Last reviewed 2025-09-22 UTC
Verwenden Sie die folgenden Architekturleitfäden, um generative KI-Anwendungen mit Retrieval-Augmented Generation (RAG) in Google Cloudzu entwerfen und bereitzustellen.
| Architekturleitfaden | Beschreibung |
|---|---|
| Private Konnektivität für RAG-fähige generative KI-Anwendungen | Eine Architektur, die eine freigegebene VPC und private IP-Adressen verwendet, um die Netzwerkinfrastruktur für RAG-fähige generative KI-Anwendungen zu schützen. |
| RAG-Infrastruktur für generative KI mit Gemini Enterprise und der Agent Platform | Eine agentengesteuerte Architektur, die Gemini Enterprise als einheitliche Plattform verwendet, um einen End-to-End-RAG-Datenfluss für Unternehmensanwendungen zu orchestrieren, die Echtzeitdatenverfügbarkeit und eine angereicherte kontextbezogene Suche erfordern. |
| RAG-Infrastruktur für generative KI mit Agent Platform und Vektorsuche | Eine vollständig verwaltete, serverlose Architektur, die eine optimierte, leistungsstarke Vektorsuche für umfangreiche Anwendungen bietet. |
| RAG-Infrastruktur für generative KI mit Agent Platform und AlloyDB for PostgreSQL | Eine Architektur, die Vektoreinbettungen zusammen mit Ihren Betriebsdaten in einer vollständig verwalteten Datenbank wie AlloyDB for PostgreSQL speichert. |
| RAG-Infrastruktur für generative KI mit GKE und Cloud SQL | Eine flexible, containerbasierte Architektur, die maximale Kontrolle für die Erstellung benutzerdefinierter Anwendungen mit Open-Source-Tools wie Ray, Hugging Face und LangChain bietet. |
| GraphRAG-Infrastruktur für generative KI mit Agent Platform und Spanner Graph | Eine erweiterte RAG-Architektur, die die Vektorsuche mit Knowledge Graph-Abfragen kombiniert, um miteinander verknüpfte, kontextbezogene Daten abzurufen. Das Ergebnis sind detailliertere und relevantere Antworten der generativen KI. |
| Harness-CI/CD-Pipeline für RAG-Anwendungen | Eine Architektur für eine CI/CD-Pipeline (Continuous Integration/Continuous Deployment) für eine RAG-Anwendung in Google Cloud. |