Codebeispiele und Beispielanwendungen für generative KI

Stellen Sie eine Beispielanwendung mit einem Klick bereit, um lange Dokumente mit Vertex AI zusammenzufassen.

Stellen Sie eine Beispielanwendung mit einem Klick bereit, die in Cloud SQL gespeicherte Vektoreinbettungen verwendet, um die Genauigkeit von Antworten aus einer Chatanwendung zu verbessern.

Stellen Sie eine Beispielanwendung mit einem Klick bereit, die Frage-und-Antwort-Paare aus einer Reihe von Dokumenten extrahiert, zusammen mit einer Pipeline, die die Anwendung beim Hochladen eines Dokuments auslöst.

Erstellen Sie mit Gemini in Vertex AI, Cloud Run und Streamlit eine Webanwendung, um Ideen für Marketingkampagnen zu generieren.

Beispielanwendung für die Abrufbare Generierung mit AlloyDB for PostgreSQL und Vertex AI. (Blogpost, Codelab).

Informationen zum Erstellen einer Node-basierten RAG-App, die Anlageempfehlungen für Finanzberater bereitstellt Dieses Beispiel kann in Vertex AI, Cloud Run, AlloyDB und Cloud Run-Funktionen eingebunden werden. Er wurde mit Angular, TypeScript, Express.js und LangChain erstellt.

Erstellen Sie eine RAG-App, mit der Autobesitzer Probleme mit ihrem Fahrzeug beheben können, ohne die Bedienungsanleitung durchblättern zu müssen. Zu den Varianten gehören Cloud SQL mit pgvector und Vertex AI Agent Builder. Entwickelt mit Java (Spring) und Python (Streamlit).

Hier erfahren Sie, wie Sie die Vertex AI Gemini SDKs auf Aufgaben wie Chat, multimodale Prompts und die Dokumentverarbeitung anwenden. Weitere Codebeispiele finden Sie hier.

Informationen zum Speichern und Abrufen von RAG-Dokumenten mit Vertex AI Agent Builder (früher Vertex AI Search)

Andere Produkte wie Cloud Storage oder Firestore in Ihre generative KI-App einbinden? Alle Google Cloud-Clientbibliotheken in Ihrer bevorzugten Programmiersprache ansehen

Hier finden Sie Code-Snippets für die Verwendung von LangChain zusammen mit Google Cloud-Produkten, einschließlich Chatmodellen (Vertex AI), Vektordatenbanken (AlloyDB, Cloud SQL, Firestore, Vertex AI Agent Builder, BigQuery usw.) und anderen (Google Drive, Google Maps, YouTube usw.).

Hier finden Sie Code-Snippets für die Verwendung von LangChain zusammen mit Google Cloud-Produkten, einschließlich Chatmodellen (Vertex AI), Vektordatenbanken (Vertex AI Vector Search) und anderen (Google Suche).

Firebase Genkit ist ein Open-Source-Framework, mit dem Sie produktionsreife KI-gestützte Webanwendungen erstellen, bereitstellen und überwachen können. Genkit enthält Plug-ins für Vertex AI, Cloud Operations und Firestore.

Hier finden Sie Code-Snippets für die Verwendung von LangChain zusammen mit Google Cloud-Produkten, einschließlich Chatmodellen (Vertex AI).

Hier erfahren Sie, wie Sie mit dem Vertex AI SDK Gemini 1.5 Flash aufrufen und das lange Kontextfenster nutzen. Dieses Notebook enthält Text-, Video- und Audiomodalitäten.

Hier erfahren Sie, wie Sie mit dem Vertex AI SDK Notenmetadaten wie Komponist und Tempo aus PDFs extrahieren.

Hier erfahren Sie, wie Sie mit dem Vertex AI SDK das Videosentiment, einschließlich Mimik, analysieren.

Hier erfahren Sie, wie Sie Informationen aus Filmpostern extrahieren, indem Sie Gemini direkt über BigQuery aufrufen.

Hier erfahren Sie, wie Sie mit dem Vertex AI SDK Text und Bilder in Vektoreinbettungen umwandeln, um sie in einer Retrieval-Augmented-Generation (RAG)-Anwendung zu verwenden.

Hier erfahren Sie, wie Sie die Antwort von Gemini mit Echtzeitdaten ergänzen, z. B. mit dem Aktienkurs und den neuesten Nachrichten eines Unternehmens.

Hier erfahren Sie, wie Sie Ihren vorhandenen Vertex AI SDK-Code migrieren, um Gemini anstelle von PaLM aufzurufen.

Hier erfahren Sie, wie Sie Gemini mit Vertex AI optimieren, um das Modell so zu trainieren, dass es gut auf Fragen zu Python-Programmierung antworten kann.

Im Google Cloud-Beispielbrowser finden Sie Dutzende weiterer Vertex AI-Notebooks.