Si vous débutez avec Vertex AI Agent Builder, nous vous recommandons de suivre le tutoriel Premiers pas avec les recommandations génériques pour créer un exemple d'application.
Configurez un projet Google Cloud, activez Vertex AI Agent Builder et configurez le contrôle des accès pour votre projet. Vous pouvez utiliser un projet Google Cloud existant si vous en avez déjà un.
Actions
- Consultez la section Avant de commencer et vérifiez que vous avez suivi la procédure.
Déterminez le type de données que vous mettrez à disposition dans votre application de recommandations et préparez-les à être importées dans Vertex AI Search.
Vous pouvez baser votre data store sur les types de données suivants:
- Données sur le site Web : URL des sites Web.
- Données non structurées Documents (PDF, fichiers HTML et fichiers TXT, par exemple) stockés dans Cloud Storage Vous pouvez également fournir des métadonnées dans un fichier JSON ou dans une table BigQuery.
- Données structurées Données fournies avec un schéma spécifique. Par exemple, vous pouvez fournir des données dans une table BigQuery ou sous forme de fichiers JSON dans Cloud Storage.
Actions
Consultez les informations sur les données compatibles et la relation entre les applications et les data stores dans la section À propos des applications et des data stores.
Préparez vos données conformément aux exigences de la section Préparer les données à l'ingestion.
Créez un data store, puis importez-y vos données.
La méthode d'importation de vos données dépend de l'emplacement d'où vous les importez. Par exemple, si vos données se trouvent dans Cloud Storage, vous pouvez les importer à l'aide de la console ou de l'API en fournissant l'emplacement du bucket de vos données.
Actions
- Suivez les instructions pour votre source de données dans Créer un data store de recommandations génériques.
Créez votre application de recommandations générique et associez-la à votre nouveau data store.
Actions
Pour les applications contenant des données structurées ou des données non structurées avec des métadonnées, vous pouvez mettre à jour les paramètres des champs pour les rendre filtrables et filtrer les résultats de vos recommandations à l'aide de ces champs.
Actions
Définissez des champs spécifiques comme filtrables pour permettre à Vertex AI Search de les utiliser pour filtrer les recommandations. Consultez la section Configurer les paramètres des champs.
Vous pouvez prévisualiser vos recommandations pour vérifier qu'elles s'affichent comme prévu.
Actions
Pour prévisualiser vos recommandations, utilisez la console ou l'API Vertex AI Agent Builder.
Console Utilisez la page Aperçu de la console pour prévisualiser vos recommandations. Consultez les instructions de la console pour connaître le type de données utilisées par votre application dans Obtenir des recommandations.
API : Si vous intégrez des appels d'API à votre application, effectuez des appels d'API pour prévisualiser vos recommandations. Consultez les instructions REST pour connaître le type de données que votre application utilise dans Obtenir des recommandations.
Lorsque vous êtes satisfait des aperçus de votre application de recommandations, partagez-la avec vos utilisateurs en la déployant sur votre site Web.
Actions
Pour déployer votre application de recommandations, intégrez des appels d'API à votre serveur ou à vos applications. Pour en savoir plus sur les appels d'API, consultez les instructions REST pour le type de données utilisé par votre application dans Obtenir des recommandations.
Pour en savoir plus sur les ressources de bibliothèque cliente, consultez Bibliothèques clientes Vertex AI Agent Builder.
Vous pouvez gérer votre application pour vous assurer que les données les plus récentes et nécessaires sont disponibles dans votre data store.