A IA do AlloyDB oferece um pacote integrado de recursos de IA e machine learning (ML) no AlloyDB para PostgreSQL que permite criar aplicativos de IA generativa usando os dados do banco de dados operacional. É possível executar pesquisas de similaridade vetorial de alta velocidade, traduzir perguntas em linguagem natural em consultas SQL e invocar modelos de fundação da Gemini Enterprise Agent Platform, da OpenAI e da Anthropic diretamente do SQL.
Para simplificar o processo de criação de aplicativos de IA, o AlloyDB oferece as seguintes extensões:
Extensão vector: a extensão padrão
pgvectordo PostgreSQL é personalizada para o AlloyDB e é chamada devector. Ele permite armazenar embeddings gerados em uma coluna de vetor. A extensão também adiciona suporte a recursos de quantização escalar para criar índicesIVF. Também é possível criar um índiceIVFFlatouHNSWque esteja disponível com opgvectorpadrão.Extensão alloydb_scann: a extensão
alloydb_scannimplementa um índice de vizinho mais próximo altamente eficiente, com tecnologia do algoritmo ScaNN.É possível usar a extensão
alloydb_scanncom o PostgreSQL 14, 15, 16, 17 e 18.Extensão google_columnar_engine: o índice ScaNN pode ser carregado no mecanismo colunar para acelerar ainda mais a busca vetorial.
Extensão google_ml_integration: a extensão
google_ml_integrationoferece funções de IA para gerar embeddings, classificação semântica e implementar filtros, mesclagens e geração/resumo de texto com base em IA. Essa extensão também oferece funções para registrar metadados de modelos de IA. Os metadados registrados são usados para invocar previsões desses modelos.Extensão alloydb_ai_nl: a extensão
alloydb_ai_nlpermite que os desenvolvedores criem aplicativos que respondam com precisão e segurança às perguntas em linguagem natural dos usuários finais sobre os dados no banco de dados do AlloyDB. Isso torna os dados acessíveis para usuários que talvez não sejam proficientes em escrever SQL. Para fluxos de trabalho de texto para SQL de última geração e integração de agentes de IA, recomendamos o uso do QueryData.
Veja a seguir alguns casos de uso que a IA do AlloyDB e essas extensões permitem:
Pesquisa vetorial: use o AlloyDB para armazenar embeddings de vetor e realizar pesquisas de similaridade altamente eficientes. É possível gerar um índice de vizinho mais próximo altamente eficiente com o algoritmo ScaNN.
Realizar consultas SQL inteligentes usando funções de IA do AlloyDB: use a IA diretamente nas suas consultas SQL. Isso permite reclassificar os resultados da pesquisa para aumentar a relevância, integrar linguagem natural às consultas SQL e gerar embeddings multimodais para a pesquisa vetorial.
Chamar modelos usando endpoints de modelo: registre modelos de IA como endpoints de modelo e chame os endpoints no AlloyDB para gerar embeddings, invocar previsões ou realizar pesquisas de similaridade.
Gerar embeddings e invocar previsões: use os modelos de embedding de texto da Gemini Enterprise Agent Platform ou endpoints de modelo registrados para gerar embeddings de texto ou multimodais.
Consultar dados em linguagem natural com o QueryData: traduza perguntas em linguagem natural para consultas SQL usando conjuntos de contexto (modelos, facetas e consultas de pesquisa de valor) e integre a geração de linguagem natural para SQL de turno único aos seus agentes e aplicativos de IA.
Criar agentes de dados com análises de conversação: crie e converse com agentes de dados com estado e de várias interações no AlloyDB Studio para analisar seus dados do AlloyDB em linguagem natural.
Gerar instruções SQL em linguagem natural usando a extensão
alloydb_ai_nl: adicione recursos de linguagem natural no banco de dados ao seu aplicativo usando a extensãoalloydb_ai_nl(para novos fluxos de trabalho de texto para SQL, recomendamos o QueryData).