AlloyDB AI のユースケース

このページでは、AlloyDB for PostgreSQL の AI のユースケースについて説明します。また、アプローチの検討やアプリケーションの開発に役立つ Codelab とチュートリアルへのリンクも示します。

映画に関する質問に答える chatbot を作成する

このチュートリアルでは、GeminiVertex AI、AlloyDB LangChain 統合を使用する生成 AI chatbot を作成する方法について説明します。検索拡張生成(RAG)アプリケーションでベクトル検索を実行できるように、データベースから構造化データを抽出し、エンベディングを生成し、データをフォーマットする方法を学習します。

映画データベースを使用して、最も人気のある映画に関する情報で LLM を強化します。グラウンディングは、LLM の出力が正確で関連性があることを確認するのに役立ちます。

Vertex AI で LangChain を使用して RAG アプリケーションをデプロイする

このチュートリアルでは、Vertex AI SDK for Python と AlloyDB LangChain の統合を使用してエージェントをビルドしてデプロイする方法について説明します。

LangChain でエージェントとベクトルを使用して類似検索を行い、LLM レスポンスをグラウンディングするための関連データを取得する方法について学びます。

この Codelab では、モデル エンドポイント管理ベクトル検索などの AlloyDB AI 機能を使用して、関連する商品を見つける方法について説明します。

データベース データでモデル エンドポイント管理を使用してエンベディングを生成し、運用データを使用してベクトル類似性検索を行う方法について学びます。このチュートリアルでは、AlloyDB の Vertex AI エンベディング モデルと Vertex AI 生成 AI モデルを使用します。

この Codelab では、AlloyDB、pgvector 拡張機能、エンベディング、Gemini 1.5 Pro とともにベクトル検索を使用して、特許調査を改善する方法について説明します。

パーソナライズされたファッション スタイリング アシスタントを構築してデプロイする

次の Codelab では、Gemini、モデル エンドポイント管理、ベクトル検索、Vertex AI、エージェントを使用して、パーソナライズされたスタイル アシスタントを構築してデプロイする方法について説明します。

ベクトル データベースから AlloyDB にデータを移行する

次のチュートリアルでは、LangChain ベクトルストアを利用して、サードパーティのベクトル データベースから AlloyDB にデータを移行する方法について説明します。

次のベクトル データベースがサポートされています。Pinecone、Weaviate、Chroma、Qdrant、Milvus。

おもちゃ屋検索アプリを作成する

次の Codelab では、コンテキスト検索と、検索コンテキストに一致する商品のカスタム生成を使用して、パーソナライズされたシームレスな玩具店の検索エクスペリエンスを作成する方法について説明します。

AlloyDB の pgvector と生成 AI モデル拡張機能、リアルタイムの Cosine 類似性検索、Gemini 2.0 Flash、Gen AI Toolbox for Databases を使用します。

エージェントまたは生成 AI アプリケーションからデータベース クエリを呼び出すアプリケーションを作成する

次の Codelab では、データベース向け生成 AI ツールボックスを使用して、エージェントまたは生成 AI アプリケーションから呼び出せるシンプルな AlloyDB クエリを実行するアプリケーションを作成する方法について説明します。

AlloyDB とサーバーレス ランタイムを使用して AI を活用したコーディネート レコメンデーション アプリを構築する

次の Codelab では、AlloyDB AI とサーバーレス ランタイムを使用して、AI を活用した服装のおすすめアプリを作成する方法について説明します。ユーザーが衣服の写真をアップロードして、AI を活用したスタイルのおすすめと可視化を受け取る方法について説明します。

この Codelab では、 Google Cloud AlloyDB AI、Gemini 2.0、Imagen 3 などのテクノロジーを使用して、Cloud Run サーバーレス ランタイムにデプロイされるウェブ アプリケーションを作成します。

次のステップ