AlloydB和Vertex AI增强了聪明的购物助理

在电子商务的繁忙世界中，脱颖而出需要的不仅仅是优质的产品阵容。关键在于创造一种个性化且高效的购物体验。在本指南中，我们将详细介绍如何使用AlloyDB和Vertex AI Agent Builder构建智能购物助手。我们将探讨这些技术如何与电子商务数据整合，提供实时余弦相似度搜索和智能推荐，同时在无服务器的Cloud Run函数上部署。目标是什么？为您的用户提供一种不仅直观而且令人满意的购物体验。

关键点

• 设置AlloyDB实例并加载电子商务数据集。
• 在AlloyDB中激活pgvector和生成式AI模型扩展。
• 从产品描述生成嵌入向量。
• 基于用户输入进行实时余弦相似度搜索。
• 在无服务器的Cloud Run函数上部署解决方案。

构建智能购物助手：全面指南

AlloyDB与Vertex AI：强大的组合

本项目利用了AlloyDB（Google Cloud兼容PostgreSQL的数据库服务）和Vertex AI Agent Builder（Google用于打造智能代理的平台）的强大功能。AlloyDB作为分析的支柱，而Vertex AI则为对话式AI增添了魔力。AlloyDB提供了管理大型电子商务数据集的能力，Vertex AI则为自然语言处理和实时推荐带来了智能。两者结合，为打造一个反应迅速且实用的购物助手铺平了道路。

这种整合的优势包括：

• 实时产品搜索和推荐
• 定制化的购物体验
• 可扩展性以处理不断增长的电子商务数据
• 使用无服务器技术实现成本效益高的部署

第一部分：使用AlloyDB奠定基础

让我们从设置AlloyDB并为其准备AI整合开始。以下是您需要做的：

1. 创建AlloyDB实例：在云平台上设置实例并加载电子商务数据集。

   

2. 启用pgvector和生成式AI扩展：这些扩展解锁了AlloyDB处理向量嵌入和与AI模型整合的能力，支持相似度搜索和智能响应。
3. 生成嵌入向量：将产品描述转化为捕捉其语义本质的数值向量。
4. 实时余弦相似度搜索：执行实时搜索以匹配用户文本与产品数据。
5. 无服务器部署：在Cloud Run函数上部署解决方案，享受无服务器的可扩展性和成本效益。

AlloyDB作为分析引擎：内容提取、嵌入向量和向量搜索

AlloyDB是我们分析的核心，执行以下关键功能：

• 内容提取：深入挖掘数据，发现产品、类别和客户行为之间的关系，为购物助手提供上下文。
• 嵌入向量创建：将产品描述和用户查询转化为嵌入向量，支持语义文本比较。

  

• 向量搜索：通过比较查询嵌入向量与产品嵌入向量，AlloyDB找到前25个最相关的匹配项。Gemini随后验证这些结果，并将其格式化为JSON。

逐步指南：设置您的Google Cloud项目

获取Google Cloud项目

在深入技术之前，您需要一个Google Cloud项目。如果您是新手，可以创建一个项目并享受免费试用，附带300美元的信用额度，帮助覆盖测试和部署智能购物助手的成本。

请参阅描述中的视频（时间戳为4:30）以创建您的Google Cloud项目。

1. 前往Google Cloud控制台。
2. 如果尚未注册，请创建一个账户。
3. 登录后，创建一个新项目并激活免费试用。
4. 确保您在控制台中并选择了您的项目。

激活Cloud Shell

要管理您的Google Cloud服务，您需要启动Cloud Shell，这是一个基于浏览器的终端，提供对gcloud命令行工具的访问。

• 在Google Cloud控制台中点击“激活Cloud Shell”图标。
• 稍等片刻以初始化。
• 登录您的账户。

身份验证和项目配置

在继续之前，确保您已完成身份验证并且项目配置正确。以下是操作方法：

1. 通过运行命令“gcloud auth list”检查您的身份验证。

   

2. 在提示时授权Cloud Shell。
3. 使用命令“gcloud config list project”列出您的项目。

启用必要的Google Cloud API

要使用AlloyDB和其他Google Cloud服务，您需要启用必要的API。可以使用gcloud命令行工具完成此操作。

运行以下命令以启用所需的API：

此命令激活AlloyDB（Google完全托管的PostgreSQL数据库）所需的API，并启用Gemini 1.5的功能。完成可能需要几分钟。

创建AlloyDB实例：逐步指南

设置您的AlloyDB实例

准备好Google Cloud项目后，是时候设置AlloyDB实例了。以下是操作方法：

1. 在Google Cloud控制台中搜索AlloyDB。
2. 创建一个集群并设置密码。
3. 选择实例的区域。
4. 选择默认网络选项。

连接到AlloyDB Studio并添加数据

一旦您的AlloyDB实例启动并运行，您需要添加数据以开始构建知识库。

1. 前往AlloyDB Studio创建电子商务数据库。等待实例准备就绪。
2. 选择PostgreSQL作为您的数据库并进行身份验证。
3. 您将被带到AlloyDB Studio，在那里您将看到多个编辑器窗口。
4. 创建pg_vector和googleml集成扩展。
5. 创建服装表并运行命令进行设置。
6. 在AlloyDB中创建表，例如包含不同类别的服装表。

通过Google Cloud控制台添加ML标志

要启用搜索功能，您需要使用Cloud Shell添加Google Cloud标志：

1. 转到您的主实例并选择“编辑实例”。
2. 选择高级选项并选择标志。
3. 点击“添加数据库标志”。
4. 选择google_ml集成以启用模型支持并点击它。此设置允许AlloyDB服务账户作为Vertex AI的用户。

了解Google Cloud成本：AlloyDB、Vertex AI和Cloud Run

Google Cloud定价考虑

然而，免费试用提供的300美元信用额度应能覆盖初始实施阶段的大部分（如果不是全部）成本。

优势与劣势：平衡视角

优势

• 个性化购物体验：提供定制的产品推荐和搜索结果，提升客户满意度和销售额。
• 实时响应性：提供即时答案并根据用户行为动态调整推荐。
• 可扩展性和成本效益：利用无服务器技术管理不断增长的电子商务数据并降低运营成本。
• AI驱动的智能：结合自然语言理解和向量搜索，打造更直观高效的购物体验。

劣势

• 实施复杂性：需要数据库管理、AI整合和无服务器部署的专业知识。
• 数据准备：将电子商务数据转换为适合AlloyDB和Vertex AI的格式可能耗时。
• 模型训练：训练和优化AI模型可能计算成本高且需要专业技能。
• 持续维护：需要定期监控和重新训练AI模型以保持其准确性和相关性。

此知识引擎的功能

Google AlloyDB的功能

AlloyDB，Google Cloud的完全托管PostgreSQL，作为我们的分析引擎。以下是它带来的功能：

• 内容提取：分析内容与用户搜索之间的关系。

  

• 内容嵌入：将文本转换为用于语义分析的数值向量。
• 查找答案：为用户识别最相关的搜索结果。

将您的智能购物助手投入使用

电子商务个性化

想象一位客户正在寻找“粉色休闲纯棉”上衣。我们的智能购物助手可以使用此查询找到不仅属于女装上衣类别，还匹配用户对颜色、风格和面料具体偏好的产品。这种个性化水平使购物体验更相关且愉快。

客户支持聊天机器人

客户服务聊天机器人可以利用此知识引擎提供与产品相关的实时答案。通过分析客户查询并将其与产品描述进行比较，聊天机器人可以提供准确且有用的信息，提升客户满意度并降低支持成本。

常见问题

AlloyDB是什么？

AlloyDB for PostgreSQL是Google Cloud Platform上完全托管、兼容PostgreSQL的数据库服务，以其高性能和可用性著称。它结合了开源PostgreSQL的最佳特性与Google的创新。

Vertex AI Agent Builder是什么？

Vertex AI Agent Builder是Google Cloud用于构建和部署AI驱动的代理和对话界面的平台。它提供自然语言理解、对话管理和与各种数据源整合的工具。

使用的是哪种嵌入模型？

此实现使用Vertex AI服务的text embedding 004模型来执行用户搜索。

相关问题与进一步探索

如何进一步个性化购物助手体验？

要将个性化提升到更高水平，您可以整合用户行为数据。这意味着分析过去的购买、浏览历史和其他交互，以构建详细的用户画像。购物助手随后可以使用此画像微调产品推荐和搜索结果，使购物体验更贴合每个用户的偏好。