ניתוח נתונים באמצעות שיחה ב-Cloud SQL ל-PostgreSQL מאפשר לכם לשוחח עם נציגים על הנתונים במסד הנתונים שלכם באמצעות שפה טבעית. כדי לקבל תשובות לגבי הנתונים שלכם:
- ליצור סוכני נתונים לקבוצה של מקורות ידע, כמו טבלאות ותצוגות, שאתם בוחרים.
- [אופציונלי] יצירת הקשר והוראות לסוכן כדי להגדיר את סוכן הנתונים כך שיענה ביעילות על שאלות בתרחישים ספציפיים.
לפני שמתאימים אישית סוכן, מומלץ קודם לעבוד עם ההקשר וההוראות שהסוכן יוצר.
ניתוח נתונים באמצעות AI בממשק שיחה מספק את סוגי ההקשר הבאים:
- מודרך – אתם יוצרים את ההקשר הזה במסוף Google Cloud . האפשרות הזו מתאימה למשתמשים שלא רוצים לכתוב קוד ישירות.
- מתקדם – אתם יוצרים את ההקשר הזה ב-Gemini CLI או ב-IDE. אנחנו ממליצים על הגישה הזו למשתמשים שרוצים יותר שליטה על איכות הסוכן. ההקשר הזה משתמש מחדש בהקשר של השיטה QueryData.
אחרי שיוצרים סוכני נתונים, אפשר לנהל איתם שיחות ולשאול שאלות על נתונים ב-Cloud SQL ל-PostgreSQL באמצעות שפה טבעית.
התכונה "ניתוח שיחות" מופעלת על ידי Gemini ל- Google Cloud.
איך Gemini for Google Cloud משתמש בנתונים שלכם, ובאילו מקרים.
פיתוח הטכנולוגיה הזאת נמצא בשלב מוקדם, ולכן יכול להיות שהמוצרים של Gemini for Google Cloud יפיקו פלט שנראה סביר אבל כולל עובדות שגויות. מומלץ לאמת כל פלט של מוצרי Gemini for Google Cloud לפני שמשתמשים בו. כדי לקבל מידע נוסף, קראו את המאמר Gemini for Google Cloud ואתיקה של בינה מלאכותית.
סוכני נתונים
סוכני נתונים מורכבים ממקור ידע אחד או יותר, ומקבוצת הוראות ספציפיות לתרחיש לדוגמה לעיבוד הנתונים במסד הנתונים. כשיוצרים סוכן נתונים, אפשר להגדיר אותו באמצעות האפשרויות הבאות:
- להשתמש במקורות ידע כמו טבלאות ותצוגות עם סוכן נתונים.
- לספק מטא-נתונים של טבלאות ושדות בהתאמה אישית כדי לתאר את הנתונים במסד הנתונים בצורה המתאימה ביותר לתרחיש לדוגמה.
- מספקים הוראות לפירוש הנתונים ולשליחת שאילתות לגביהם, למשל הגדרת הפרטים הבאים:
- מילים נרדפות ומונחים עסקיים לשמות של שדות
- השדות הכי חשובים וברירות המחדל לסינון וקיבוץ
- אתם יכולים להשתמש ביצירת הקשר מודרכת או מיקוד מתקדם לפי הקשר כדי לספק הקשרים מובְנים שסוכן הנתונים יכול להשתמש בהם כדי לעצב את מבנה התשובה של הסוכן וללמוד את הלוגיקה העסקית שבה הארגון שלכם משתמש.
ניהול סוכני נתונים
בדף Conversations במסוף Google Cloud אפשר ליצור, לנהל ולהשתמש בסוגים הבאים של סוכני נתונים:
- נציג לדוגמה שמוגדר מראש לכל פרויקט ב- Google Cloud .
- רשימה של הסוכנים שיצרתם, שמרתם כטיוטה או פרסמתם.
- רשימה של סוכנים שאנשים אחרים יצרו ושיתפו איתכם.
מידע נוסף זמין במאמר יצירת סוכני נתונים.
שירותים אחרים בפרויקט שתומכים בסוכני נתונים, כמו Conversational Analytics API, יכולים לגשת לסוכני הנתונים שאתם יוצרים ב-Cloud SQL ל-PostgreSQL. אפשר גם לגשת לנציג שנוצר במסוף Google Cloud באמצעות קריאה אליו דרך Conversational Analytics API.
שיחות
שיחות הן צ'אטים שנשמרים עם סוכן נתונים או עם מקור נתונים של מסד נתונים. אתם יכולים לשאול את סוכני הנתונים שאלות מרובות חלקים שכוללות מונחים נפוצים כמו "מכירות" או "הכי פופולרי", בלי לציין שמות של שדות בטבלה או להגדיר תנאים לסינון הנתונים במסד הנתונים.
התשובה שמוחזרת בצ'אט כוללת את התכונות הבאות:
- התשובה לשאלה שלכם כטקסט, קוד או תרשימים (לפי הצורך)
- ההסבר של הנציג לתוצאות.
- מטא-נתונים על השיחה, כמו הסוכן ומקורות הנתונים של מסד הנתונים שבהם נעשה שימוש.
כשיוצרים שיחה ישירה עם מקור נתונים של מסד נתונים, Conversational Analytics API מפרש את השאלה בלי ההקשר והוראות העיבוד שסוכן הנתונים מציע. לכן, התוצאות של המרות ישירות יכולות להיות פחות מדויקות. כדאי להשתמש בסוכני נתונים במקרים שבהם נדרש דיוק רב יותר.
אפשר ליצור ולנהל שיחות ב-Cloud SQL ל-PostgreSQL באמצעות מסוף Google Cloud . איך מנתחים נתונים באמצעות שיחות
אבטחה
אתם יכולים לנהל את הגישה לניתוח נתונים באמצעות שיחה ב-Cloud SQL ל-PostgreSQL באמצעות התפקידים וההרשאות של Conversational Analytics API ב-IAM. במאמרים התפקידים הנדרשים לסוכן הנתונים והתפקידים הנדרשים לשיחה מוסבר אילו תפקידים נדרשים לפעולות ספציפיות.
מיקומים
כשמשתמשים בניתוח נתונים של שיחות כדי ליצור סוכן, מישור הבקרה (שמתכנן, מנהל את תהליך העבודה וקורא לכלים) משתמש רק בנקודת קצה גלובלית. מישור הנתונים – שמאחזר, מאחזר ומעבד את הרשומות בפועל של מסד הנתונים ואת מסמכי הווקטור – משתמש בנקודת קצה אזורית.
תמחור
החיוב מתבצע לפי מחירי המחשוב של Cloud SQL ל-PostgreSQL על שאילתות שפועלות כשיוצרים סוכני נתונים ומנהלים שיחות עם סוכני נתונים או עם מקורות נתונים של מסדי נתונים. אין חיוב נוסף על יצירה של סוכני נתונים ושיחות ושימוש בהם במהלך תקופת התצוגה המקדימה.
מכסה דינמית משותפת
מכסה דינמית משותפת (DSQ) ב-Vertex AI מנהלת את הקיבולת של מודל Gemini. בניגוד למכסות רגילות, DSQ מאפשרת לכם לגשת למאגר משותף גדול של משאבים בלי מגבלה קבועה לכל פרויקט על קצב הנתונים של המודל.
הביצועים, כמו זמן האחזור, יכולים להשתנות בהתאם לעומס הכולל על המערכת.
בתקופות של ביקוש גבוה במאגר המשותף, יכול להיות שתקבלו מדי פעם שגיאות 429 Resource Exhausted זמניות. השגיאות האלה מציינות שהקיבולת של המאגר המשותף מוגבלת באופן זמני, ולא שהגעתם למגבלת מכסה ספציפית בפרויקט. כדי לבדוק את הקיבולת, נסו שוב את הבקשה אחרי השהיה קצרה.