Erste Schritte mit allgemeinen Empfehlungen

Erste Schritte mit allgemeinen Empfehlungen

Hinweis: Dieses Feature ist ein Vorschauangebot, das den Pre-GA-Bedingungen in den Nutzungsbedingungen des GCP-Dienstes unterliegt. Pre-GA-Produkte und -Funktionen werden eventuell nur eingeschränkt unterstützt. Änderungen an Pre-GA-Produkten und -Funktionen sind möglicherweise nicht mit anderen Pre-GA-Versionen kompatibel. Weitere Informationen finden Sie unter den Beschreibungen der Startphase. Wenn Sie diese Funktion verwenden, stimmen Sie außerdem den Nutzungsbedingungen für die Vorschau der generativen KI zu ("Vorschaubedingungen"). Für diese Funktion können personenbezogene Daten gemäß dem Zusatz zur Verarbeitung von Cloud-Daten verarbeitet werden, vorbehaltlich der geltenden Einschränkungen und Verpflichtungen in der Vereinbarung (wie in den Vorschaubedingungen definiert).

Sie können schnell eine hochmoderne allgemeine Empfehlungsanwendung auf Basis Ihrer eigenen Daten erstellen, die ähnliche Inhalte wie die vom Nutzer gerade angezeigten Inhalte vorschlägt.

In dieser Anleitung wird erläutert, wie Sie eine allgemeine Empfehlungsanwendung für strukturierte Daten erstellen. In diesem Fall haben die strukturierten Daten das Format NDJSON und wurden aus einem Cloud Storage-Bucket aufgenommen.

Bevor Sie mit dieser Anleitung beginnen, führen Sie die Schritte unter Bevor Sie beginnen aus.

---

Klicken Sie auf Anleitung, um eine detaillierte Anleitung für diese Aufgabe direkt in der Google Cloud Console aufzurufen.

Anleitung

---

Hinweise

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI Agent Builder, Cloud Storage APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Vertex AI Agent Builder, Cloud Storage APIs.

   Enable the APIs

Vertex AI Agent Builder aktivieren

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

   Zum Agent Builder

2. Lesen und akzeptieren Sie die Nutzungsbedingungen und klicken Sie anschließend auf Fortfahren und API aktivieren.

Datenspeicher erstellen

In dieser Anleitung wird beschrieben, wie Sie einen Datenspeicher erstellen und die bereitgestellten Beispieldaten hochladen.

1. Rufen Sie die Seite Datenspeicher auf.

2. Klicken Sie auf Datenspeicher erstellen.

3. Wählen Sie auf der Seite Datenquelle auswählen die Option Cloud Storage aus.

4. Wählen Sie auf der Seite Daten aus Cloud Storage importieren die Option Strukturierte Daten (JSONL).

5. Klicken Sie auf Datei.

6. Geben Sie im Feld gs:// den folgenden Wert ein:

   cloud-samples-data/gen-app-builder/search/kaggle_movies/movie_metadata.ndjson
   

   Dieser Cloud Storage-Bucket enthält eine NDJSON-formatiertes Datei mit Filmen, die von Kaggle zur Verfügung gestellt werden.

7. Klicken Sie auf Weiter.

8. Weisen Sie die wichtigsten Attribute so zu:

   Feldname	Schlüsselattribut
   homepage	uri
   original_title	title
   overview	description

   Und klicken Sie auf Weiter.

9. Geben Sie einen Anzeigenamen für den Datenspeicher ein und klicken Sie auf Erstellen.

10. Klicken Sie auf den Namen des Datenspeichers.

11. Wechseln Sie auf der Seite Daten zum Tab Aktivität, um den Status der Datenaufnahme zu sehen. In der Spalte Status wird Import abgeschlossen angezeigt, wenn der Importvorgang abgeschlossen ist. Bei diesem Dataset dauert dies in der Regel zwei bis drei Minuten. Möglicherweise müssen Sie auf Aktualisieren klicken, damit Import abgeschlossen angezeigt wird.

12. Klicken Sie auf den Tab Dokumente, um die importierten Dokumente aufzurufen.

App erstellen

Als Nächstes erstellen Sie eine Empfehlungsanwendung und verknüpfen den zuvor erstellten Datenspeicher.

1. Gehen Sie auf die Seite Apps

2. Klicken Sie auf App erstellen.

3. Klicken Sie auf der Seite Anwendung erstellen unter Empfehlungsmodul auf Erstellen.

4. Geben Sie im Feld Anwendungsname einen Namen für die Anwendung ein. Die Anwendungs-ID wird unter dem Namen der Anwendung angezeigt.

5. Klicken Sie auf Weiter.

6. Wählen Sie in der Liste der Datenspeicher den Datenspeicher aus, den Sie zuvor erstellt haben.

7. Klicken Sie auf Erstellen.

App als Vorschau

1. Klicken Sie im Navigationsmenü auf Vorschau, um die Anwendung zu testen.

2. Wenn Sie die Meldung „Sie werden hier auf eine Vorschau Ihres Empfehlungssystems zugreifen können, aber die Engine wird noch vorbereitet. Bitte versuchen Sie es später noch einmal.“ sehen, warten Sie und aktualisieren Sie die Seite regelmäßig. Möglicherweise müssen Sie einige Stunden oder bis zum nächsten Tag warten, um eine Vorschau der Daten zu sehen.

3. Klicken Sie auf das Feld Dokument-ID. Eine Liste der Dokument-IDs wird angezeigt.

4. 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.

5. Klicken Sie auf Empfehlungen erhalten. Eine Liste mit empfohlenen Dokumenten wird angezeigt.

6. Klicken Sie auf ein Dokument, um Details dazu abzurufen.

Anwendung bereitstellen

Es gibt kein Empfehlungs-Widget für die Bereitstellung Ihrer App. So testen Sie Ihre Anwendung vor der Bereitstellung:

1. Rufen Sie die Seite Daten auf und kopieren Sie die ID eines Dokuments.

2. Rufen Sie die Seite Einbindung auf. Diese Seite enthält einen Beispielbefehl für die Methode servingConfigs.recommend in der REST API.

3. Fügen Sie die zuvor kopierte Dokument-ID in das Feld Dokument-ID ein.

4. Lassen Sie das Feld Pseudo-ID des Nutzers unverändert.

5. Kopieren Sie die Beispielanfrage und führen Sie sie in Cloud Shell aus.

   Die Ergebnisse sind die IDs der Dokumente, die auf Grundlage des von Ihnen ausgewählten Dokuments empfohlen werden.

Informationen zur Integration der Empfehlungsanwendung in Ihre Webanwendung finden Sie in den Codebeispielen für C#, Go, Java, Node.js, PHP und Ruby im Abschnitt Empfehlungen für eine strukturierte Anwendung erhalten.

Bereinigen

Mit den folgenden Schritten vermeiden Sie, dass Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen in Rechnung gestellt werden:

1. Löschen Sie das Projekt mit der Google Cloud Console, wenn Sie es nicht benötigen, um unnötige Google Cloud -Gebühren zu vermeiden.
2. Wenn Sie ein neues Projekt erstellt haben, um mehr über Vertex AI Agent Builder zu erfahren, und dieses Projekt nicht mehr benötigen, löschen Sie es.
3. Wenn Sie ein vorhandenes Google Cloud -Projekt verwendet haben, löschen Sie die von Ihnen erstellten Ressourcen. So vermeiden Sie, dass Ihrem Konto Gebühren in Rechnung gestellt werden: Weitere Informationen finden Sie im Abschnitt Anwendung löschen.
4. Führen Sie die Schritte unter Vertex AI Agent Builder deaktivieren aus.

Nächste Schritte

• Einführung in Vertex AI Search
• Apps und Datenspeicher