BigQuery AI 簡介

BigQuery 提供 AI、機器學習 (ML) 和代理功能，可支援多種工作流程：

  • 控制台內建輔助和分析功能：在 Google Cloud 控制台編寫及說明程式碼、準備資料、以自然語言詢問資料表相關問題、建構管道，以及管理 BigQuery 資源。
  • SQL 查詢中的 AI、搜尋和機器學習：呼叫 Gemini 等大型語言模型 (LLM)、執行文字和向量搜尋，以及直接在 GoogleSQL 中訓練或執行預測機器學習模型。
  • 建構代理的工具：使用 Model Context Protocol (MCP) 伺服器、代理架構和技能，將自訂代理連結至 BigQuery，並將代理互動記錄串流至 BigQuery 進行分析。
  • IDE 或終端機中的代理：從 Antigravity、VS Code 和指令列介面等開發環境查詢資料、管理管道及執行工作流程。

選擇 AI 工具

下表列出常見工作、對應的 BigQuery 功能，以及使用位置。

用途 功能 適用範圍
生成、補全或說明 SQL 查詢 SQL 程式碼輔助 Google Cloud 控制台查詢編輯器
以自然語言提出資料相關問題，即可獲得解答和圖表 對話式數據分析 Google Cloud 控制台 (「代理」頁面) 或 Conversational Analytics API
在圖形化工作流程中，尋找資料表、彙整資料、執行 SQL 或自然語言查詢，並以圖表呈現結果 BigQuery 資料畫布 Google Cloud 控制台
根據資料表中繼資料自動生成問題和 SQL 查詢 資料洞察 Google Cloud 控制台
取得 AI 生成的建議，清理、轉換及充實資料 資料準備 Google Cloud 控制台
建立自訂規則，將其他 SQL 方言轉譯為 GoogleSQL 互動式 SQL 翻譯器 Google Cloud 控制台
分析工作並排解相關問題、管理預留項目、追蹤歷程、探索資源或最佳化查詢 Gemini Cloud Assist ( 預先發布版) Google Cloud 控制台工具列即時通訊窗格
生成、補全或說明 Python 程式碼 Python 程式開發輔助 BigQuery 中的 Colab Enterprise 筆記本
在筆記本中自動執行探索性資料分析、機器學習工作流程和圖表 資料科學代理 BigQuery 中的 Colab Enterprise 筆記本
使用自然語言提示詞建構、修改及管理資料管道 資料工程代理 Google Cloud 控制台和 Dataform 工作區
使用 LLM 生成文字、擷取結構化資料、分類、評分、篩選或匯總表格資料 生成式 AI 函式 GoogleSQL 查詢
對表格資料執行翻譯、文件處理、音訊轉錄或電腦視覺 特定工作的 AI 函式 GoogleSQL 查詢
生成嵌入，並對結構化、非結構化或多模態資料執行語意或關鍵字搜尋 嵌入和向量搜尋與Text Search GoogleSQL 查詢
訓練、評估及執行預測型機器學習模型 (預測、異常偵測、分類、迴歸、分群) BigQuery ML GoogleSQL 查詢、 Google Cloud 控制台、bq 指令列工具、REST API 或筆記本
將自訂 AI 應用程式或代理連結至 BigQuery，即可檢查中繼資料、執行查詢、翻譯 SQL 或管理移轉作業 BigQuery MCP 伺服器、 BigQuery 遷移服務 MCP 伺服器、BigQuery 資料移轉服務 MCP 伺服器、MCP Toolbox for Databases或 Agent Development Kit (ADK) MCP 用戶端和代理架構
為代理提供可重複使用的指令和參考檔案，以便執行 BigQuery 工作 BigQuery 代理技能 代理用戶端和終端機
記錄、監控及評估代理互動、權杖用量和延遲時間 BigQuery 代理程式數據分析 ADK、LangGraph 或 BigQuery Storage Write API (gRPC)
透過 IDE 或 CLI 探索 BigQuery 資源、執行查詢及建構管道 Google Cloud Data Agent Kit、MCP IDE 整合或 Antigravity CLI Antigravity、VS Code、Cursor 或指令列工具

控制台內輔助和代理

在 Google Cloud 控制台或 Colab Enterprise 筆記本中，您可以使用輔助功能和內建代理編寫程式碼、探索資料、建構管道及管理 BigQuery 資源。

輔助功能

Gemini in BigQuery 提供控制台內輔助功能，可協助您編寫查詢、準備資料及探索資料表：

  • SQL 程式碼輔助：在查詢編輯器中生成、完成及說明 SQL 查詢。
  • Python 程式碼輔助：在筆記本中生成、補全及說明 Python 程式碼，包括 PySpark 和 BigQuery DataFrames。
  • 資料畫布：使用自然語言尋找資料表、彙整及查詢資料，並在有向無環圖 (DAG) 工作區中以圖表呈現結果。
  • 資料洞察：根據資料表中繼資料，生成有關資料表的自然語言問題，以及回答這些問題的 SQL 查詢。
  • 資料準備：生成內容感知建議，以便清理、轉換及充實資料。
  • 互動式 SQL 翻譯器：建立翻譯規則，自訂其他 SQL 方言查詢翻譯成 GoogleSQL 的方式。

即時通訊體驗

BigQuery 在Google Cloud 控制台提供兩種不同的對話體驗，取決於您是要分析資料表中的資料，還是管理 BigQuery 環境：

  • 對話式數據分析：回答與資料表所存資料相關的問題。您可以直接與資料來源對話，或建立已設定的資料代理，並提供自訂中繼資料、詞彙、指令和通過驗證的查詢。代理會代您編寫及執行 SQL 查詢，並傳回答案和圖表。
  • Gemini Cloud Assist (預先發布版)：協助您操作及管理 BigQuery。使用Google Cloud 控制台工具列中的對話窗格，即可探索資源、追蹤資料歷程、對失敗或緩慢的工作進行偵錯、分析運算單元容量和預留項目，以及最佳化或排定查詢。

Notebook 和管道代理

您可以使用下列內建代理，執行資料科學和資料工程工作流程：

  • 資料科學代理：在 Colab Enterprise 筆記本中，自動執行探索性資料分析、資料清理、機器學習工作，以及 BigQuery 資料表和 CSV 檔案的視覺化作業。
  • 資料工程代理：建構、修改 Dataform 資料管道並排解相關問題，使用自然語言提示在 BigQuery 載入及處理資料。

在 SQL 查詢中使用 AI、搜尋和機器學習

您可以直接在 GoogleSQL 中執行生成式 AI 模型、搜尋非結構化和結構化資料，以及訓練預測性機器學習模型。

AI 函式

BigQuery 提供 SQL 函式，可呼叫 Gemini Enterprise Agent Platform、Cloud AI API 或內建模型中的 Gemini、合作夥伴和開放模型：

  • 通用 AI 函式：如要完全控管模型、提示、輸出結構定義和參數，請使用這些函式。
  • 代管 AI 函式：使用這些函式，透過簡化語法執行例行篩選、評分、分類和匯總工作。BigQuery 可為您選擇模型，盡可能提高成本效益和品質。
  • 工作專屬函式：從 SQL 呼叫 Cloud AI API，用於自然語言處理、機器翻譯、文件處理、音訊轉錄和電腦視覺。

BigQuery 支援對結構化、半結構化和多模態資料執行關鍵字和語意搜尋：

  • 文字搜尋：使用 SEARCH 函式，對非結構化文字或半結構化 JSON 資料執行權杖化搜尋。您可以建立搜尋索引，讓 BigQuery 最佳化使用 SEARCH 函式的查詢，以及其他函式和運算子，進而提升搜尋效能。
  • 生成嵌入：使用 Agent Platform 提供或託管的模型，或使用在 BigQuery 匯入及執行的模型，生成嵌入 (代表文字或圖片等實體的高維度數值向量)。您也可以啟用自動生成嵌入功能，讓 BigQuery 自動維護嵌入資料欄。
  • 向量搜尋：使用 VECTOR_SEARCH、AI.SEARCH 和向量索引，尋找語意相似的項目，用於檢索增強生成 (RAG) 或推薦。

機器學習

您可以使用 BigQuery ML 訓練、評估及執行模型推論，執行時間序列預測、異常偵測、分類、迴歸、分群、降維和推薦等工作。

您可以透過Google Cloud 控制台、bq 指令列工具、REST API 或 Colab Enterprise 筆記本使用 BigQuery ML 功能。BigQuery ML 讓 SQL 從業人員能使用現有的 SQL 工具和技能建構及評估模型，因此可普及機器學習技術，並將機器學習技術導入資料，而不必移動資料，進而加快模型開發速度。您可以使用 BigQuery ML 執行下列類型的機器學習工作：

詳情請參閱「BigQuery 機器學習簡介」。

建構及監控代理的工具

如果您正在開發與 BigQuery 互動的自訂 AI 應用程式或代理，可以使用下列工具：

  • 代管 MCP 伺服器：將相容於 MCP 的代理連線至代管 HTTPS 端點：
  • MCP Toolbox for Databases：執行開放原始碼本機 MCP 伺服器，將代理連結至 BigQuery，或透過參數化 SQL 查詢定義自訂工具。
  • ADK 整合：使用預先建構的 BigQuery 工具組，在 ADK 中建構代理。
  • BigQuery 代理技能：安裝可重複使用的技能套件 (bigquery-basics 和 bigquery-ai-ml)，為代理提供常見 BigQuery 工作的操作說明和參考資料。
  • BigQuery 代理數據分析：將代理互動記錄 (包括要求、回覆、工具呼叫和錯誤) 從 ADK 或 LangGraph 串流至 BigQuery，分析權杖用量、延遲時間和執行追蹤記錄。

在 IDE 或終端機中使用代理

您可以使用下列工具，從本機開發環境或指令列與 BigQuery 互動：

  • Data Agent Kit：使用 IDE 擴充功能 (適用於 VS Code、Antigravity 和 Cursor) 或程式設計代理外掛程式 (適用於 Antigravity CLI、Gemini CLI、Claude Code 和 Codex CLI)，探索資料集、執行查詢、建構管道及訓練機器學習模型。
  • MCP IDE 整合：使用 Antigravity MCP 伺服器庫或 MCP Toolbox for Databases，將 Antigravity、VS Code、Cursor、Windsurf 和 Claude Code 等 IDE 連至 BigQuery。
  • Antigravity CLI：使用 Antigravity CLI 執行查詢、管理管道，以及與 BigQuery 資源互動。

後續步驟