谷歌推出由AlloyDB和Vertex AI代理构建器支持的AI购物助手

在当今快节奏的零售世界中，提供个性化购物体验至关重要。本文深入探讨如何使用谷歌的AlloyDB和Vertex AI Agent Builder构建智能购物助手，灵感来源于Code Vipassana第七季的编程实践。目标？打造一个AI代理，为每位客户的独特偏好提供即时答案和产品推荐。我们将深入探讨核心组件，解决挑战，并概述在谷歌云生态系统中构建此解决方案的步骤。

关键要点

• AlloyDB和Vertex AI Agent Builder是开发AI驱动购物助手的关键工具。
• 编程实践强调创建能理解客户意图并提供相关产品建议的代理。
• 关键步骤包括设置AlloyDB实例、导入电子商务数据集和生成嵌入。
• 实验的第二部分聚焦于Agent Builder步骤，特别是将代理与数据整合。
• 我们还将查看gcloud命令的替代文档。

理解基础：AlloyDB和Vertex AI Agent Builder

AlloyDB和Vertex AI Agent Builder是什么？

AlloyDB for PostgreSQL 是一种完全托管的、兼容PostgreSQL的数据库服务，专为苛刻的企业工作负载设计。与标准PostgreSQL相比，它具有卓越的性能、可用性和可扩展性，非常适合数据存储和内部分析，有助于理解上下文。

另一方面，Vertex AI Agent Builder提供快速构建智能对话助手的工具。通过结合AlloyDB用于数据存储、内部分析引擎用于上下文、Gemini（大型语言模型）用于相关性验证以及谷歌的Agent Builder，您可以创建一个无缝的聊天应用，有效处理客户询问并引导他们进行产品发现。

Code Vipassana第七季：构建代理型应用

Code Vipassana第七季专注于使用谷歌云数据库、Agent Builder和推理引擎构建代理型应用。本季注重利用谷歌云的能力开发数据驱动的AI应用，强调生成模型和代理型工作流程。这些应用旨在增强对话协助、简化客户互动并提供个性化体验。本季的一个突出课程指导您使用AlloyDB和Vertex AI Agent Builder构建智能购物助手。

通过整合谷歌云数据库和推理引擎，目标是构建以数据为中心的AI应用。

挑战：现代零售客户期望

今天的零售客户要求即时答案和符合其独特偏好的产品推荐。传统搜索方法往往无法提供这种个性化水平。

客户希望AI触手可及，帮助他们寻找商品、提供细节等。传统搜索缺乏准确捕捉客户意图的复杂性，导致无关或通用的结果。这凸显了对更智能、更个性化解决方案的需求，以满足现代零售客户不断变化的需求。解决方案？利用零售数据的丰富知识库来理解客户意图，智能响应，并通过知识驱动的聊天应用提供超相关结果。

谷歌云设置与配置

领取谷歌云积分

第一步是通过Code Vipassana计划领取谷歌云积分。这些积分对于访问和使用编程实践所需的谷歌云资源至关重要。您将在注册邮件中收到一个领取积分的链接。

要领取积分，请按照注册邮件中的链接填写所需信息。建议使用Chrome或Firefox浏览器，因为其他系统和浏览器可能会出现问题。

创建新的谷歌云项目

创建一个新的谷歌云项目，为构建智能购物助手设置专用环境，确保资源得到有效组织和管理。

准备开始时，您需要做的第一件事就是创建这个项目。您可以随意命名，例如“CV S7”（Code Vipassana第七季）。操作步骤如下：

1. 登录谷歌云控制台。
2. 点击页面顶部的项目选择器。
3. 选择“新建项目”。
4. 输入项目名称并配置项目设置。
5. 创建项目。
6. 最后，验证是否已启用账单功能。

访问Cloud Shell

Cloud Shell是运行在谷歌云中的命令行环境，预装了gcloud和bq等必要工具。它允许您直接在浏览器中运行谷歌云命令。

要激活Cloud Shell：

1. 点击谷歌云控制台顶部的“激活Cloud Shell”图标。
2. 等待Cloud Shell终端加载。
3. 运行gcloud auth list命令以确保您已通过身份验证。
4. 运行gcloud config list project命令以验证gcloud是否识别您的项目。

此设置允许与您的AI代理无缝集成和连接命令。

创建AlloyDB集群并加载电子商务数据集

创建集群和实例

在加载任何数据之前，您需要设置AlloyDB实例。您需要配置AlloyDB Studio以进行数据摄取，使用ID“shopping-cluster”和PostgreSQL版本15。

加载电子商务数据集

接下来，您将为AI提供可与客户共享的信息。通过导入特定的CSV文件，AlloyDB可以学习一组数据并传递给AI。只需遵循文档，您的设置就会顺利完成。

在AlloyDB中启用pgvector和生成AI模型扩展

要将数据转换为向量，您需要启用pgvector。此外，还需为谷歌的AI模型创建扩展。

这些模型将启用实时搜索等功能，稍后可与Vertex AI集成。这些扩展至关重要，因为它们将数据转换为AI助手更可搜索的格式。

设置VPC网络（安全性重要）

设置VPC允许您创建仅通过内部IP地址访问的网络。请确保为此步骤创建以下内容：

授予权限和角色：Vertex AI用户和权限授予

在设置私有服务连接访问后，您需要授予Vertex AI用户角色。此外，应设置以下权限：

• Vertex AI用户
• 嵌入
• 函数

智能购物助手解决方案的优点与缺点

优点

• 个性化购物体验
• 即时答案和产品推荐
• 改善客户参与度
• 可扩展且可靠的基础设施
• 高级分析以了解客户行为

缺点

• 设置和配置可能复杂
• 依赖谷歌云生态系统
• AlloyDB和Vertex AI服务的相关成本
• 需要AI和数据库技术的专业知识
• 数据隐私和安全问题需谨慎考虑

常见问题

AlloyDB是什么？

AlloyDB for PostgreSQL是一种完全托管的数据库服务，专为苛刻的企业工作负载设计，提供卓越的性能、可用性和可扩展性。

Vertex AI Agent Builder是什么？

Vertex AI Agent Builder提供快速创建智能对话助手的工具，支持个性化客户服务。

Code Vipassana是什么？

Code Vipassana是一系列由讲师指导的实践课程，旨在构建从数据到AI的应用，注重实用技能和知识。

AlloyDB如何提升数据库性能？

AlloyDB持续加载零售数据并执行分析，如内容提取、嵌入创建和向量搜索。

智能购物助手需要费用吗？

有了适当的积分，成本无需担心。但请记住，不使用时删除系统，因为可能会产生少量每小时费用。

相关问题

如何使用AlloyDB和Vertex AI Agent Builder构建智能购物助手？

首先创建AlloyDB实例并加载电子商务数据集。在AlloyDB中启用pgvector和生成AI模型扩展。从产品描述生成嵌入，并对用户搜索文本执行实时余弦相似度搜索。最后，在无服务器Cloud Run函数中部署解决方案。别忘了授予所有必要的权限和角色。