Halaman ini menjelaskan beberapa kasus penggunaan AI untuk AlloyDB untuk PostgreSQL, dengan link ke codelab dan tutorial yang dapat Anda gunakan untuk mempelajari pendekatan atau membantu Anda mengembangkan aplikasi.
Membuat chatbot untuk menjawab pertanyaan tentang film
Tutorial ini menunjukkan cara membuat chatbot AI generatif yang menggunakan Gemini, Vertex AI, dan integrasi AlloyDB LangChain. Anda akan mempelajari cara mengekstrak data terstruktur dari database, membuat penyematan, dan memformat data sehingga Anda dapat melakukan penelusuran vektor di aplikasi Retrieval-Augmented Generation (RAG).
Gunakan database film untuk melandasi LLM Anda dengan informasi tentang film yang paling populer. Pembumian membantu memastikan bahwa output LLM akurat dan relevan.
- Tutorial: Integrasi LangChain AlloyDB
Men-deploy aplikasi RAG dengan LangChain di Vertex AI
Tutorial ini menunjukkan cara mem-build dan men-deploy agen menggunakan Vertex AI SDK untuk Python dan integrasi AlloyDB LangChain.
Pelajari cara menggunakan agen dan vektor dengan LangChain untuk melakukan penelusuran kemiripan dan mengambil data terkait untuk melandasi respons LLM.
Menggunakan penelusuran kemiripan menggunakan indeks vektor untuk menemukan produk yang relevan
Codelab ini menunjukkan cara menggunakan fitur AlloyDB AI seperti pengelolaan endpoint model dan penelusuran vektor untuk membantu Anda menemukan produk yang relevan.
Pelajari cara membuat embedding menggunakan pengelolaan endpoint model pada data database dan menggunakan data operasional untuk melakukan penelusuran kemiripan vektor. Tutorial ini menggunakan model penyematan Vertex AI di AlloyDB dan model AI generatif Vertex AI.
Mempercepat penelusuran paten dan presisi penelusuran
Codelab ini menunjukkan cara meningkatkan riset paten menggunakan penelusuran vektor
bersama dengan AlloyDB, ekstensi pgvector,
penyematan, dan Gemini 1.5 Pro.
Membangun dan men-deploy asisten gaya busana yang dipersonalisasi
Codelab berikut menunjukkan cara mem-build dan men-deploy asisten gaya yang dipersonalisasi dengan Gemini, pengelolaan endpoint model, penelusuran vektor, Vertex AI, dan agen.
- Codelab: Bagian 1: Membuat Asisten Belanja Cerdas dengan AlloyDB dan Vertex AI Agent Builder
- Codelab: Bagian 2: Men-deploy Asisten Belanja Cerdas dengan AlloyDB dan Vertex AI Agent Builder
Memigrasikan data dari database vektor ke AlloyDB
Tutorial berikut menjelaskan cara memigrasikan data dari database vektor pihak ketiga ke AlloyDB yang memanfaatkan penyimpanan vektor LangChain.
Database vektor berikut didukung: Pinecone, Weaviate, Chroma, Qdrant, dan Milvus.
Membuat aplikasi penelusuran toko mainan
Codelab berikut menunjukkan cara membuat pengalaman penelusuran toko mainan yang dipersonalisasi dan lancar menggunakan penelusuran kontekstual dan pembuatan kustom produk yang cocok dengan konteks penelusuran.
Anda menggunakan ekstensi model AI generatif dan pgvector di AlloyDB, penelusuran kemiripan Cosine real-time, Gemini 2.0 Flash, dan Gen AI Toolbox for Databases.
Mem-build aplikasi yang memanggil kueri database dari agen atau aplikasi AI generatif Anda
Codelab berikut menunjukkan cara mem-build aplikasi yang menggunakan Gen AI Toolbox for Databases untuk melakukan kueri AlloyDB sederhana yang dapat Anda panggil dari agen atau dari aplikasi AI generatif.
Membangun aplikasi rekomendasi pakaian yang didukung AI dengan AlloyDB dan runtime serverless
Codelab berikut menunjukkan cara mem-build aplikasi rekomendasi pakaian yang didukung AI dengan AlloyDB AI dan runtime serverless. Video ini menjelaskan cara pengguna mengupload gambar pakaian dan menerima rekomendasi gaya dan visualisasi berbasis AI.
Codelab ini menggunakan Google Cloud teknologi seperti AlloyDB AI, Gemini 2.0, dan Imagen 3 untuk membuat aplikasi web yang di-deploy di runtime serverless Cloud Run.
- Codelab: Mem-build aplikasi rekomendasi pakaian yang didukung AI dengan AlloyDB dan runtime serverless
Langkah berikutnya
- Buat indeks.
- Mendaftarkan dan memanggil model AI jarak jauh menggunakan pengelolaan endpoint model.
- Pelajari performa kueri vektor ScaNN.