mediante el aumento de las instrucciones a través de una consulta en SQL o el almacenamiento de tus datos como incorporaciones vectoriales con una extensión como pgvector.
6. Almacenamiento: Almacena archivos como imágenes, videos o frontends web estáticos. También puedes usar Storage para los datos de fundamentación sin procesar (p. ej., PDF) que luego conviertes en incorporaciones y almacenas en una base de datos vectorial.

En las siguientes secciones, se explica cada uno de esos componentes y te ayuda a elegir qué productos de Google Cloud probar.

Elige un producto para alojar y entregar la carga de trabajo de tu aplicación, lo que realiza llamadas al modelo generativo.

Comienza a usar:

• Cloud Run
• GKE
• Compute Engine

Google Cloud proporciona múltiples formas de alojar un modelo generativo, desde la plataforma insignia de Vertex AI, hasta hosting personalizable y portátil en Google Kubernetes Engine.

Comienza a usar:

• Vertex AI
• API para desarrolladores de Gemini
• GKE
• Compute Engine

Google Cloud proporciona un conjunto de modelos de base de vanguardia a través de Vertex AI, incluido Gemini. También puedes implementar un modelo de terceros en Vertex AI Model Garden o en el hosting propio en GKE, Cloud Run o Compute Engine.

Comienza a usar:

• Gemini
• Codey
• Imagen
• incorporación de texto
• Vertex AI Model Garden (modelos de código abierto)
• HuggingFace Model Hub (modelos de código abierto)

Para garantizar respuestas fundamentadas y precisas del modelo, te recomendamos fundar tu aplicación de IA generativa con datos en tiempo real. Esto se denomina generación aumentada de recuperación (RAG).

Puedes implementar la fundamentación con tus propios datos en una base de datos de vectores, que es un formato óptimo para operaciones como la búsqueda de similitud. Google Cloud ofrece múltiples soluciones de bases de datos vectoriales para diferentes casos de uso.

Nota: También puedes fundamentar con bases de datos tradicionales (no vectoriales). Para ello, solo debes consultar una base de datos existente, como Cloud SQL o Firestore, y usar el resultado en el mensaje del modelo.

Comienza a usar:

• Vertex AI Agent Builder (anteriormente Enterprise Search, Gen AI App Builder y Discovery Engine)
• Vector Search (anteriormente Matching Engine)
• AlloyDB para PostgreSQL
• Cloud SQL
• BigQuery

En lugar de (o además) usar tus propios datos para los fundamentos, muchos servicios en línea ofrecen APIs que puedes usar para recuperar datos de los fundamentos para mejorar la instrucción de tu modelo.

Instala las herramientas que necesitas para compilar una aplicación de IA generativa en Google Cloud.

Aprende estrategias para enviar instrucciones y experimenta con diferentes modelos.

Bifurca una muestra en GitHub y comienza a compilar.

Recomendaciones y ejemplos de aplicaciones de IA generativa que son seguras, eficientes, resilientes, de alto rendimiento y rentables.