汎用レコメンデーションのチェックリスト

このページでは、汎用レコメンデーションアプリを作成する際に必要な手順のチェックリストを示します。

Vertex AI Agent Builder を初めて使用する場合は、汎用レコメンデーションを使ってみるのチュートリアルに沿ってサンプルアプリを作成することを検討してください。

Google Cloud プロジェクトを設定し、Vertex AI Agent Builder を有効にして、プロジェクトのアクセス制御を設定します。既存の Google Cloud プロジェクトがすでにある場合は、それを使用できます。

レコメンデーションアプリで利用可能なデータの種類を決定し、Vertex AI Search へのインポート用に準備します。

データストアは、次の種類のデータに基づいて構築できます。

ウェブサイトのデータ。ウェブサイトの URL
非構造化データ。Cloud Storage に保存されているドキュメント（PDF、HTML ファイル、TXT ファイルなど）。必要に応じて、JSON ファイルまたは BigQuery テーブルでメタデータを指定できます。
構造化データ。特定のスキーマで提供されるデータ。たとえば、BigQuery テーブルでデータを指定することも、Cloud Storage で JSON ファイルとして指定することもできます。

データストアを作成し、そこにデータをインポートします。

データのインポート方法は、インポート元によって異なります。たとえば、データが Cloud Storage にある場合は、コンソールまたは API を使用して、データのバケットロケーションを指定してデータをインポートできます。

汎用レコメンデーションアプリを作成し、新しいデータストアに接続します。

構造化データを使用するアプリや、メタデータを含む非構造化データを使用するアプリでは、フィールド設定を更新してフィルタ可能にし、それらのフィールドを使用してレコメンデーション結果をフィルタできます。

特定のフィールドをフィルタ可能として設定すると、Vertex AI Search がそれらのフィールドを使用してレコメンデーションをフィルタリングできるようになります。フィールド設定を構成するをご覧ください。
レコメンデーションをフィルタリングします。

レコメンデーションをプレビューして、レコメンデーションが想定どおりに表示されているかどうかを確認できます。

レコメンデーションをプレビューするには、Vertex AI Agent Builder コンソールまたは API を使用します。
- コンソール。コンソールの [プレビュー] ページを使用して、レコメンデーションをプレビューします。アプリで使用するデータの種類については、レコメンデーションを取得するの コンソールの手順をご覧ください。
- API。API 呼び出しをアプリケーションに統合する場合は、API 呼び出しを行ってレコメンデーションをプレビューします。アプリが使用するデータの種類については、レコメンデーションを取得するの REST の手順をご覧ください。

レコメンデーションアプリのプレビューに問題がなければ、ウェブサイトにデプロイしてユーザーと共有します。

レコメンデーションアプリをデプロイするには、API 呼び出しをサーバーまたはアプリケーションに統合します。API 呼び出しの詳細については、レコメンデーションを取得するで、アプリで使用するデータの種類に関する REST の手順をご覧ください。

クライアントライブラリのリソースについては、Vertex AI Agent Builder クライアントライブラリをご覧ください。

アプリをメンテナンスすることで、データストアで最新の必要なデータを利用できるようにできます。