AlloyDB AI bietet eine integrierte Suite von KI- und ML-Funktionen (Machine Learning) in AlloyDB for PostgreSQL, mit denen Sie generative KI-Anwendungen mit Ihren operativen Datenbankdaten erstellen können. Sie können schnelle Vektorähnlichkeitssuchen ausführen, Fragen in natürlicher Sprache in SQL-Abfragen übersetzen und Foundation Models von der Gemini Enterprise Agent Platform, OpenAI und Anthropic direkt über SQL aufrufen.
Um die Erstellung von KI-Anwendungen zu vereinfachen, bietet AlloyDB die folgenden Erweiterungen:
vector-Erweiterung: Die Standarderweiterung
pgvectorPostgreSQL wurde für AlloyDB angepasst und wird alsvectorbezeichnet. Es unterstützt das Speichern generierter Einbettungen in einer Vektorspalte. Die Erweiterung bietet außerdem Unterstützung für die skalare Quantisierungsfunktion zum Erstellen vonIVF-Indexen. Sie können auch einenIVFFlat-Index oderHNSW-Index erstellen, die mit dem Standard-pgvectorverfügbar sind.alloydb_scann-Erweiterung: Die
alloydb_scann-Erweiterung implementiert einen hocheffizienten Index für die Suche nach dem nächsten Nachbarn, der auf dem ScaNN-Algorithmus basiert.Sie können die Erweiterung
alloydb_scannmit PostgreSQL 14, 15, 16, 17 und 18 verwenden.google_columnar_engine-Erweiterung: Der ScaNN-Index kann in die spaltenbasierte Engine geladen werden, um die Vektorsuche weiter zu beschleunigen.
google_ml_integration-Erweiterung: Die Erweiterung
google_ml_integrationbietet KI-Funktionen zum Generieren von Einbettungen, zum semantischen Ranking und zum Implementieren von KI-basierten Filtern, Joins und Textgenerierung/-zusammenfassung. Diese Erweiterung bietet auch Funktionen zum Registrieren von Metadaten für KI-Modelle. Die registrierten Metadaten werden dann verwendet, um Vorhersagen aus diesen Modellen aufzurufen.alloydb_ai_nl-Erweiterung: Mit der
alloydb_ai_nl-Erweiterung können Entwickler Anwendungen erstellen, die Fragen von Endnutzern in natürlicher Sprache zu Daten in der AlloyDB-Datenbank genau und sicher beantworten. So können auch Nutzer auf die Daten zugreifen, die nicht mit SQL vertraut sind. Für Text-zu-SQL-Workflows der nächsten Generation und die Integration von KI-Agenten empfehlen wir die Verwendung von QueryData.
Im Folgenden finden Sie einige Anwendungsfälle, die durch AlloyDB AI und diese Erweiterungen ermöglicht werden:
Vektorsuche: Mit AlloyDB können Sie Vektoreinbettungen speichern und hocheffiziente Ähnlichkeitssuchen durchführen. Sie können einen hocheffizienten Index für die Suche nach dem nächsten Nachbarn generieren, der auf dem ScaNN-Algorithmus basiert.
Intelligente SQL-Abfragen mit AlloyDB AI-Funktionen ausführen: Verwenden Sie KI direkt in Ihren SQL-Abfragen. So können Sie Suchergebnisse für eine höhere Relevanz neu sortieren, natürliche Sprache in Ihre SQL-Abfragen einbinden und multimodale Einbettungen für die Vektorsuche generieren.
Modelle über Modellendpunkte aufrufen: Registrieren Sie KI-Modelle als Modellendpunkte und rufen Sie die Endpunkte in AlloyDB auf, um Einbettungen zu generieren, Vorhersagen aufzurufen oder Ähnlichkeitssuchen durchzuführen.
Einbettungen generieren und Vorhersagen aufrufen: Verwenden Sie Texteinbettungsmodelle der Gemini Enterprise Agent Platform oder registrierte Modellendpunkte, um Text- oder multimodale Einbettungen zu generieren.
Daten in natürlicher Sprache mit QueryData abfragen: Übersetzen Sie Fragen in natürlicher Sprache mithilfe von Kontextsets (Vorlagen, Facetten und Suchanfragen nach Werten) in SQL-Abfragen und binden Sie die Single-Turn-Generierung von SQL aus natürlicher Sprache in Ihre KI-Agenten und Anwendungen ein.
Daten-Agenten mit konversationeller Analyse erstellen: Erstellen Sie zustandsorientierte Daten-Agenten mit mehreren Turns in AlloyDB Studio und chatten Sie mit ihnen, um Ihre AlloyDB-Daten in natürlicher Sprache zu untersuchen.
SQL-Anweisungen aus natürlicher Sprache mit der Erweiterung
alloydb_ai_nlgenerieren: Fügen Sie Ihrer Anwendung mit der Erweiterungalloydb_ai_nldatenbankinterne Funktionen für natürliche Sprache hinzu. Für neue Text-zu-SQL-Workflows empfehlen wir QueryData.