Tecnologie di AI generativa
Documentazione e risorse per l'intero ciclo di vita della creazione di applicazioni di AI generativa con Google Cloud strumenti e prodotti.
Inizia la tua proof of concept con 300 $di credito gratuito
- Accedere a Gemini 2.0 Flash Thinking
- Utilizzo mensile gratuito di prodotti popolari, tra cui le API di AI e BigQuery
- Nessun addebito automatico, nessun impegno
Continua a esplorare con oltre 20 prodotti Always Free
Accedi a oltre 20 prodotti gratuiti per casi d'uso comuni, tra cui API AI, VM, data warehouse e altro ancora.
Scopri di più sulla creazione di applicazioni di AI generativa
AI generativa su Vertex AI
Guida rapida di Gemini
Orchestrazione di AI/ML su GKE
Quando utilizzare l'AI generativa
Sviluppare un'applicazione di AI generativa
Esempi di codice e applicazioni di esempio
Glossario dell'AI generativa
Strumenti di AI generativa
Flusso di sviluppo dell'AI generativa
Esplorazione e hosting del modello
Google Cloud fornisce un insieme di modelli di base all'avanguardia tramite Vertex AI, tra cui Gemini. Puoi anche eseguire il deployment di un modello di terze parti in Vertex AI Model Garden o l'hosting autonomo su GKE o Compute Engine.
Modelli Google su Vertex AI (Gemini, Imagen)
Altri modelli in Vertex AI Model Garden
Modelli di generazione del testo tramite HuggingFace
GPU su Compute Engine
Progettazione e ingegneria dei prompt
La progettazione dei prompt è il processo di creazione di coppie di prompt e risposte per fornire ai modelli linguistici contesto e istruzioni aggiuntivi. Dopo aver creato i prompt, li fornisci al modello come set di dati di prompt per il preaddestramento. Quando un modello fornisce previsioni, risponde con le tue istruzioni integrate.
Vertex AI Studio
Panoramica delle strategie di prompting
Galleria dei prompt
Grounding e RAG
Il grounding collega i modelli di AI alle origini dati per migliorare l'accuratezza delle risposte e ridurre le allucinazioni. La RAG, una tecnica di grounding comune, cerca informazioni pertinenti e le aggiunge al prompt del modello, garantendo che l'output si basi su fatti e informazioni aggiornate.
Vertex AI grounding
Grounding con la Ricerca Google
Vector embedding in AlloyDB
Cloud SQL e pgvector
Integrazione dei dati BigQuery nell'applicazione LangChain
Vector embedding in Firestore
Incorporamenti vettoriali in Memorystore (Redis)
Agenti e chiamate di funzioni
Gli agenti semplificano la progettazione e l'integrazione di un'interfaccia utente conversazionale nella tua app mobile, mentre la chiamata di funzioni estende le funzionalità di un modello.
Applicazioni AI
Vertex AI Function calling
Personalizzazione e addestramento dei modelli
Attività specializzate, come l'addestramento di un modello linguistico su una terminologia specifica, potrebbero richiedere un addestramento più approfondito rispetto a quello che puoi fare solo con la progettazione o la fondatezza dei prompt. In questo scenario, puoi utilizzare l'ottimizzazione del modello per migliorare le prestazioni o addestrare il tuo modello.