Diese Seite wurde von der Cloud Translation API übersetzt.

Empfehlungen erhalten

Auf dieser Seite erfahren Sie, wie Sie sich Empfehlungen in der Google Cloud Console in der Vorschau ansehen und Empfehlungen mithilfe der API abrufen. Auf dem Tab „REST“ finden Sie Beispiele für API-Aufrufe, mit denen Sie Empfehlungen in Ihre App einbinden können.

Welche Vorgehensweise Sie verwenden, hängt davon ab, ob Sie Mediendaten oder allgemeine Daten haben:

Empfehlungen für Medien erhalten
Allgemeine Empfehlungen für eine App mit strukturierten Daten erhalten

Medienempfehlungen erhalten

Console

So rufen Sie in der Google Cloud Console eine Vorschau der Medienempfehlungen auf:

Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.

Zum Agent Builder
Klicken Sie auf den Namen der Anwendung, für die Sie Empfehlungen in der Vorschau ansehen möchten.
Klicken Sie auf Konfigurationen > Training. Wenn Bereit zur Abfrage OK lautet, ist die App für die Vorschau bereit.
Klicken Sie auf Vorschau.
Klicken Sie auf das Feld Dokument-ID. Eine Liste der Dokument-IDs wird angezeigt.
Klicken Sie auf die ID des Dokuments, für das Sie Empfehlungen erhalten möchten. Alternativ können Sie eine Dokument-ID in das Feld Dokument-ID eingeben.
Klicken Sie auf Bereitstellungskonfiguration auswählen und wählen Sie die Bereitstellungskonfiguration aus, für die Sie eine Vorschau anzeigen möchten.
Optional: Geben Sie die Besucher-ID (auch Pseudo-Nutzer-ID genannt) eines Nutzers ein, für den Sie Nutzerereignisse erfasst haben. Wenn Sie dieses Feld leer lassen oder eine nicht vorhandene Besucher-ID eingeben, sehen Sie eine Vorschau der Empfehlungen als neuer Nutzer.
Klicken Sie auf Empfehlungen erhalten. Eine Liste mit empfohlenen Dokumenten wird angezeigt.
Klicken Sie auf ein Dokument, um Details dazu abzurufen.

REST

Wenn du mit der API Medienempfehlungen abrufen möchtest, verwende die Methode servingConfigs.recommend:

Suchen Sie die Engine-ID und die Bereitstellungskonfigurations-ID. Wenn Sie bereits eine Engine-ID und IDs für die Bereitstellungskonfiguration haben, fahren Sie mit Schritt 2 fort.
1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.
  
  Zum Agent Builder
2. Klicken Sie auf den Namen der App.
3. Klicken Sie im Navigationsbereich auf Konfigurationen.
4. Wenn Sie nur die Bereitstellungskonfiguration haben, die beim Erstellen Ihrer App automatisch erstellt wurde, sind die ID der Bereitstellungskonfiguration und die Engine-ID identisch. Überspringen Sie den nächsten Schritt.
  
  Wenn auf dem Tab Bereitstellungskonfigurationen mehrere Bereitstellungskonfigurationen aufgeführt sind, suchen Sie diejenige, für die Sie Empfehlungen erhalten möchten. Die ID der Bereitstellungskonfiguration ist der Wert in der Spalte ID.
  
  Wenn Sie die Bereitstellungskonfiguration gelöscht haben, die beim Erstellen Ihrer App automatisch erstellt wurde, und derzeit nur eine manuell erstellte Bereitstellungskonfiguration haben, rufen Sie die Seite Vorschau auf und klicken Sie auf Bereitstellungskonfiguration auswählen, um die ID der Bereitstellungskonfiguration aufzurufen.
5. Klicken Sie auf den Tab Training. Ihre Engine-ID ist der Wert in der Zeile App-ID.
Prüfen Sie, ob die App für die Vorschau bereit ist:
1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.
  
  Zum Agent Builder
2. Klicken Sie auf den Namen der App.
3. Klicken Sie auf Konfigurationen > Training. Wenn Bereit für Abfragen aktiviert ist, ist die App für die Vorschau bereit.
Sie erhalten Empfehlungen.

Hinweis: Wenn Ihre Empfehlung noch nicht aktiv ist oder Sie Ihren Methodenaufruf testen möchten, können Sie diese Methode mit validateOnly-Flag auf true aufrufen. Dieser Aufruf gibt ein Platzhalterergebnis zurück und verursacht keine Gebühren.
```
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d  '{
        "validateOnly": false,
        "userEvent": {
            "eventType": "view-item",
            "userPseudoId": "USER_PSEUDO_ID",
            "documents": [{
              "id": "DOCUMENT_ID"
            }],
        "filter": "FILTER_STRING"            }
    }' \
  "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/servingConfigs/SERVING_CONFIG_ID:recommend"
```
Ersetzen Sie Folgendes:
- PROJECT_ID: die Projekt-ID.
- DATA_STORE_ID: die ID Ihres Datenspeichers.
- DOCUMENT_ID: die ID des Dokuments, für das Sie eine Vorschau der Empfehlungen aufrufen möchten. Verwenden Sie die ID, die Sie für dieses Dokument verwendet haben, als Sie Ihre Daten aufgenommen haben.
- USER_PSEUDO_ID: eine pseudonymisierte Kennung des Nutzers. Sie können für dieses Feld ein HTTP-Cookie verwenden, mit dem ein Besucher auf einem einzelnen Gerät eindeutig identifiziert wird. Verwenden Sie für mehrere Nutzer nicht dieselbe Kennung für dieses Feld. Andernfalls werden ihre Ereignisverläufe zusammengeführt und die Modellqualität sinkt. Geben Sie in dieses Feld keine personenidentifizierbaren Informationen an.
- SERVING_CONFIG_ID: die ID Ihrer Bereitstellungskonfiguration.
- FILTER: Optional. Ein Textfeld, mit dem Sie mithilfe der Filterausdruckssyntax nach einer bestimmten Gruppe von Feldern filtern können. Der Standardwert ist ein leerer String, was bedeutet, dass kein Filter angewendet wird. Weitere Informationen finden Sie unter Empfehlungen filtern.

Die Ergebnisse sollten in etwa so aussehen:

{
  "results": [{"id": "sample-id-1"}, {"id": "sample-id-2"}],
  "attributionToken": "abc123"
}

Google empfiehlt, Attributionstokens, die wir in jeder Suchantwort und Empfehlung einschließen, mit Aktionen zu verknüpfen, die ein Nutzer als Reaktion auf diese Suchantworten und Empfehlungen ausführt. So lässt sich die Qualität der Suchergebnisse und Empfehlungen im Laufe der Zeit verbessern. Fügen Sie dazu den URLs für jeden Link, den Sie auf Ihrer Website für Suchergebnisse oder Empfehlungen anzeigen, attributionToken-Werte an, z. B. https://www.example.com/54321/?rtoken=abc123. Wenn ein Nutzer auf einen dieser Links klickt, fügen Sie den Wert attributionToken in das aufgezeichnete Nutzerereignis ein.

Allgemeine Empfehlungen für eine App mit strukturierten Daten erhalten

Console

So rufen Sie in der Google Cloud Console eine Vorschau allgemeiner Empfehlungen für Ihre strukturierte App auf:

Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.

Zum Agent Builder
Klicken Sie auf den Namen der Anwendung, für die Sie Empfehlungen in der Vorschau ansehen möchten.
Klicken Sie auf Vorschau.
Klicken Sie auf das Feld Dokument-ID. Eine Liste der Dokument-IDs wird angezeigt.
Klicken Sie auf die ID des Dokuments, für das Sie Empfehlungen erhalten möchten. Alternativ können Sie eine Dokument-ID in das Feld Dokument-ID eingeben.
Klicken Sie auf Empfehlungen erhalten. Eine Liste mit empfohlenen Dokumenten wird angezeigt.
Klicken Sie auf ein Dokument, um Details dazu abzurufen.

REST

Wenn Sie mit der API allgemeine Empfehlungen für eine App mit strukturierten Daten abrufen möchten, verwenden Sie die Methode servingConfigs.recommend:

Suchen Sie Ihre Engine-ID. Wenn Sie Ihre Engine-ID bereits haben, fahren Sie mit Schritt 2 fort.
1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf.
  
  Zum Agent Builder
2. Klicken Sie auf den Namen der App.
3. Rufen Sie die Engine-ID aus der URL der Google Cloud Console ab. Das ist der Text zwischen engines/ und /data. Beispiel: Die URL enthält
```
gen-app-builder/engines/demo_1234567890123/data/records
```
  ist die Engine-ID demo_1234567890123.
Suchen Sie die Datenspeicher-ID. Wenn Sie die Datenspeicher-ID bereits haben, fahren Sie mit dem nächsten Schritt fort.
1. Rufen Sie in der Google Cloud Console die Seite Agent Builder auf und klicken Sie im Navigationsmenü auf Datenspeicher.
  
  Zur Seite „Datenspeicher“
2. Klicken Sie auf den Namen des Datenspeichers.
3. Rufen Sie auf der Datenseite Ihres Datenspeichers die Datenspeicher-ID ab.
Prüfen Sie, ob Ihre Engine für die Vorschau bereit ist, indem Sie die Methode GetEngine abfragen, bis "servingState":"ACTIVE" zurückgegeben wird. Jetzt ist die Engine bereit für die Vorschau.
```
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/engines/ENGINE_ID
```
Ersetzen Sie Folgendes:
- PROJECT_ID: die Projekt-ID.
- ENGINE_ID: die ID Ihres Engines.
Sie erhalten Empfehlungen.
```
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
-d '{
  "userEvent": { "eventType":"view-item", "userPseudoId":"USER_PSEUDO_ID", "documents":[{"id":"DOCUMENT_ID"}]}}' \
  "https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/servingConfigs/SERVING_CONFIG_ID:recommend"
```
Ersetzen Sie Folgendes:
- PROJECT_ID: die Projekt-ID.
- DATA_STORE_ID: die ID Ihres Datenspeichers.
- DOCUMENT_ID: die ID des Dokuments, für das Sie eine Vorschau der Empfehlungen aufrufen möchten. Verwenden Sie die ID, die Sie für dieses Dokument verwendet haben, als Sie Ihre Daten aufgenommen haben.
- USER_PSEUDO_ID: eine pseudonymisierte Kennung des Nutzers. Sie können für dieses Feld ein HTTP-Cookie verwenden, mit dem ein Besucher auf einem einzelnen Gerät eindeutig identifiziert wird. Verwenden Sie für mehrere Nutzer nicht dieselbe Kennung für dieses Feld. Andernfalls werden ihre Ereignisverläufe zusammengeführt und die Modellqualität sinkt. Geben Sie in dieses Feld keine personenidentifizierbaren Informationen an.
- SERVING_CONFIG_ID: die ID Ihrer Bereitstellungskonfiguration. Die Bereitstellungskonfigurations-ID ist mit der Engine-ID identisch. Verwenden Sie daher hier die Engine-ID.
Hinweis :Sie benötigen keine Nutzerereignisse in Ihrem Datenspeicher, um allgemeine Empfehlungen zu erhalten. Sie müssen jedoch das Nutzerereignisobjekt angeben, einschließlich eines Ereignistyps und eines Werts für die Pseudo-ID des Nutzers.

C#

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder C# API.

Richten Sie zur Authentifizierung bei Vertex AI Agent Builder Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

using Google.Cloud.DiscoveryEngine.V1Beta;
using Google.Protobuf.WellKnownTypes;

public sealed partial class GeneratedRecommendationServiceClientSnippets
{
    /// <summary>Snippet for Recommend</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void RecommendRequestObject()
    {
        // Create client
        RecommendationServiceClient recommendationServiceClient = RecommendationServiceClient.Create();
        // Initialize request argument(s)
        RecommendRequest request = new RecommendRequest
        {
            ServingConfigAsServingConfigName = ServingConfigName.FromProjectLocationDataStoreServingConfig("[PROJECT]", "[LOCATION]", "[DATA_STORE]", "[SERVING_CONFIG]"),
            UserEvent = new UserEvent(),
            PageSize = 0,
            Filter = "",
            ValidateOnly = false,
            Params = { { "", new Value() }, },
            UserLabels = { { "", "" }, },
        };
        // Make the request
        RecommendResponse response = recommendationServiceClient.Recommend(request);
    }
}

Go

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder Go API.


package main

import (
	"context"

	discoveryengine "cloud.google.com/go/discoveryengine/apiv1beta"
	discoveryenginepb "cloud.google.com/go/discoveryengine/apiv1beta/discoveryenginepb"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := discoveryengine.NewRecommendationClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &discoveryenginepb.RecommendRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/discoveryengine/apiv1beta/discoveryenginepb#RecommendRequest.
	}
	resp, err := c.Recommend(ctx, req)
	if err != nil {
		// TODO: Handle error.
	}
	// TODO: Use resp.
	_ = resp
}

Java

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder Java API.

import com.google.cloud.discoveryengine.v1beta.RecommendRequest;
import com.google.cloud.discoveryengine.v1beta.RecommendResponse;
import com.google.cloud.discoveryengine.v1beta.RecommendationServiceClient;
import com.google.cloud.discoveryengine.v1beta.ServingConfigName;
import com.google.cloud.discoveryengine.v1beta.UserEvent;
import com.google.protobuf.Value;
import java.util.HashMap;

public class SyncRecommend {

  public static void main(String[] args) throws Exception {
    syncRecommend();
  }

  public static void syncRecommend() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (RecommendationServiceClient recommendationServiceClient =
        RecommendationServiceClient.create()) {
      RecommendRequest request =
          RecommendRequest.newBuilder()
              .setServingConfig(
                  ServingConfigName.ofProjectLocationDataStoreServingConfigName(
                          "[PROJECT]", "[LOCATION]", "[DATA_STORE]", "[SERVING_CONFIG]")
                      .toString())
              .setUserEvent(UserEvent.newBuilder().build())
              .setPageSize(883849137)
              .setFilter("filter-1274492040")
              .setValidateOnly(true)
              .putAllParams(new HashMap<String, Value>())
              .putAllUserLabels(new HashMap<String, String>())
              .build();
      RecommendResponse response = recommendationServiceClient.recommend(request);
    }
  }
}

Node.js

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder Node.js API.

/**
 * This snippet has been automatically generated and should be regarded as a code template only.
 * It will require modifications to work.
 * It may require correct/in-range values for request initialization.
 * TODO(developer): Uncomment these variables before running the sample.
 */
/**
 *  Required. Full resource name of a
 *  ServingConfig google.cloud.discoveryengine.v1beta.ServingConfig:
 *  `projects/* /locations/global/collections/* /engines/* /servingConfigs/*`, or
 *  `projects/* /locations/global/collections/* /dataStores/* /servingConfigs/*`
 *  One default serving config is created along with your recommendation engine
 *  creation. The engine ID is used as the ID of the default serving
 *  config. For example, for Engine
 *  `projects/* /locations/global/collections/* /engines/my-engine`, you can use
 *  `projects/* /locations/global/collections/* /engines/my-engine/servingConfigs/my-engine`
 *  for your
 *  RecommendationService.Recommend google.cloud.discoveryengine.v1beta.RecommendationService.Recommend 
 *  requests.
 */
// const servingConfig = 'abc123'
/**
 *  Required. Context about the user, what they are looking at and what action
 *  they took to trigger the Recommend request. Note that this user event
 *  detail won't be ingested to userEvent logs. Thus, a separate userEvent
 *  write request is required for event logging.
 *  Don't set
 *  UserEvent.user_pseudo_id google.cloud.discoveryengine.v1beta.UserEvent.user_pseudo_id 
 *  or
 *  UserEvent.user_info.user_id google.cloud.discoveryengine.v1beta.UserInfo.user_id 
 *  to the same fixed ID for different users. If you are trying to receive
 *  non-personalized recommendations (not recommended; this can negatively
 *  impact model performance), instead set
 *  UserEvent.user_pseudo_id google.cloud.discoveryengine.v1beta.UserEvent.user_pseudo_id 
 *  to a random unique ID and leave
 *  UserEvent.user_info.user_id google.cloud.discoveryengine.v1beta.UserInfo.user_id 
 *  unset.
 */
// const userEvent = {}
/**
 *  Maximum number of results to return. Set this property
 *  to the number of recommendation results needed. If zero, the service
 *  chooses a reasonable default. The maximum allowed value is 100. Values
 *  above 100 are set to 100.
 */
// const pageSize = 1234
/**
 *  Filter for restricting recommendation results with a length limit of 5,000
 *  characters. Currently, only filter expressions on the `filter_tags`
 *  attribute is supported.
 *  Examples:
 *   * `(filter_tags: ANY("Red", "Blue") OR filter_tags: ANY("Hot", "Cold"))`
 *   * `(filter_tags: ANY("Red", "Blue")) AND NOT (filter_tags: ANY("Green"))`
 *  If `attributeFilteringSyntax` is set to true under the `params` field, then
 *  attribute-based expressions are expected instead of the above described
 *  tag-based syntax. Examples:
 *   * (launguage: ANY("en", "es")) AND NOT (categories: ANY("Movie"))
 *   * (available: true) AND
 *     (launguage: ANY("en", "es")) OR (categories: ANY("Movie"))
 *  If your filter blocks all results, the API returns generic
 *  (unfiltered) popular Documents. If you only want results strictly matching
 *  the filters, set `strictFiltering` to `true` in
 *  RecommendRequest.params google.cloud.discoveryengine.v1beta.RecommendRequest.params 
 *  to receive empty results instead.
 *  Note that the API never returns
 *  Document google.cloud.discoveryengine.v1beta.Document s with
 *  `storageStatus` as `EXPIRED` or `DELETED` regardless of filter choices.
 */
// const filter = 'abc123'
/**
 *  Use validate only mode for this recommendation query. If set to `true`, a
 *  fake model is used that returns arbitrary Document IDs.
 *  Note that the validate only mode should only be used for testing the API,
 *  or if the model is not ready.
 */
// const validateOnly = true
/**
 *  Additional domain specific parameters for the recommendations.
 *  Allowed values:
 *  * `returnDocument`: Boolean. If set to `true`, the associated Document
 *     object is returned in
 *     RecommendResponse.RecommendationResult.document google.cloud.discoveryengine.v1beta.RecommendResponse.RecommendationResult.document.
 *  * `returnScore`: Boolean. If set to true, the recommendation score
 *     corresponding to each returned Document is set in
 *     RecommendResponse.RecommendationResult.metadata google.cloud.discoveryengine.v1beta.RecommendResponse.RecommendationResult.metadata.
 *     The given score indicates the probability of a Document conversion given
 *     the user's context and history.
 *  * `strictFiltering`: Boolean. True by default. If set to `false`, the
 *  service
 *     returns generic (unfiltered) popular Documents instead of empty if
 *     your filter blocks all recommendation results.
 *  * `diversityLevel`: String. Default empty. If set to be non-empty, then
 *     it needs to be one of:
 *      *  `no-diversity`
 *      *  `low-diversity`
 *      *  `medium-diversity`
 *      *  `high-diversity`
 *      *  `auto-diversity`
 *     This gives request-level control and adjusts recommendation results
 *     based on Document category.
 *  * `attributeFilteringSyntax`: Boolean. False by default. If set to true,
 *     the `filter` field is interpreted according to the new,
 *     attribute-based syntax.
 */
// const params = [1,2,3,4]
/**
 *  The user labels applied to a resource must meet the following requirements:
 *  * Each resource can have multiple labels, up to a maximum of 64.
 *  * Each label must be a key-value pair.
 *  * Keys have a minimum length of 1 character and a maximum length of 63
 *    characters and cannot be empty. Values can be empty and have a maximum
 *    length of 63 characters.
 *  * Keys and values can contain only lowercase letters, numeric characters,
 *    underscores, and dashes. All characters must use UTF-8 encoding, and
 *    international characters are allowed.
 *  * The key portion of a label must be unique. However, you can use the same
 *    key with multiple resources.
 *  * Keys must start with a lowercase letter or international character.
 *  See Requirements for
 *  labels (https://cloud.google.com/resource-manager/docs/creating-managing-labels#requirements)
 *  for more details.
 */
// const userLabels = [1,2,3,4]

// Imports the Discoveryengine library
const {RecommendationServiceClient} = require('@google-cloud/discoveryengine').v1beta;

// Instantiates a client
const discoveryengineClient = new RecommendationServiceClient();

async function callRecommend() {
  // Construct request
  const request = {
    servingConfig,
    userEvent,
  };

  // Run request
  const response = await discoveryengineClient.recommend(request);
  console.log(response);
}

callRecommend();

PHP

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder PHP API.

use Google\ApiCore\ApiException;
use Google\Cloud\DiscoveryEngine\V1beta\Client\RecommendationServiceClient;
use Google\Cloud\DiscoveryEngine\V1beta\RecommendRequest;
use Google\Cloud\DiscoveryEngine\V1beta\RecommendResponse;
use Google\Cloud\DiscoveryEngine\V1beta\UserEvent;

/**
 * Makes a recommendation, which requires a contextual user event.
 *
 * @param string $formattedServingConfig Full resource name of a
 *                                       [ServingConfig][google.cloud.discoveryengine.v1beta.ServingConfig]:
 *                                       `projects/&#42;/locations/global/collections/&#42;/engines/&#42;/servingConfigs/*`, or
 *                                       `projects/&#42;/locations/global/collections/&#42;/dataStores/&#42;/servingConfigs/*`
 *
 *                                       One default serving config is created along with your recommendation engine
 *                                       creation. The engine ID is used as the ID of the default serving
 *                                       config. For example, for Engine
 *                                       `projects/&#42;/locations/global/collections/&#42;/engines/my-engine`, you can use
 *                                       `projects/&#42;/locations/global/collections/&#42;/engines/my-engine/servingConfigs/my-engine`
 *                                       for your
 *                                       [RecommendationService.Recommend][google.cloud.discoveryengine.v1beta.RecommendationService.Recommend]
 *                                       requests. Please see
 *                                       {@see RecommendationServiceClient::servingConfigName()} for help formatting this field.
 * @param string $userEventEventType     User event type. Allowed values are:
 *
 *                                       Generic values:
 *
 *                                       * `search`: Search for Documents.
 *                                       * `view-item`: Detailed page view of a Document.
 *                                       * `view-item-list`: View of a panel or ordered list of Documents.
 *                                       * `view-home-page`: View of the home page.
 *                                       * `view-category-page`: View of a category page, e.g. Home > Men > Jeans
 *
 *                                       Retail-related values:
 *
 *                                       * `add-to-cart`: Add an item(s) to cart, e.g. in Retail online shopping
 *                                       * `purchase`: Purchase an item(s)
 *
 *                                       Media-related values:
 *
 *                                       * `media-play`: Start/resume watching a video, playing a song, etc.
 *                                       * `media-complete`: Finished or stopped midway through a video, song, etc.
 * @param string $userEventUserPseudoId  A unique identifier for tracking visitors.
 *
 *                                       For example, this could be implemented with an HTTP cookie, which should be
 *                                       able to uniquely identify a visitor on a single device. This unique
 *                                       identifier should not change if the visitor log in/out of the website.
 *
 *                                       Do not set the field to the same fixed ID for different users. This mixes
 *                                       the event history of those users together, which results in degraded model
 *                                       quality.
 *
 *                                       The field must be a UTF-8 encoded string with a length limit of 128
 *                                       characters. Otherwise, an `INVALID_ARGUMENT` error is returned.
 *
 *                                       The field should not contain PII or user-data. We recommend to use Google
 *                                       Analytics [Client
 *                                       ID](https://developers.google.com/analytics/devguides/collection/analyticsjs/field-reference#clientId)
 *                                       for this field.
 */
function recommend_sample(
    string $formattedServingConfig,
    string $userEventEventType,
    string $userEventUserPseudoId
): void {
    // Create a client.
    $recommendationServiceClient = new RecommendationServiceClient();

    // Prepare the request message.
    $userEvent = (new UserEvent())
        ->setEventType($userEventEventType)
        ->setUserPseudoId($userEventUserPseudoId);
    $request = (new RecommendRequest())
        ->setServingConfig($formattedServingConfig)
        ->setUserEvent($userEvent);

    // Call the API and handle any network failures.
    try {
        /** @var RecommendResponse $response */
        $response = $recommendationServiceClient->recommend($request);
        printf('Response data: %s' . PHP_EOL, $response->serializeToJsonString());
    } catch (ApiException $ex) {
        printf('Call failed with message: %s' . PHP_EOL, $ex->getMessage());
    }
}

/**
 * Helper to execute the sample.
 *
 * This sample has been automatically generated and should be regarded as a code
 * template only. It will require modifications to work:
 *  - It may require correct/in-range values for request initialization.
 *  - It may require specifying regional endpoints when creating the service client,
 *    please see the apiEndpoint client configuration option for more details.
 */
function callSample(): void
{
    $formattedServingConfig = RecommendationServiceClient::servingConfigName(
        '[PROJECT]',
        '[LOCATION]',
        '[DATA_STORE]',
        '[SERVING_CONFIG]'
    );
    $userEventEventType = '[EVENT_TYPE]';
    $userEventUserPseudoId = '[USER_PSEUDO_ID]';

    recommend_sample($formattedServingConfig, $userEventEventType, $userEventUserPseudoId);
}

Python

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder Python API.

# This snippet has been automatically generated and should be regarded as a
# code template only.
# It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
#   client as shown in:
#   https://googleapis.dev/python/google-api-core/latest/client_options.html
from google.cloud import discoveryengine_v1beta


def sample_recommend():
    # Create a client
    client = discoveryengine_v1beta.RecommendationServiceClient()

    # Initialize request argument(s)
    user_event = discoveryengine_v1beta.UserEvent()
    user_event.event_type = "event_type_value"
    user_event.user_pseudo_id = "user_pseudo_id_value"

    request = discoveryengine_v1beta.RecommendRequest(
        serving_config="serving_config_value",
        user_event=user_event,
    )

    # Make the request
    response = client.recommend(request=request)

    # Handle the response
    print(response)

Ruby

Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Agent Builder Ruby API.

require "google/cloud/discovery_engine/v1beta"

##
# Snippet for the recommend call in the RecommendationService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::DiscoveryEngine::V1beta::RecommendationService::Client#recommend.
#
def recommend
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::DiscoveryEngine::V1beta::RecommendationService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::DiscoveryEngine::V1beta::RecommendRequest.new

  # Call the recommend method.
  result = client.recommend request

  # The returned object is of type Google::Cloud::DiscoveryEngine::V1beta::RecommendResponse.
  p result
end