使用 Vertex AI 构建企业智能客服应用
构建内容 您将使用 Vertex AI Conversation 中的 Data Store Agent 功能来构建、配置和部署虚拟客服，使其为客户解答与 Google 商店中的产品和设备（包括手机、手表、笔记本电脑、智能家居设备和其他消费类设备）有关的问题。 什么是数据存储区代理？ 数据存储区代理是 Vertex AI Conversation 中的一项功能，基于 Dialogflow CX 中…
分类： Google Cloud
使用 Vertex AI Agent Builder 构建企业 AI Agent
1. 准备工作 此自学型 Codelab 将指导您使用 Google Cloud 的 Vertex AI Agent Builder 构建 AI 智能体。每个步骤都会重点介绍 Agent Builder 的某项特定功能，并说明其用途。 前提条件 学习内容 所需条件 注意：如果您还没有 Google Cloud 项目，可以按照相关说明创建一个。您还可以查看 Google Cloud 免费层级服务。 …
多模态 RAG 实战：基于 Gemini Pro 构建图文问答应用
什么是 RAG 检索增强生成 (RAG) 是一种将大语言模型 (LLM) 的强大功能与从外部知识来源检索相关信息的能力相结合的技术。这意味着 LLM 不仅依赖于其内部训练数据，还可以在生成回答时访问并纳入最新的特定信息。 RAG 越来越受欢迎，原因有以下几个： 为什么选择多模态 在当今这个数据丰富的世界中，文档通常会结合使用文本和图片来全面传达信息。不过，大多数检索增强生成 (RAG) 系统都忽略…
基于 Gemini 与 Vertex AI 构建零售销售订单 AI Agent
1. 概览 构建内容 您的应用将： 2. 学习内容 学习内容 所需条件 架构 此代理可让您通过图片和文本提示，利用 Gemini 的多模态功能简化订购流程。如果订单是通过语音下达的，Google Speech 的 Chirp 2 模型会将其转写为文本，然后将该文本与提供的图片一起用于查询 Vertex AI 的 Gemini 模型。 我们将构建： 3. 准备工作 启用 API 启用实验所需的 AP…
生产级 RAG 基础设施：Vertex AI + AlloyDB 参考架构
本文档提供了一个参考架构，可用于设计运行具有检索增强生成 (RAG) 功能的生成式人工智能 (AI) 应用的基础设施。本文档的目标受众群体包括生成式 AI 应用的开发者和管理员及云架构师。本文档假定您对 AI、机器学习 (ML) 和大语言模型 (LLM) 概念具有基本的了解。本文档未提供有关如何设计和开发生成式 AI 应用的指导。 架构 下图简要展示了 Google Cloud中支持 RAG 的生…