Ringkasan AI generatif
Pelajari cara membangun aplikasi AI generatif
AI Generatif di Vertex AI
Panduan Memulai Gemini
Memilih infrastruktur untuk aplikasi AI generatif Anda
Kapan harus menggunakan AI generatif
Mengembangkan aplikasi AI generatif
Sampel kode dan aplikasi contoh
Eksplorasi dan hosting model
Google Cloud menyediakan serangkaian model dasar canggih melalui Vertex AI, termasuk Gemini. Anda juga dapat men-deploy model pihak ketiga ke Vertex AI Model Garden atau menghosting sendiri di GKE atau Compute Engine.
Model Google di Vertex AI (Gemini, Imagen)
Model lain di Model Garden Vertex AI
Model pembuatan teks melalui HuggingFace
Orkestrasi AI/ML di GKE
GPU di Compute Engine
Desain dan rekayasa perintah
Prompt Design adalah proses pembuatan pasangan perintah dan respons untuk memberikan konteks dan instruksi tambahan kepada model bahasa. Setelah menulis perintah, Anda akan memasukkannya ke model sebagai set data perintah untuk prapelatihan. Saat menayangkan prediksi, model akan merespons dengan petunjuk bawaan Anda.
Vertex AI Studio
Ringkasan Strategi Perintah
Galeri Prompt
Grounding dan RAG
Grounding menghubungkan model AI ke sumber data untuk meningkatkan akurasi respons dan mengurangi halusinasi. RAG, teknik dasar umum, menelusuri informasi yang relevan dan menambahkannya ke perintah model, sehingga memastikan output didasarkan pada fakta dan informasi terbaru.
Pembumian Vertex AI
Permukaan tanah dengan Google Penelusuran
Embedding vektor di AlloyDB
Cloud SQL dan pgvector
Mengintegrasikan data BigQuery ke aplikasi LangChain
Embedding vektor di Firestore
Vector embedding di Memorystore (Redis)
Panggilan agen dan fungsi
Agen memudahkan desain dan mengintegrasikan antarmuka pengguna percakapan ke dalam aplikasi seluler Anda, sementara panggilan fungsi memperluas kemampuan model.
Builder Agen Vertex AI
Panggilan Vertex AI Function
Penyesuaian dan pelatihan model
Tugas khusus, seperti melatih model bahasa dengan terminologi tertentu, mungkin memerlukan lebih banyak pelatihan daripada yang dapat Anda lakukan dengan desain prompt atau grounding saja. Dalam skenario tersebut, Anda dapat menggunakan tuning model untuk meningkatkan performa, atau melatih model Anda sendiri.