Casi d'uso di AlloyDB AI

Questa pagina descrive alcuni casi d'uso dell'IA per AlloyDB per PostgreSQL, con link a codelab e tutorial che puoi utilizzare per esplorare approcci o per aiutarti a sviluppare la tua applicazione.

Creare un chatbot per rispondere a domande sui film

Questo tutorial mostra come creare un chatbot di IA generativa che utilizza Gemini, Vertex AI e l'integrazione di AlloyDB LangChain. Scopri come estrarre dati strutturati dal tuo database, generare incorporamenti e formattare i dati in modo da poter eseguire ricerche vettoriali in un'applicazione Retrieval-Augmented Generation (RAG).

Utilizza un database di film per basare il tuo LLM su informazioni sui film più popolari. Il grounding contribuisce a garantire che l'output dell'LLM sia accurato e pertinente.

Esegui il deployment di un'applicazione RAG con LangChain su Vertex AI

Questo tutorial mostra come creare ed eseguire il deployment di un agente utilizzando l'SDK Vertex AI per Python e l'integrazione di LangChain di AlloyDB.

Scopri come utilizzare agenti e vettori con LangChain per eseguire una ricerca di somiglianza e recuperare i dati correlati per basare le risposte dell'LLM.

Questo codelab mostra come utilizzare le funzionalità di AlloyDB AI, come la gestione degli endpoint dei modelli e la ricerca vettoriale, per aiutarti a trovare prodotti pertinenti.

Scopri come generare embedding utilizzando la gestione degli endpoint del modello sui dati del database e utilizza i dati operativi per eseguire ricerche di somiglianza di vettori. Questo tutorial utilizza un modello di embedding di Vertex AI in AlloyDB e nei modelli di IA generativa di Vertex AI.

Questo codelab mostra come migliorare la ricerca di brevetti utilizzando la ricerca vettoriale insieme ad AlloyDB, all'estensione pgvector, agli incorporamenti e a Gemini 1.5 Pro.

Crea ed esegui il deployment di un assistente alla moda personalizzato

I seguenti codelab mostrano come creare ed eseguire il deployment di un assistente di stile personalizzato con Gemini, gestione degli endpoint dei modelli, ricerca vettoriale, Vertex AI e agenti.

Eseguire la migrazione dei dati da un database di vettori ad AlloyDB

Il seguente tutorial descrive come eseguire la migrazione dei dati da un database vettoriale di terze parti ad AlloyDB sfruttando gli archivi vettoriali LangChain.

Sono supportati i seguenti database vettoriali: Pinecone, Weaviate, Chroma, Qdrant e Milvus.

Creare un'app di ricerca di negozi di giocattoli

Il seguente codelab mostra come creare un'esperienza di ricerca personalizzata e fluida in un negozio di giocattoli utilizzando la ricerca contestuale e la generazione personalizzata del prodotto corrispondente al contesto di ricerca.

Utilizza le estensioni pgvector e del modello di IA generativa in AlloyDB, una ricerca di somiglianza di Cosine in tempo reale, Gemini 2.0 Flash e la Gen AI Toolbox per i database.

Crea un'applicazione che richiami una query del database dal tuo agente o da un'applicazione di IA generativa

Il seguente codelab mostra come creare un'applicazione che utilizza la cassetta degli attrezzi di AI generativa per i database per eseguire una semplice query AlloyDB che puoi richiamare dal tuo agente o da un'applicazione di AI generativa.

Crea un'app di consigli sugli abiti basata sull'IA con AlloyDB e runtime serverless

Il seguente codelab mostra come creare un'app di consigli sugli abbinamenti basata sull'IA con AlloyDB AI e runtime serverless. Spiega come gli utenti possono caricare un'immagine di abbigliamento e ricevere consigli e visualizzazioni di stili basati sull'IA.

Il codelab utilizza Google Cloud tecnologie come AlloyDB AI, Gemini 2.0 e Imagen 3 per creare un'applicazione web di cui viene eseguito il deployment nel runtime serverless Cloud Run.

Passaggi successivi