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

Smart-Shopping-Assistent mit Google's AlloyDB und Vertex AI Agent Builder

In der heutigen dynamischen Einzelhandelswelt ist es entscheidend, personalisierte Einkaufserlebnisse zu bieten. Dieser Artikel geht auf, wie man einen intelligenten Shopping-Assistenten mit Google's AlloyDB und Vertex AI Agent Builder erstellt, inspiriert durch das codelab der Staffel 7 von Code Vipassana. Ziel ist es, einen AI-Agenten zu entwickeln, der sofort Antworten und produktbezogene Empfehlungen basierend auf den individuellen Präferenzen jedes Kunden bereitstellt. Wir werden uns die wesentlichen Komponenten ansehen, Herausforderungen angehen und die Schritte zur Erstellung dieser Lösung innerhalb des Google Cloud-Ökosystems skizzieren.

Wichtige Punkte

• AlloyDB und Vertex AI Agent Builder sind wichtige Werkzeuge zur Entwicklung von AI-gesteuerten Shopping-Assistenten.
• Das codelab legt den Fokus darauf, einen Agenten zu entwickeln, der den Kundenintent verstehen und relevante Produktvorschläge machen kann.
• Wichtige Schritte umfassen die Einrichtung einer AlloyDB-Instanz, das Importieren eines E-Commerce-Datensatzes und das Generieren von Embeddings.
• Der zweite Teil des Labors konzentriert sich auf die Schritte des Agent Builders, insbesondere auf die Integration des Agenten mit den Daten.
• Wir werfen auch einen Blick auf alternative Dokumentationen für gcloud-Befehle.

Grundlagen verstehen: AlloyDB und Vertex AI Agent Builder

Was sind AlloyDB und Vertex AI Agent Builder?

AlloyDB für PostgreSQL ist ein vollständig verwaltetes, PostgreSQL-kompatibles Datenbanksystem, das für anspruchsvolle Unternehmensworkloads entwickelt wurde. Es bietet gegenüber Standard-PostgreSQL überlegene Leistung, Verfügbarkeit und Skalierbarkeit, was es ideal für Datenhaltung und interne Analysen macht, die Kontext verstehen helfen.

Andererseits bietet Vertex AI Agent Builder Tools, um intelligente Konversationsassistenten schnell zu booten. Durch die Kombination von AlloyDB für die Datenspeicherung, einem internen Analyseengine für den Kontext, Gemini (einem großen Sprachmodell) für Relevanzvalidierung und Google's Agent Builder können Sie eine nahtlose Chatanwendung erstellen, die Kundenanfragen effektiv bearbeitet und sie durch das Produktfindungsprozess führt.

Code Vipassana Staffel 7: Agentic-Anwendungen erstellen

Code Vipassana Staffel 7 konzentriert sich auf die Erstellung agentic-anwendender Anwendungen mithilfe von Google Cloud-Datenbanken, Agent Builder und einem Reasoning Engine. Die Staffel legt den Schwerpunkt auf die Nutzung der Möglichkeiten von Google Cloud zur Entwicklung datengetriebener AI-Anwendungen, wobei generative Modelle und agentic Workflows im Mittelpunkt stehen. Diese Anwendungen sind darauf ausgerichtet, konversationelle Unterstützung zu verbessern, Kundeninteraktionen zu streamlinen und personalisierte Erfahrungen zu bieten. Ein herausragender Vortrag dieser Staffel führt Sie durch die Erstellung eines Smart Shopping Assistants mit AlloyDB und Vertex AI Agent Builder.

Durch die Einbindung von Google Cloud-Datenbanken und Reasoning Engines ist das Ziel die Entwicklung von AI-Anwendungen, die sich um Daten drehen.

Herausforderung: Moderne Einzelhandelskundenanforderungen

Heutige Einzelhandelskunden erwarten sofortige Antworten und Produktvorschläge, die sich auf ihre individuellen Präferenzen abstimmen. Traditionelle Suchmethoden erreichen dies meistens nicht.

Kunden wollen KI bei der Hand, um Produkte zu finden, Details zu erhalten und mehr. Traditionelle Suchen fehlen oft die Feinheit, den Kundenintent genau zu erfassen, was zu irrelevanten oder generischen Ergebnissen führt. Dies unterstreicht die Notwendigkeit intelligenterer, personalisierter Lösungen, um den sich wandelnden Anforderungen moderner Einzelhandelskunden gerecht zu werden. Die Lösung? Nutzen Sie ein reichhaltiges Wissensbasisdatenbank aus Einzelhandelsdaten, um den Kundenintent zu verstehen, intelligent zu antworten und durch eine wissensgetriebene Chatanwendung hyper-relevante Ergebnisse zu liefern.

Einrichtung und Konfiguration von Google Cloud

Google Cloud Credits beanspruchen

Der erste Schritt besteht darin, die durch das Code Vipassana-Programm angebotenen Google Cloud-Credits zu beanspruchen. Diese Credits sind essentiell für den Zugang zu und die Nutzung von Google Cloud-Ressourcen, die für das codelab benötigt werden. Sie erhalten einen Link in Ihrer Registrierungs-E-Mail, um diese Credits einzulösen.

Um Ihre Credits 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 möglicherweise Probleme verursachen könnten.

Neues Google Cloud-Projekt erstellen

Die Erstellung eines neuen Google Cloud-Projekts stellt einen dedizierten Arbeitsraum für die Entwicklung Ihres Smart Shopping Assistants bereit, um sicherzustellen, dass Ressourcen ordentlich organisiert und verwaltet werden.

Wenn Sie bereit sind zu beginnen, erstellen Sie zunächst dieses Projekt. Sie können es nach Belieben benennen, z. B. "CV S7" (Code Vipassana Staffel 7). Hier ist, wie Sie es tun:

1. Melden Sie sich beim Google Cloud Console an.
2. Klicken Sie auf den Projekt-Selector oben auf der Seite.
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, dass die Abrechnung aktiviert ist.

Cloud Shell öffnen

Cloud Shell ist eine Befehlszeilen-Umgebung, die in Google Cloud läuft und mit den notwendigen Tools wie gcloud und bq vorbeladen ist. Sie ermöglicht es Ihnen, direkt aus Ihrem Browser Befehle innerhalb von Google Cloud auszuführen.

Um Cloud Shell zu aktivieren:

1. Klicken Sie auf das Symbol "Cloud Shell aktivieren" oben im 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, dass gcloud von Ihrem Projekt weiß.

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

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

Cluster und Instanz erstellen

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

Laden eines E-Commerce-Datensatzes

Als nächstes füttern Sie das AI-Brain mit Informationen, die es mit Kunden teilen kann. Durch das Importieren bestimmter CSV-Dateien kann AlloyDB eine Reihe von Daten lernen, die an die AI weitergegeben werden können. Folgen Sie einfach der Dokumentation, und Ihre Einrichtung wird in gutem Zustand sein.

Aktivieren der pgvector- und Generative AI-Modulen