Google kündigt AI-Shopping-Assistent mit AlloyDB und Vertex AI Agent Builder an

In der heutigen schnelllebigen Einzelhandelswelt ist die Bereitstellung personalisierter Einkaufserlebnisse entscheidend. Dieser Artikel beleuchtet, wie man einen intelligenten Einkaufsassistenten mit Googles AlloyDB und Vertex AI Agent Builder erstellt, inspiriert vom Code Vipassana Season 7 Codelab. Das Ziel? Einen KI-Agenten zu entwickeln, der sofortige Antworten und Produktempfehlungen liefert, die auf die individuellen Vorlieben jedes Kunden zugeschnitten sind. Wir werden die wesentlichen Komponenten untersuchen, die Herausforderungen angehen und die Schritte skizzieren, um diese Lösung innerhalb des Google Cloud-Ökosystems zu entwickeln.

Wichtige Punkte

• AlloyDB und Vertex AI Agent Builder sind zentrale Werkzeuge für die Entwicklung KI-gestützter Einkaufsassistenten.
• Das Codelab legt den Fokus darauf, einen Agenten zu erstellen, der die Absichten der Kunden versteht und relevante Produktvorschläge bietet.
• Wichtige Schritte umfassen das Einrichten einer AlloyDB-Instanz, das Importieren eines E-Commerce-Datensatzes und das Erzeugen von Einbettungen.
• Der zweite Teil des Labs konzentriert sich auf die Schritte des Agent Builders, insbesondere die Integration des Agenten mit den Daten.
• Wir werden auch alternative Dokumentationen für gcloud-Befehle betrachten.

Die Grundlagen verstehen: AlloyDB und Vertex AI Agent Builder

Was sind AlloyDB und Vertex AI Agent Builder?

AlloyDB für PostgreSQL ist ein vollständig verwalteter, PostgreSQL-kompatibler Datenbankdienst, der für anspruchsvolle Unternehmensarbeitslasten entwickelt wurde. Er bietet überlegene Leistung, Verfügbarkeit und Skalierbarkeit im Vergleich zu Standard-PostgreSQL und ist ideal für die Datenspeicherung und interne Analysen, die beim Verständnis des Kontexts helfen.

Andererseits bietet Vertex AI Agent Builder Werkzeuge, um schnell intelligente Konversationsassistenten zu erstellen. Durch die Kombination von AlloyDB für die Datenspeicherung, einem internen Analyse-Engine für Kontext, Gemini (einem großen Sprachmodell) für Relevanzprüfung und Googles Agent Builder können Sie eine nahtlose Chat-Anwendung erstellen, die Kundenanfragen effektiv behandelt und sie durch die Produktentdeckung führt.

Code Vipassana Season 7: Entwicklung agentischer Anwendungen

Code Vipassana Season 7 konzentriert sich auf die Entwicklung agentischer Anwendungen mit Google Cloud-Datenbanken, Agent Builder und einer Reasoning Engine. Die Staffel legt den Schwerpunkt auf die Nutzung der Fähigkeiten von Google Cloud, um datengesteuerte KI-Anwendungen zu entwickeln, mit einem Fokus auf generative Modelle und agentische Arbeitsabläufe. Diese Anwendungen sind darauf ausgelegt, konversationelle Unterstützung zu verbessern, Kundeninteraktionen zu optimieren und personalisierte Erlebnisse zu bieten. Eine herausragende Sitzung dieser Staffel führt Sie durch den Aufbau eines intelligenten Einkaufsassistenten mit AlloyDB und Vertex AI Agent Builder.

Durch die Integration von Google Cloud-Datenbanken und Reasoning Engines ist das Ziel, KI-Anwendungen zu entwickeln, die sich auf Daten konzentrieren.

Die Herausforderung: Erwartungen moderner Einzelhandelskunden

Die heutigen Einzelhandelskunden fordern sofortige Antworten und Produktempfehlungen, die ihren individuellen Vorlieben entsprechen. Traditionelle Suchmethoden scheitern oft daran, dieses Maß an Personalisierung zu bieten.

Kunden möchten KI direkt zur Hand haben, die ihnen hilft, Artikel zu finden, Details liefert und vieles mehr. Traditionelle Suchen fehlt die Raffinesse, um die Kundenabsicht genau zu erfassen, was zu irrelevanten oder generischen Ergebnissen führt. Dies unterstreicht die Notwendigkeit für intelligentere, personalisierte Lösungen, um den sich entwickelnden Anforderungen moderner Einzelhandelskunden gerecht zu werden. Die Lösung? Eine reichhaltige Wissensbasis aus Einzelhandelsdaten nutzen, um die Kundenabsicht zu verstehen, intelligent zu reagieren und hyper-relevante Ergebnisse durch eine wissensgesteuerte Chat-Anwendung zu liefern.

Einrichtung und Konfiguration von Google Cloud

Beanspruchen von Google Cloud-Guthaben

Der erste Schritt besteht darin, Google Cloud-Guthaben zu beanspruchen, die über das Code Vipassana-Programm angeboten werden. Diese Guthaben sind entscheidend für den Zugriff und die Nutzung der für das Codelab benötigten Google Cloud-Ressourcen. Sie erhalten einen Link in Ihrer Registrierungs-E-Mail, um diese Guthaben einzulösen.

Um Ihre Guthaben zu beanspruchen, folgen Sie dem Link in Ihrer Registrierungs-E-Mail und füllen Sie die erforderlichen Informationen aus. Es wird empfohlen, Chrome oder Firefox zu verwenden, da andere Systeme und Browser Probleme verursachen könnten.

Erstellen eines neuen Google Cloud-Projekts

Das Erstellen eines neuen Google Cloud-Projekts schafft eine dedizierte Umgebung für den Aufbau Ihres intelligenten Einkaufsassistenten und stellt sicher, dass Ressourcen organisiert und effektiv verwaltet werden.

Wenn Sie bereit sind zu beginnen, ist das Erste, was Sie tun, dieses Projekt zu erstellen. Sie können es beliebig benennen, zum Beispiel "CV S7" (Code Vipassana Season 7). So geht’s:

1. Melden Sie sich bei der Google Cloud Console an.
2. Klicken Sie oben auf der Seite auf den Projektwähler.
3. Wählen Sie "Neues Projekt".
4. Geben Sie einen Projektnamen ein und konfigurieren Sie die Projekteinstellungen.
5. Erstellen Sie das Projekt.
6. Überprüfen Sie abschließend, ob die Abrechnung aktiviert ist.

Zugang zu Cloud Shell

Cloud Shell ist eine Befehlszeilenumgebung, die in Google Cloud läuft und mit essentiellen Werkzeugen wie gcloud und bq vorinstalliert ist. Sie ermöglicht es Ihnen, Befehle direkt aus Ihrem Browser in Google Cloud auszuführen.

Um Cloud Shell zu aktivieren:

1. Klicken Sie auf das Symbol "Cloud Shell aktivieren" oben in der Google Cloud Console.
2. Warten Sie, bis das Cloud Shell-Terminal geladen ist.
3. Führen Sie den Befehl gcloud auth list aus, um sicherzustellen, dass Sie authentifiziert sind.
4. Führen Sie den Befehl gcloud config list project aus, um zu überprüfen, ob gcloud Ihr Projekt kennt.

Diese Einrichtung ermöglicht eine nahtlose Integration und Verbindung von Befehlen mit Ihrem KI-Agenten.

Erstellen des AlloyDB-Clusters und Laden des E-Commerce-Datensatzes

Erstellen eines Clusters und einer Instanz

Bevor Sie Daten laden können, müssen Sie AlloyDB-Instanzen einrichten. Sie müssen AlloyDB Studio für die Dateneingabe konfigurieren und die ID "shopping-cluster" sowie die PostgreSQL-Version 15 verwenden.

Laden eines E-Commerce-Datensatzes

Als Nächstes füttern Sie das KI-Gehirn mit Informationen, die es mit Kunden teilen kann. Durch das Importieren spezifischer CSV-Dateien kann AlloyDB einen Datensatz lernen, der an die KI weitergegeben wird. Folgen Sie einfach der Dokumentation, und Ihre Einrichtung wird in gutem Zustand sein.

Aktivieren der pgvector- und Generativen KI-Modell-Erweiterungen in AlloyDB

Um Daten in Vektoren umzuwandeln, müssen Sie pgvector aktivieren. Zusätzlich müssen Sie eine Erweiterung für Googles KI-Modelle erstellen.

Diese Modelle ermöglichen Aktionen wie Echtzeitsuchen, die später mit Vertex AI integriert werden können. Diese Erweiterungen sind entscheidend, da sie Daten in ein durchsuchbareres Format für den KI-Assistenten umwandeln.

Einrichten des VPC-Netzwerks (wichtig für die Sicherheit)

Das Einrichten eines VPC ermöglicht die Erstellung eines Netzwerks, das nur über interne IP-Adressen zugänglich ist. Stellen Sie sicher, dass Sie Folgendes für diesen Schritt erstellen:

Berechtigungen und Rollen zuweisen: Vertex AI User & Berechtigungen gewähren

Nach dem Einrichten des privaten Dienstverbindungszugriffs müssen Sie die Rolle Vertex AI User zuweisen. Zusätzlich sollten die folgenden Berechtigungen eingerichtet werden:

• Vertex AI User
• Embeddings
• Function

Vorteile und Nachteile der intelligenten Einkaufsassistenten-Lösung

Vorteile

• Personalisiertes Einkaufserlebnis
• Sofortige Antworten und Produktempfehlungen
• Verbessertes Kundenengagement
• Skalierbare und zuverlässige Infrastruktur
• Fortgeschrittene Analysen zur Erfassung des Kundenverhaltens

Nachteile

• Potentielle Komplexität bei Einrichtung und Konfiguration
• Abhängigkeit vom Google Cloud-Ökosystem
• Kosten im Zusammenhang mit AlloyDB- und Vertex AI-Diensten
• Erfordert Expertise in KI- und Datenbanktechnologien
• Datenschutz- und Sicherheitsbedenken erfordern sorgfältige Überlegungen

FAQ

Was ist AlloyDB?

AlloyDB für PostgreSQL ist ein vollständig verwalteter Datenbankdienst, der für anspruchsvolle Unternehmensarbeitslasten entwickelt wurde und überlegene Leistung, Verfügbarkeit und Skalierbarkeit bietet.

Was ist Vertex AI Agent Builder?

Vertex AI Agent Builder bietet Werkzeuge, um schnell intelligente Konversationsassistenten zu erstellen, die personalisierten Kundenservice ermöglichen.

Was ist Code Vipassana?

Code Vipassana ist eine Reihe von lehrergeführten, praktischen Sitzungen, die darauf abzielen, Daten- zu KI-Anwendungen zu entwickeln, mit einem Fokus auf praktische Fähigkeiten und Wissen.

Wie verbessert AlloyDB die Datenbankleistung?

AlloyDB lädt kontinuierlich Einzelhandelsdaten und führt Analysen wie Inhaltsextraktionen, Einbettungserstellungen und Vektorsuchen durch.

Kostet der intelligente Einkaufsassistent Geld?

Mit den richtigen Guthaben sollten Kosten kein Problem darstellen. Denken Sie jedoch daran, das System zu löschen, wenn es nicht verwendet wird, da es eine geringe stündliche Gebühr verursachen kann.

Verwandte Fragen

Wie kann ich einen intelligenten Einkaufsassistenten mit AlloyDB und Vertex AI Agent Builder erstellen?

Beginnen Sie mit der Erstellung einer AlloyDB-Instanz und dem Laden eines E-Commerce-Datensatzes. Aktivieren Sie die pgvector- und generativen KI-Modell-Erweiterungen in AlloyDB. Generieren Sie Einbettungen aus Produktbeschreibungen und führen Sie Echtzeit-Kosinusähnlichkeitssuchen für Benutzersuchtexte durch. Stellen Sie die Lösung schließlich in serverlosen Cloud Run-Funktionen bereit. Vergessen Sie nicht, alle notwendigen Berechtigungen und Rollen zu gewähren.