Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Começar a usar recomendações personalizadas
É possível criar rapidamente um app de recomendações personalizadas de última geração com seus próprios dados que pode sugerir conteúdo semelhante ao que o usuário está visualizando no momento.
Neste tutorial, explicamos como criar um app de recomendações personalizadas para dados estruturados. Nesse caso, os dados estruturados estão na forma de NDJSON
ingerido a partir de um bucket do Cloud Storage.
Antes de seguir este tutorial, siga as etapas descritas em Antes de começar.
Para seguir as instruções detalhadas desta tarefa diretamente no console do
Google Cloud , clique em Orientação:
Sign in to your Google Cloud account. If you're new to
Google Cloud,
create an account to evaluate how our products perform in
real-world scenarios. New customers also get $300 in free credits to
run, test, and deploy workloads.
In the Google Cloud console, on the project selector page,
select or create a Google Cloud project.
Esse bucket do Cloud Storage contém um arquivo de filmes formatado em NDJSON e
disponibilizado pela
Kaggle.
Clique em Continuar.
Atribua as propriedades principais da seguinte maneira:
Nome do campo
Propriedade da chave
homepage
uri
overview
description
Depois, clique em Continuar.
Insira um nome de exibição para seu repositório de dados e clique em Criar.
Clique no nome do seu repositório de dados.
Na página Dados, acesse a guia Atividade para consultar o status da sua ingestão de dados. Importação concluída aparece na
coluna Status quando o processo de importação é concluído. Para este conjunto de dados,
isso normalmente leva de dois a três minutos. Talvez seja necessário clicar em
Atualizar para ver Importação concluída.
Clique na guia Documentos para consultar os documentos importados.
Criar um app
Agora vamos criar um app de recomendações e vincular o repositório de dados criado anteriormente à ele.
Acesse a página Apps.
Clique em Criar app.
Na página Criar app, em Mecanismo de recomendações, clique em Criar.
No campo Nome do app, insira um nome para seu app. O ID do app
aparece abaixo do nome do app.
Clique em Continuar.
Na lista de repositórios de dados, selecione o recém-criado.
Clique em Criar.
Visualizar o app
No menu de navegação, clique em
Visualizar
para testar o app.
Se aparecer a mensagem "Acesse uma prévia do mecanismo de
recomendação aqui Ainda estamos preparando seu mecanismo. Verifique de novo mais
tarde", aguarde e atualize a página periodicamente. Talvez seja necessário esperar
algumas horas ou até o dia seguinte para visualizar seus dados.
Clique no campo ID do documento. Uma lista de IDs de documentos é exibida.
Clique no ID do documento para receber recomendações.
Como alternativa, insira um ID de documento no campo ID do documento.
Clique em Receber recomendações. Uma lista de documentos recomendados será exibida.
Clique em um documento para conferir os detalhes.
implantar o app
Não há widget de recomendações para implantar o app. Para testar o app
antes da implantação:
Acesse a página Dados e copie o ID de um documento.
Acesse a página Integração. Nesta página, incluímos um comando de amostra para o
método servingConfigs.recommend na API REST.
Cole o ID do documento copiado no campo ID do documento.
Deixe o campo PseudoID do usuário como está.
Copie o exemplo de solicitação e execute-o no Cloud Shell.
Os resultados são os IDs dos documentos recomendados com base no documento selecionado.
Para receber ajuda com a integração do app de recomendações ao seu app da Web,
consulte os exemplos de código para C#, Go, Java, Node.js, PHP e Ruby em
Receber recomendações para um app.
Limpar
Para evitar cobranças na conta do Google Cloud pelos
recursos usados nesta página, siga as etapas abaixo.
Para evitar cobranças do Google Cloud desnecessárias, use o
Google Cloud console para excluir o projeto se ele não for mais necessário.
Se você criou um projeto novo para aprender sobre aplicativos de IA e não
precisa mais dele, exclua o projeto.
Se você usou um projeto do Google Cloud que já existe, exclua os recursos criados para evitar
cobranças na sua conta: Para mais informações,
consulte Excluir um app.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-19 UTC."],[[["\u003cp\u003eThis tutorial guides you through building a generic recommendations app that suggests content similar to what users are currently viewing, utilizing structured data in NDJSON format from a Cloud Storage bucket.\u003c/p\u003e\n"],["\u003cp\u003eBefore starting, you must enable Vertex AI Agent Builder and follow the steps outlined in the "Before you begin" section.\u003c/p\u003e\n"],["\u003cp\u003eYou will learn to create a data store by importing structured data (JSONL) from a specified Cloud Storage bucket containing movie metadata, then configure key properties to map data fields.\u003c/p\u003e\n"],["\u003cp\u003eThe tutorial also covers the creation of a recommendations app, linking it to the previously created data store, and using the preview feature to test the recommendations engine.\u003c/p\u003e\n"],["\u003cp\u003eThe final steps involve demonstrating how to deploy your app, including using the REST API's \u003ccode\u003eservingConfigs.recommend\u003c/code\u003e method to get document recommendations, as well as cleaning up resources to avoid unnecessary charges.\u003c/p\u003e\n"]]],[],null,["# Get started with custom recommendations\n=======================================\n\n| **Note:** This feature is a Preview offering, subject to the \"Pre-GA Offerings Terms\" of the [GCP Service Specific Terms](https://cloud.google.com/terms/service-terms). Pre-GA products and features may have limited support, and changes to pre-GA products and features may not be compatible with other pre-GA versions. For more information, see the [launch stage descriptions](https://cloud.google.com/products#product-launch-stages). Further, by using this feature, you agree to the [Generative AI Preview terms and conditions](https://cloud.google.com/trustedtester/aitos) (\"Preview Terms\"). For this feature, you can process personal data as outlined in the [Cloud Data Processing Addendum](https://cloud.google.com/terms/data-processing-terms), subject to applicable restrictions and obligations in the Agreement (as defined in the Preview Terms).\n|\n| \u003cbr /\u003e\n|\nYou can quickly build a state-of-the-art custom recommendations app on your own\ndata that can suggest content similar to the content that the user is currently\nviewing.\n\nThis tutorial explains how to create a custom recommendations app for\nstructured data. In this case, the structured data is in the form of NDJSON\ningested from a Cloud Storage bucket.\n\nBefore following this tutorial, make sure you have done the steps in [Before you\nbegin](/generative-ai-app-builder/docs/before-you-begin).\n\n*** ** * ** ***\n\nTo follow step-by-step guidance for this task directly in the\nGoogle Cloud console, click **Guide me**:\n\n[Guide me](https://console.cloud.google.com/gen-app-builder/?tutorial=generative-ai-app-builder--genappbuilder-recommendations-intro)\n\n*** ** * ** ***\n\nBefore you begin\n----------------\n\n- Sign in to your Google Cloud account. If you're new to Google Cloud, [create an account](https://console.cloud.google.com/freetrial) to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n [Verify that billing is enabled for your Google Cloud project](/billing/docs/how-to/verify-billing-enabled#confirm_billing_is_enabled_on_a_project).\n\n-\n\n\n Enable the AI Applications, Cloud Storage APIs.\n\n\n [Enable the APIs](https://console.cloud.google.com/flows/enableapi?apiid=discoveryengine.googleapis.com,storage.googleapis.com)\n\n- In the Google Cloud console, on the project selector page,\n select or create a Google Cloud project.\n\n | **Note**: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.\n\n [Go to project selector](https://console.cloud.google.com/projectselector2/home/dashboard)\n-\n [Verify that billing is enabled for your Google Cloud project](/billing/docs/how-to/verify-billing-enabled#confirm_billing_is_enabled_on_a_project).\n\n-\n\n\n Enable the AI Applications, Cloud Storage APIs.\n\n\n [Enable the APIs](https://console.cloud.google.com/flows/enableapi?apiid=discoveryengine.googleapis.com,storage.googleapis.com)\n\n\u003cbr /\u003e\n\nEnable AI Applications\n----------------------\n\n1. In the Google Cloud console, go to the **AI Applications** page.\n\n [AI Applications](https://console.cloud.google.com/gen-app-builder/start)\n2. Optional: Click **Allow Google to selectively sample model input and\n responses**.\n\n3. Click **Continue and activate the API**.\n\nCreate a data store\n-------------------\n\nThis procedure guides you through creating a data store and uploading sample\ndata provided.\n\n1. Go to the **Data Stores** page.\n\n2. Click **Create data store**.\n\n3. On the **Select a data source** page, select **Cloud Storage**.\n\n4. On the **Import data from Cloud Storage** page, select **Structured\n data (JSONL)**.\n\n5. Click **File**.\n\n6. In the **gs://** field, enter the following value:\n\n ```\n cloud-samples-data/gen-app-builder/search/kaggle_movies/movie_metadata.ndjson\n ```\n\n This Cloud Storage bucket contains an NDJSON-formatted file of movies\n made available by\n [Kaggle](https://www.kaggle.com/datasets/rounakbanik/the-movies-dataset?select=movies_metadata.csv).\n7. Click **Continue**.\n\n8. Assign key properties as follows:\n\n And, click **Continue**.\n9. Enter a display name for your data store, and then click **Create**.\n\n10. Click the name of your data store.\n\n11. On the **Data** page, go to the **Activity** tab to see the\n status of your data ingestion. **Import completed** displays in the\n **Status** column when the import process is complete. For this dataset,\n this typically takes two to three minutes. You might need to click\n **Refresh** to see **Import completed**.\n\n12. Click the **Documents** tab to see the imported documents.\n\nCreate an app\n-------------\n\nNext, you create a recommendations app and link the data store you created previously.\n\n1. Go to the **Apps** page.\n\n2. Click **Create app**.\n\n3. On the **Create App** page, under **Recommendations engine** , click **Create**.\n\n4. In the **App name** field, enter a name for your app. Your app ID\n appears under the app name.\n\n5. Click **Continue**.\n\n6. In the list of data stores, select the data store that you created earlier.\n\n7. Click **Create**.\n\n### Preview your app\n\n1. In the navigation menu, click\n **Preview**\n to test the app.\n\n2. If you see the message \"You will be able to preview your recommendation\n engine here We are still preparing your engine, please check back\n later\", wait and periodically refresh the page. You might have to wait\n some hours or until the next day to preview your data.\n\n3. Click the **Document ID** field. A list of document IDs appears.\n\n4. Click the document ID for the document that you want recommendations for.\n Alternatively, enter a document ID into the **Document ID** field.\n\n5. Click **Get recommendations**. A list of recommended documents appears.\n\n6. Click a document to get document details.\n\n### Deploy your app\n\nThere is no recommendations widget for deploying your app. To test your app\nbefore deployment:\n\n1. Go to the **Data** page and copy a document **ID**.\n\n2. Go to the **Integration** page. This page includes a sample command for the\n [`servingConfigs.recommend`](/generative-ai-app-builder/docs/reference/rest/v1beta/projects.locations.dataStores.servingConfigs/recommend) method in the REST API.\n\n3. Paste the document ID you copied earlier into the **Document ID** field.\n\n4. Leave the **User Pseudo ID** field as is.\n\n5. Copy the example request and run it in Cloud Shell.\n\n The results are the IDs of documents recommended based on the document that you chose.\n\nFor help integrating the recommendations app into your web app,\nsee the code samples for C#, Go, Java, Node.js, PHP, and Ruby at\n[Get recommendations for an app](/generative-ai-app-builder/docs/preview-recommendations).\n\nClean up\n--------\n\n\nTo avoid incurring charges to your Google Cloud account for\nthe resources used on this page, follow these steps.\n\n1. To avoid unnecessary Google Cloud charges, use the [Google Cloud console](https://console.cloud.google.com/) to delete your project if you don't need it.\n2. If you created a new project to learn about AI Applications and you no longer need the project, [delete the project](https://console.cloud.google.com/cloud-resource-manager).\n3. If you used an existing Google Cloud project, delete the resources you created to avoid incurring charges to your account. For more information, see [Delete an app](/generative-ai-app-builder/docs/delete-engine).\n4. Follow the steps in [Turn off\n Vertex AI Search](/generative-ai-app-builder/docs/turn-off-enterprise-search).\n\nWhat's next\n-----------\n\n- [Introduction to Vertex AI Search](/generative-ai-app-builder/docs/enterprise-search-introduction)\n- [About apps and data stores](/generative-ai-app-builder/docs/create-datastore-ingest)"]]
