Crea applicazioni di AI generativa utilizzando Cloud SQL

Questa pagina fornisce una panoramica delle funzionalità offerte da Cloud SQL per PostgreSQL per aiutarti a creare applicazioni di AI generativa. Per iniziare a utilizzare un'applicazione di esempio, consulta Iniziare a utilizzare Cloud SQL per le applicazioni di AI generativa.

RAG (Retrieval-Augmented Generation) è una tecnica per ottimizzare l'output di un modello linguistico di grandi dimensioni (LLM) facendo riferimento a una knowledge base autorevole prima di generare una risposta. RAG migliora le applicazioni di AI generativa migliorandone l'accuratezza. I database Cloud SQL offrono funzionalità selezionate per applicazioni RAG e di AI generativa, come spiegato in questa pagina.

Genera incorporamenti vettoriali

Gli incorporamenti vettoriali sono essenziali per RAG perché consentono una comprensione semantica e un'efficiente ricerca di somiglianze. Questi incorporamenti sono rappresentazioni numeriche di testo, immagini, audio e video. I modelli di incorporamento generano gli incorporamenti vettoriali in modo che, se due contenuti sono semanticamente simili, i rispettivi incorporamenti si trovano vicini tra loro nello spazio vettoriale di incorporamento.

Cloud SQL si integra con Vertex AI. Puoi utilizzare i modelli ospitati da Vertex AI per generare incorporamenti vettoriali mediante query SQL.

Cloud SQL estende la sintassi PostgreSQL con una funzione di incorporamento per generare incorporamenti vettoriali di testo. Dopo aver generato questi incorporamenti, puoi archiviarli in un database Cloud SQL senza bisogno di un database vettoriale separato.

Puoi anche utilizzare Cloud SQL per archiviare gli incorporamenti vettoriali generati al di fuori di Cloud SQL. Ad esempio, puoi archiviare gli incorporamenti vettoriali generati utilizzando modelli preaddestrati in Vertex AI Model Garden. Puoi utilizzare questi incorporamenti vettoriali come input per le funzioni di pgvector per ricerche di somiglianze e semantiche.

Archivia, indicizza ed esegui query sugli incorporamenti vettoriali con pgvector

Puoi archiviare, indicizzare ed eseguire query su incorporamenti vettoriali in Cloud SQL utilizzando l'estensione PostgreSQL pgvector.

Per saperne di più sulla configurazione di questa estensione, vedi Configurare le estensioni PostgreSQL. Per ulteriori informazioni sull'archiviazione, l'indicizzazione e l'esecuzione di query sugli incorporamenti vettoriali, vedi Archiviare un incorporamento generato e Incorporare query e indicizzare utilizzando pgvector.

Richiamare previsioni online utilizzando query SQL

Puoi richiamare le previsioni online utilizzando modelli archiviati in Vertex AI Model Garden utilizzando query SQL.

Utilizzare l'integrazione LangChain

Cloud SQL si integra con LangChain, un framework di orchestrazione LLM open source, per semplificare lo sviluppo di applicazioni di AI generativa. Puoi utilizzare i seguenti pacchetti LangChain:

Migliora le prestazioni della ricerca vettoriale

Puoi migliorare le prestazioni di una ricerca vettoriale utilizzando quanto segue:

  • Cache dei dati: utilizza una cache di dati integrata che sfrutta un SSD locale veloce per archiviare le pagine di dati lette di frequente. Puoi ottenere un miglioramento delle prestazioni di lettura fino a tre volte superiore rispetto alla lettura da un disco permanente.

  • Metriche della cache di dati: ottimizza le query in base all'efficacia con cui la cache dei dati viene utilizzata in una ricerca vettoriale.

    Cloud SQL fornisce le seguenti metrics in Metrics Explorer in Cloud Monitoring:

    Metrica Descrizione Etichetta metrica
    Cache di dati utilizzata Utilizzo della cache dei dati (in byte) database/data_cache/bytes_used
    Quota cache dei dati Le dimensioni massime della cache dati (in byte) database/data_cache/quota
    Numero di successo della cache dei dati Il numero totale di operazioni di lettura successo della cache dei dati per un'istanza database/postgresql/data_cache/hit_count
    Conteggio fallimento della cache dei dati Il numero totale di operazioni di lettura fallimento della cache dei dati per un'istanza database/postgresql/data_cache/miss_count
    Percentuale successi cache dati Il rapporto tra le operazioni di lettura successo della cache dei dati e le operazioni di lettura fallimento della cache dei dati per un'istanza.
    database/postgresql/data_cache/hit_ratio

  • Approfondimenti sul sistema: fornisce metriche di sistema come utilizzo della CPU, utilizzo del disco e velocità effettiva per aiutarti a monitorare l'integrità delle istanze e risolvere i problemi che influiscono sulle prestazioni delle tue applicazioni di AI generativa. Per visualizzare queste metriche, utilizza la dashboard degli insight sul sistema di Cloud SQL.

  • Query Insights: consente di rilevare, diagnosticare e prevenire problemi di prestazioni delle query. Ciò è utile per migliorare le prestazioni della ricerca vettoriale nelle tue applicazioni di AI generativa.

    Puoi utilizzare la dashboard Query Insights di Cloud SQL per osservare le prestazioni delle query principali e analizzarle utilizzando piani di query visive. Puoi anche monitorare le prestazioni a livello di applicazione e tracciare l'origine di una query problematica nello stack di applicazioni fino al database utilizzando SQLcommenter. Si tratta di una libreria di strumentazione automatica open source di mappatura relazionale di oggetti (ORM).

    Query Insights consente inoltre di integrare gli strumenti di monitoraggio delle applicazioni (APM) esistenti in modo da poter risolvere i problemi relativi alle query utilizzando strumenti che conoscono.

Vantaggi dell'utilizzo di Cloud SQL per le applicazioni di AI generativa

L'utilizzo di Cloud SQL per creare applicazioni di AI generativa offre quanto segue:

  • Utilizza PostgreSQL per creare applicazioni di AI generativa. Cloud SQL per PostgreSQL supporta pgvector e si integra con Vertex AI e LangChain.
  • Usa un servizio affidabile con protezione, sicurezza e governance dei dati di livello aziendale. Utilizzando Cloud SQL, ottieni i seguenti vantaggi:
    • Uno SLA ad alta disponibilità del 99,99% che include la manutenzione
    • Un servizio gestito che fornisce funzionalità come backup automatici, replica, patch, crittografia e aumenti automatici della capacità di archiviazione
    • Funzionalità di sicurezza, governance e conformità
  • Combinazione con dati operativi contestuali. Usa join e filtri sui dati operativi mentre utilizzi gli incorporamenti vettoriali per ottenere risposte contestuali, accurate e aggiornate nelle tue applicazioni di AI generativa.
  • Riduci il lavoro manuale. Utilizza Cloud SQL come database vettoriale per ridurre il lavoro manuale associato all'esportazione dei dati in un database vettoriale separato.
  • Accedi ai più recenti modelli di IA generativa. Utilizza le query SQL per accedere ai più recenti modelli di AI ospitati in Vertex AI.

Inizia a utilizzare Cloud SQL per le applicazioni di AI generativa

Per iniziare a creare applicazioni di IA generativa, utilizza questa app di esempio, che utilizza Cloud SQL, Google Kubernetes Engine e Vertex AI.

La soluzione include i seguenti contenuti:

  • Modelli Terraform per configurare la tua infrastruttura con best practice per la sicurezza
  • Un'app di esempio per un chatbot basato su LLM

Passaggi successivi