Mit der konversationellen Analyse in Bigtable können Sie sich in natürlicher Sprache mit KI-Agenten über Ihre Datenbankdaten unterhalten. So erhalten Sie Antworten zu Ihren Daten:
- Erstellen Sie Daten-Agents für eine Reihe von Wissensquellen, z. B. Tabellen und Ansichten, die Sie auswählen.
- Optional: Kontext und Anweisungen für einen KI-Agenten erstellen, um den Daten-KI-Agenten so zu konfigurieren, dass er Fragen für bestimmte Anwendungsfälle effektiv beantwortet.
Bevor Sie einen KI-Agenten anpassen, empfehlen wir, zuerst mit dem Kontext und den Anweisungen zu arbeiten, die der KI-Agent erstellt.
Konversationelle Analysen bieten die folgenden Arten von Kontext:
- Geführt: Sie erstellen diesen Kontext in der Google Cloud Console. Diese Option eignet sich gut für Nutzer, die keinen Code direkt schreiben möchten.
- Erweitert: Sie erstellen diesen Kontext in der Gemini CLI oder in Ihrer IDE. Wir empfehlen diesen Ansatz für Nutzer, die mehr Kontrolle über die Qualität des KI-Agenten haben möchten. In diesem Kontext wird der Kontext für die QueryData-Methode wiederverwendet.
Nachdem Sie KI-Datenagenten erstellt haben, können Sie sich mit ihnen unterhalten und in natürlicher Sprache Fragen zu Bigtable-Daten stellen.
Konversationelle Analysen werden von Gemini für Google Cloud unterstützt.
Weitere Informationen dazu, wie und wann Gemini für Google Cloud Ihre Daten verwendet
Da es sich bei Gemini für Google Cloud -Produkte um Technologie in einem frühen Entwicklungsstadium handelt, kann es zu Ergebnissen kommen, die zwar plausibel erscheinen, aber faktisch falsch sind. Ausgaben von Gemini für Google Cloud -Produkte sollten daher vor der Verwendung geprüft werden. Weitere Informationen finden Sie unter Gemini für Google Cloud und verantwortungsbewusste Anwendung von KI.
Daten-Agenten
Daten-Agents bestehen aus einer oder mehreren Wissensquellen und einer Reihe von Anweisungen, die für einen Anwendungsfall zur Verarbeitung dieser Datenbankdaten spezifisch sind. Wenn Sie einen KI-Datenagenten erstellen, können Sie ihn mit den folgenden Optionen konfigurieren:
- Wissensquellen wie Tabellen und Ansichten mit einem Daten-Agenten verwenden.
- Stellen Sie benutzerdefinierte Tabellen- und Feldmetadaten bereit, um die Datenbankdaten so zu beschreiben, wie es für den jeweiligen Anwendungsfall am besten geeignet ist.
- Stellen Sie eine Anleitung zum Interpretieren und Abfragen der Daten bereit, z. B. durch Definieren der folgenden Punkte:
- Synonyme und Geschäftsbegriffe für Feldnamen
- Wichtigste Felder und Standardwerte für das Filtern und Gruppieren
- Stellen Sie mithilfe der geführten oder erweiterten Kontextgenerierung strukturierte Kontexte bereit, die der Daten-KI-Agent verwenden kann, um die Antwortstruktur eines KI-Agenten zu gestalten und die Geschäftslogik Ihrer Organisation zu erlernen.
Daten-Agenten verwalten
Auf der Seite KI-Agenten in der Google Cloud Console können Sie die folgenden Arten von Daten-KI-Agenten erstellen, verwalten und mit ihnen arbeiten:
- Eine Liste Ihrer entworfenen, erstellten und veröffentlichten KI-Agenten.
- Eine Liste von KI-Agenten, die von anderen Personen erstellt und für Sie freigegeben wurden.
Weitere Informationen finden Sie unter Daten-Agents erstellen.
Andere Dienste im Projekt, die Daten-Agents unterstützen, z. B. die Conversational Analytics API, können auf Daten-Agents zugreifen, die Sie in Bigtable erstellen. Sie können auch auf einen Agenten zugreifen, der in der Google Cloud Console erstellt wurde, indem Sie ihn über die Conversational Analytics API aufrufen.
Unterhaltungen
Unterhaltungen sind gespeicherte Chats mit einem KI-Datenagenten oder einer Datenbank-Datenquelle. Sie können Daten-Agents mehrteilige Fragen stellen, die gängige Begriffe wie „Umsatz“ oder „beliebteste“ enthalten, ohne Tabellenfeldnamen angeben oder Bedingungen zum Filtern der Datenbankdaten definieren zu müssen.
Die zurückgegebene Chatantwort bietet die folgenden Funktionen:
- Die Antwort auf Ihre Frage als Text, Code oder Diagramm (falls zutreffend).
- Die Schlussfolgerung des KI-Agenten, die zu den Ergebnissen geführt hat.
- Metadaten zur Unterhaltung, z. B. der verwendete KI-Agent und die verwendeten Datenbankdatenquellen.
Wenn Sie eine direkte Unterhaltung mit einer Datenbank-Datenquelle erstellen, interpretiert die Conversational Analytics API Ihre Frage ohne den Kontext und die Verarbeitungsanweisungen, die ein KI-Datenagent bietet. Daher können die Ergebnisse von direkten Konversationen weniger genau sein. Verwenden Sie Daten-Agenten für Anwendungsfälle, die eine höhere Genauigkeit erfordern.
Sie können Unterhaltungen in Bigtable mit der Google Cloud Console erstellen und verwalten. Weitere Informationen finden Sie unter Daten mit Unterhaltungen analysieren.
Sicherheit
Sie können den Zugriff auf die konversationelle Analyse in Bigtable mithilfe von IAM-Rollen und ‑Berechtigungen für die Conversational Analytics API verwalten. Informationen zu den Rollen, die für bestimmte Vorgänge erforderlich sind, finden Sie unter Erforderliche Rollen für KI-Datenagenten und Erforderliche Rollen für Konversations-Agents.
Standorte
Wenn Sie einen Agenten mit konversationeller Analyse erstellen, verwendet die Steuerungsebene, die den Workflow plant, verwaltet und Tools aufruft (Orchestrierung), nur einen globalen Endpunkt. Die Datenebene, die die eigentlichen Datenbankeinträge und Vektordokumente abruft und verarbeitet, verwendet einen regionalen Endpunkt.
Preise
Für Abfragen, die ausgeführt werden, wenn Sie Daten-Agents erstellen und Unterhaltungen mit Daten-Agents oder Datenbankdatenquellen führen, werden Ihnen die Bigtable-Preise in Rechnung gestellt. Für das Erstellen und Verwenden von KI-Datenagenten und Konversationen während der Vorabversion fallen keine zusätzlichen Kosten an.
Dynamisches freigegebenes Kontingent
Das dynamische gemeinsame Kontingent (Dynamic Shared Quota, DSQ) in Vertex AI verwaltet die Kapazität für das Gemini-Modell. Im Gegensatz zu herkömmlichen Kontingenten können Sie mit DSQ auf einen großen gemeinsam genutzten Ressourcenpool zugreifen, ohne dass ein festes Limit für den Modelldurchsatz pro Projekt gilt.
Die Leistung, z. B. die Latenz, kann je nach Gesamtsystemlast variieren.
In Zeiten hoher Nachfrage im gemeinsam genutzten Pool können gelegentlich vorübergehende 429 Resource Exhausted-Fehler auftreten. Diese Fehler weisen darauf hin, dass die Kapazität des freigegebenen Pools vorübergehend eingeschränkt ist, aber nicht, dass Sie ein bestimmtes Kontingentlimit für Ihr Projekt erreicht haben. Wiederholen Sie die Anfrage nach einer kurzen Verzögerung, um die Kapazität zu prüfen.