谷歌推出由AlloyDB和Vertex AI代理构建器支持的AI购物助手

在当今快节奏的零售行业中，提供个性化的购物体验至关重要。本文深入探讨了如何利用谷歌的AlloyDB和Vertex AI Agent Builder构建一个智能购物助手，其灵感来源于Code Vipassana第七季的代码实验室。目标是打造一款能够即时回答并根据每位客户独特偏好推荐产品的AI助手。我们将深入研究关键组件，解决挑战，并概述如何在谷歌云生态系统内构建这一解决方案。

重点

• AlloyDB 和 Vertex AI Agent Builder 是开发AI驱动购物助手的关键工具。
• 本代码实验室强调创建一个能理解客户需求并提供相关产品建议的助手。
• 关键步骤包括设置AlloyDB实例、导入电商数据集以及生成嵌入。
• 实验室的第二部分专注于Agent Builder步骤，特别是将代理与数据集成。
• 我们还将查看gcloud命令的替代文档。

理解基础：AlloyDB 和 Vertex AI Agent Builder

什么是AlloyDB和Vertex AI Agent Builder？

AlloyDB for PostgreSQL 是一个完全托管的、兼容PostgreSQL的数据库服务，专为苛刻的企业工作负载设计。它在性能、可用性和可扩展性方面优于标准PostgreSQL，使其成为数据存储和内部分析的理想选择，有助于理解上下文。

另一方面，Vertex AI Agent Builder 提供了快速启动智能对话助手的工具。通过结合AlloyDB用于数据存储、内部分析引擎用于上下文、Gemini（大型语言模型）用于相关性验证以及谷歌的Agent Builder，您可以创建一个无缝的聊天应用，有效处理客户查询并引导他们完成产品发现。

Code Vipassana 第七季：构建智能应用

Code Vipassana 第七季的重点是使用谷歌云数据库、Agent Builder和推理引擎构建智能应用。本季聚焦于利用谷歌云的能力开发数据驱动的AI应用，强调生成式模型和智能工作流。这些应用旨在增强对话辅助、简化客户互动并提供个性化体验。其中一次突出的课程指导你通过AlloyDB和Vertex AI Agent Builder构建智能购物助手。

通过整合谷歌云数据库和推理引擎，目标是围绕数据构建AI应用。

挑战：现代零售客户的期望

如今的零售客户希望获得与其独特偏好一致的即时答案和产品推荐。传统的搜索方法往往无法实现这种程度的个性化。

客户想要AI随时待命，帮助他们找到商品、提供详细信息等。传统的搜索缺乏捕捉客户意图的复杂性，导致结果无关或通用。这突显了需要更智能、更个性化的解决方案来满足现代零售客户不断变化的需求。解决方案？利用丰富的零售数据知识库来理解客户需求，智能响应并通过知识驱动的聊天应用提供高度相关的结果。

谷歌云设置与配置

声明谷歌云积分

第一步是通过Code Vipassana项目声明谷歌云积分。这些积分对于访问和使用代码实验室所需的谷歌云资源至关重要。你会在注册邮件中收到一个链接来兑换这些积分。

要领取你的积分，请按照注册邮件中的链接填写所需信息。建议使用Chrome或Firefox，因为其他系统和浏览器可能会出现问题。

创建新的谷歌云项目

创建一个新的谷歌云项目可以为你构建智能购物助手设置一个专用环境，确保资源得到有序且有效的管理。

当你准备开始时，首先要做的是创建这个项目。你可以随意命名，比如“CV S7”（Code Vipassana第七季）。以下是具体操作：

1. 登录谷歌云控制台。
2. 点击页面顶部的项目选择器。
3. 选择“新建项目”。
4. 输入项目名称并配置项目设置。
5. 创建项目。
6. 最后，确认计费已启用。

访问Cloud Shell

Cloud Shell 是运行在谷歌云中的命令行环境，预装了如gcloud和bq等必备工具。它允许你直接从浏览器在谷歌云中运行命令。

要激活Cloud Shell：

1. 点击谷歌云控制台顶部的“激活Cloud Shell”图标。
2. 等待Cloud Shell终端加载。
3. 运行gcloud auth list命令以确保已认证。
4. 运行gcloud config list project命令以验证gcloud是否知道你的项目。

此设置允许命令与AI代理无缝集成和连接。

创建AlloyDB集群并加载电商数据集

创建集群和实例

在加载任何数据之前，你需要设置AlloyDB实例。你需要配置AlloyDB Studio进行数据摄取，使用ID“shopping-cluster”和PostgreSQL版本15。

加载电商数据集

接下来，你将为AI大脑提供可以与客户共享的信息。通过导入特定的CSV文件，AlloyDB可以学习一组数据传递给AI。只需遵循文档，你的设置就会很顺利。

在AlloyDB中启用pgvector和生成式AI模型扩展

为了将数据转换为向量，你需要启用pgvector。此外，你还需要为谷歌的AI模型创建扩展。

这些模型将使实时搜索等功能成为可能，这些功能可以稍后与Vertex AI集成。这些扩展非常重要，因为它们将数据转换为AI助手更容易搜索的格式。

设置VPC网络（安全的重要部分）

设置VPC允许你创建只能通过内部IP地址访问的网络。确保为此步骤创建以下内容：

授予权限&角色：Vertex AI用户&授予权限

在设置私有服务连接访问之后，你需要授予Vertex AI用户角色。此外，还应设置以下权限：

• Vertex AI用户
• 嵌入
• 函数

智能购物助手解决方案的优势与劣势

优势

• 个性化购物体验
• 即时答案和产品推荐
• 改善客户参与度
• 可扩展且可靠的基础设施
• 高级分析以了解客户行为

劣势

• 设置和配置可能存在复杂性
• 对谷歌云生态系统的依赖
• 使用AlloyDB和Vertex AI服务的成本
• 需要具备AI和数据库技术的专业知识
• 数据隐私和安全性需要仔细考虑

常见问题解答

什么是AlloyDB？

AlloyDB for PostgreSQL 是一个完全托管的数据库服务，专为企业苛刻的工作负载设计，提供卓越的性能、可用性和可扩展性。

什么是Vertex AI Agent Builder？

Vertex AI Agent Builder 提供了快速创建智能对话助手的工具，使个性化客户服务成为可能。

什么是Code Vipassana？

Code Vipassana 是一系列由导师带领、动手实践的课程，旨在构建数据到AI的应用程序，专注于实用技能和知识。

AlloyDB 如何提升数据库性能？

AlloyDB 持续加载零售数据并执行诸如内容提取、嵌入创建和向量搜索等分析。

智能购物助手是否收费？

在适当积分的情况下，费用不应成为担忧。但记住在不使用时删除系统，因为它可能会产生小额的小时费用。

相关问题

如何使用AlloyDB和Vertex AI Agent Builder构建智能购物助手？

首先创建一个AlloyDB实例并加载电商数据集。在AlloyDB中启用pgvector和生成式AI模型扩展。从产品描述生成嵌入，并为用户搜索文本执行实时余弦相似度搜索。最后，在无服务器的Cloud Run函数中部署解决方案。别忘了授予所有必要的权限和角色。