BigQuery एजेंट और Antigravity IDE का इस्तेमाल करके, अपने डेटा के साथ चैट करना

1. खास जानकारी

आइए, पिछले चार हिस्सों में बनाए गए बड़े आर्किटेक्चर पर एक नज़र डालें:

पहला हिस्सा: हमने BigQuery Knowledge Catalog का इस्तेमाल करके, Froyo की रेसिपी वाले रॉ PDF को स्ट्रक्चर्ड, रिलेशनल टेबल में बदला.

दूसरा हिस्सा: हमने एक ज़ीरो-ईटीएल ट्रांज़ैक्शनल ब्रिज बनाया है. इससे हमारे BigQuery वेयरहाउस को सीधे AlloyDB में फ़ेडरेट किया जा सकता है.

तीसरा हिस्सा: हमने Agent Development Kit और MCP Toolbox का इस्तेमाल करके, मल्टी-एजेंट ऐप्लिकेशन (FroyoOS) बनाया.

चौथा चरण: हमने ड्यूअल-ट्रैक इवैल्यूएशन पाइपलाइन बनाकर यह साबित किया कि हमारा एजेंट, प्रोडक्शन के लिए सुरक्षित है.

हमारी सेवाएं बिना किसी रुकावट के काम कर रही हैं. लेकिन उन डेवलपर और बिज़नेस ऐनलिसिस करने वालों का क्या होगा जिन्हें इस सिस्टम से जनरेट होने वाले बड़े पैमाने पर डेटा को समझना है?

आज हम आंकड़ों के विश्लेषण के भविष्य के बारे में जानेंगे. हम Google Cloud Data Agent Kit के साथ, सीधे अपने कोड एडिटर Antigravity IDE में काम करना शुरू करेंगे. इसके बाद, BigQuery Conversational Analytics का इस्तेमाल करके अपने डेटा को विज़ुअलाइज़ करने के लिए, Google Cloud Console पर जाएंगे.

आइए, बनाना शुरू करें!

आपको क्या सीखने को मिलेगा

Agentic Data Cloud सीरीज़ के इस आखिरी कोडलैब में, आपको अपने आर्किटेक्चर के सभी हिस्सों को एक साथ जोड़ना होगा, ताकि कारोबार से जुड़ी अहम जानकारी दी जा सके. आपको इनके बारे में जानकारी मिलेगी:

• आईडीई-फ़र्स्ट Analytics: अपने डेवलपमेंट एनवायरमेंट से सीधे तौर पर अपने आर्किटेक्चर को क्वेरी करने के लिए, ANTIGRAVITY IDE और Google Cloud Data Agent Kit को इंस्टॉल और कॉन्फ़िगर करने का तरीका.
• Conversational BigQuery: इसमें बताया गया है कि BigQuery डेटा एजेंट को कैसे बनाया, कॉन्फ़िगर किया, और निर्देश दिया जाता है. इससे वे नैचुरल लैंग्वेज का इस्तेमाल करके, जटिल एसक्यूएल टास्क और अनुमान लगाने की प्रोसेस को अपने-आप पूरा कर सकते हैं.
• डेटा डेमोक्रेटाइज़ेशन: अपने एजेंट को एंटरप्राइज़ में कैसे पब्लिश करें, ताकि वे पूरे संगठन में विश्लेषकों और कारोबार के उपयोगकर्ताओं के लिए उपलब्ध हों.
• अहम जानकारी को विज़ुअलाइज़ करना: डाइनैमिक और अनुमान लगाने के लिए तैयार डैशबोर्ड बनाने के लिए, अपने एजेंट की बातचीत से जुड़े विश्लेषण को Data Studio में आसानी से इंटिग्रेट करने का तरीका.
• एजेंटिक डेटा क्लाउड इकोसिस्टम: अपने एंड-टू-एंड आर्किटेक्चर की वैल्यू के बारे में कैसे बताएं. इसमें पहले हिस्से में रॉ अनस्ट्रक्चर्ड डेटा से लेकर पांचवें हिस्से में एक्ज़ीक्यूटिव के लिए तैयार डैशबोर्ड तक की जानकारी शामिल है.

ज़रूरी शर्तें

• कोई ब्राउज़र, जैसे कि Chrome या Firefox.
• बिलिंग की सुविधा वाला Google Cloud प्रोजेक्ट.
• एसक्यूएल के बारे में बुनियादी जानकारी.

2. शुरू करने से पहले

प्रोजेक्ट बनाना

1. Google Cloud Console में, प्रोजेक्ट चुनने वाले पेज पर, Google Cloud प्रोजेक्ट चुनें या बनाएं.
2. पक्का करें कि आपके Cloud प्रोजेक्ट के लिए बिलिंग चालू हो. किसी प्रोजेक्ट के लिए बिलिंग चालू है या नहीं, यह देखने का तरीका जानें.

बिलिंग खाता बनाए बिना, इस कोडलैब के ज़्यादातर चरणों को पूरा किया जा सकता है. सिर्फ़ BigQuery Conversational Agent (कोडलैब का आखिरी हिस्सा) के लिए बिलिंग खाते की ज़रूरत होती है.

3. आपको Cloud Shell का इस्तेमाल करना होगा. यह Google Cloud में चलने वाला कमांड-लाइन एनवायरमेंट है. Google Cloud Console में सबसे ऊपर मौजूद, Cloud Shell चालू करें पर क्लिक करें.

4. Cloud Shell से कनेक्ट होने के बाद, यह देखने के लिए कि आपकी पुष्टि हो चुकी है और प्रोजेक्ट को आपके प्रोजेक्ट आईडी पर सेट किया गया है, इस कमांड का इस्तेमाल करें:

gcloud auth list

5. यह पुष्टि करने के लिए कि gcloud कमांड को आपके प्रोजेक्ट के बारे में पता है, Cloud Shell में यह कमांड चलाएं.

gcloud config list project

6. अगर आपको पुष्टि करनी है

gcloud auth login

7. अगर आपका प्रोजेक्ट सेट नहीं है, तो इसे सेट करने के लिए इस निर्देश का इस्तेमाल करें:

export PROJECT_ID=<YOUR_PROJECT_ID>
gcloud config set project <YOUR_PROJECT_ID>

8. ज़रूरी एपीआई चालू करें: सभी ज़रूरी एपीआई चालू करने के लिए, यह निर्देश चलाएं:

gcloud services enable \
  alloydb.googleapis.com \
  bigquery.googleapis.com \
  run.googleapis.com \
  cloudbuild.googleapis.com \
  artifactregistry.googleapis.com \
  iam.googleapis.com \
  secretmanager.googleapis.com \
  compute.googleapis.com \
  servicenetworking.googleapis.com \ 
  aiplatform.googleapis.com

9. पक्का करें कि आपने इस लैब के लिए, पहला हिस्सा, दूसरा हिस्सा, और तीसरा हिस्सा पूरा कर लिया हो:

अहम जानकारी: अगर आपने पहला हिस्सा नहीं पढ़ा है, तो इसे अभी पढ़ें. इस लैब में, हम कुछ विश्लेषण और अहम जानकारी निकालते हैं. इसके लिए, यह डेटा ज़रूरी है.*

3. डेटा वेयरहाउस को बड़ा करना

क्या आपको याद है कि हमने अनस्ट्रक्चर्ड डेटा से BigQuery टेबल बनाई थीं?

काम के विश्लेषण करने के लिए, हमें लेन-देन का पुराना डेटा चाहिए. BigQuery में, हमारे froyo_data डेटासेट में, फ़्रैंचाइज़ी के कई सालों के ऑपरेशन को सिम्युलेट करने के लिए, तीन नई टेबल बनाते हैं:

1. froyo_data.orders: ऑर्डर के पुराने हेडर (तारीखें, स्टोर आईडी, कुल)
2. froyo_data.order_items: लाइन-आइटम की जानकारी (संख्या, कीमतें)
3. froyo_data.customer_allergen_data: यह एक सीआरएम टेबल है. इसमें हमारे भरोसेमंद ग्राहकों की एलर्जी को ट्रैक किया जाता है

आइए, बिक्री और ग्राहक से जुड़ी इन टेबल को उस डेटासेट में जोड़ें, ताकि हम आंकड़ों का इस्तेमाल कर सकें.

1. Google Cloud Console में, Cloud Shell टर्मिनल पर जाएं.
2. अपने वर्कस्पेस के रूट फ़ोल्डर या froyo-data प्रोजेक्ट के रूट फ़ोल्डर पर जाएं. हम इस सीरीज़ के पिछले कुछ हिस्सों में इस पर काम कर रहे थे.
3. यहां दी गई कमांड को एक-एक करके चलाकर, पुराने डेटा की तीन फ़ाइलों (csv फ़ाइलों में) को अपनी वर्किंग डायरेक्ट्री में डाउनलोड करें:

wget https://raw.githubusercontent.com/AbiramiSukumaran/froyo-data/main/customer_allergen_data.csv

wget https://raw.githubusercontent.com/AbiramiSukumaran/froyo-data/main/order_items.csv

wget https://raw.githubusercontent.com/AbiramiSukumaran/froyo-data/main/orders.csv

4. जब आपको वे फ़ाइलें अपनी वर्किंग डायरेक्ट्री के रूट में दिखें, तब टर्मिनल पर टॉगल करके Cloud Shell टर्मिनल पर जाएं.
5. उस डायरेक्ट्री में जाएं जहां Cloud Shell Terminal पर ये तीन फ़ाइलें मौजूद हैं.
6. पक्का करें कि आपके BigQuery में, इस सीरीज़ के पहले हिस्से में बताया गया "froyo_data" नाम का डेटासेट मौजूद हो. अगर ऐसा नहीं है, तो वापस जाएं और डेटासेट और टेबल बनाएं.
7. Cloud Shell टर्मिनल में ये कमांड चलाएं:

bq load \
  --autodetect \
  --source_format=CSV \
  --skip_leading_rows=1 \
  --allow_quoted_newlines \
  --quote="" \
  froyo_data.orders \
  ./orders.csv

bq load \
  --autodetect \
  --source_format=CSV \
  --skip_leading_rows=1 \
  --allow_quoted_newlines \
  --quote="" \
  froyo_data.order_items \
  ./order_items.csv

bq load \
  --autodetect \
  --source_format=CSV \
  --skip_leading_rows=1 \
  --allow_quoted_newlines \
  --quote="" \
  froyo_data.customer_allergen_data \
  ./customer_allergen_data.csv

इससे आपके froyo_data डेटासेट में तीन और टेबल बननी चाहिए.

4. डेवलपर अनुभव — "डेटा एजेंट किट" के बारे में जानकारी

आम तौर पर, अगर किसी डेवलपर को डेटा का विश्लेषण करना होता है या मशीन लर्निंग की मुश्किल क्वेरी लिखनी होती हैं, तो उसे अपने आईडीई, डेटाबेस कंसोल, और दस्तावेज़ों के बीच लगातार स्विच करना पड़ता है.

अब नहीं. हाल ही में लॉन्च किए गए Google Cloud Data Agent Kit एक्सटेंशन की मदद से, आपका IDE एक डेटा पावरहाउस बन जाता है.

ANTIGRAVITY IDE

ANTIGRAVITY IDE, Google का अगली पीढ़ी का डेवलपमेंट एनवायरमेंट है. इसे खास तौर पर एआई के दौर के लिए बनाया गया है. यह टूल, बड़े मल्टी-मॉडल कॉन्टेक्स्ट विंडो और ऑटोनॉमस टूल को सीधे तौर पर एडिटर में इंटिग्रेट करता है. इससे डेवलपर, क्लाउड रिसॉर्स को व्यवस्थित कर सकते हैं. साथ ही, अपने कोड को छोड़े बिना ही जटिल डेटा पाइपलाइन को व्यवस्थित कर सकते हैं.

ANTIGRAVITY IDE सेट अप करना

1. आईडीई डाउनलोड करें: antigravity.google पर जाएं और अपने ऑपरेटिंग सिस्टम (Windows, macOS या Linux) के लिए Antigravity IDE डाउनलोड करें.
2. इंस्टॉल और लॉन्च करें: इंस्टॉलर चलाएं और ऐप्लिकेशन खोलें.

3. 'Google से जारी रखें' पर क्लिक करें. इसके बाद, अपना Gmail खाता चुनें और अनुमति दें.
4. लॉग इन करने के बाद, एक वर्किंग फ़ोल्डर (वर्कस्पेस/ प्रोजेक्ट) बनाएं. इसे "एजेंट डेटा क्लाउड" कहते हैं.

यह बाईं ओर मौजूद "प्रोजेक्ट" सूची में दिखना चाहिए:

5. एजेंट के साथ शुरुआती चैट करें — "नमस्ते".
6. सबसे ऊपर दाएं कोने में, 'आईडीई खोलें' बटन पर ध्यान दें!!!

हालांकि, इस पर क्लिक करने से पहले, आपको Antigravity IDE इंस्टॉल करना होगा. antigravity.google/download पेज पर जाएं और नीचे की ओर स्क्रोल करके Antigravity IDE सेक्शन पर जाएं. इसके बाद, अपनी ज़रूरत के हिसाब से वर्शन डाउनलोड करें.

डाउनलोड हो जाने के बाद, Antigravity के खुले हुए इंस्टेंस पर वापस जाएं. इसके बाद, सबसे ऊपर दाएं कोने में मौजूद 'आईडीई खोलें' बटन पर क्लिक करें.

7. आपको अनुमतियों के बारे में पॉप-अप दिखेंगे. उन्हें खोलना जारी रखें!

दाईं ओर, आपको एजेंट पैनल दिखेगा. बाईं ओर, प्रोजेक्ट एक्सप्लोरर और बीच में, डेवलपमेंट के लिए जगह दिखेगी.

Data Agent Kit एक्सटेंशन सेट अप करना

1. एक्सटेंशन इंस्टॉल करें: ANTIGRAVITY IDE में एक्सटेंशन मार्केटप्लेस खोलें. Google Cloud Data Agent Kit एक्सटेंशन खोजें और इंस्टॉल करें.
2. 'इंस्टॉल करें' बटन पर क्लिक करें. इसके बाद, आपको नेविगेशन पैनल पर वह एक्सटेंशन दिखेगा.

3. इस पर क्लिक करें. इससे Google Cloud Data Agent Kit एक्सप्लोरर खुल जाएगा. SETTINGS सेक्शन पर जाएं और Settings पर क्लिक करें. उसमें अपने प्रोजेक्ट की जानकारी और क्षेत्र डालें. इसके बाद, सेव करें.

4. अब नेविगेशन पैन के सबसे ऊपर मौजूद, प्रोजेक्ट एक्सप्लोरर पर क्लिक करें. इससे एक्सप्लोरर पैनल में आपका प्रोजेक्ट एक्सप्लोरर खुल जाएगा.
5. एक्सप्लोरर स्पेस पर राइट क्लिक करें और " GEMINI.md" नाम की नई फ़ाइल बनाएं.

6. नीचे दिए गए कोड को GEMINI.md में चिपकाएं. <<YOUR_PROJECT_ID>> की जगह अपनी वैल्यू डालना न भूलें:

## 1. Project Context
- **Project ID**: <<YOUR_PROJECT_ID>>
- **Domain**: This project is centralized around "Froyo", a brand of frozen yogurt offering multiple flavors.
- **Data**: All froyo, customer, order related information is processed and stored in BigQuery `froyo_data` dataset.

## 2. Execution & Data Processing Rules
- **CRITICAL RULE - Structured Specs**: The semantic and structured information extracted from the PDFs is available in a BigQuery dataset named `froyo_data`.
- **CRITICAL RULE - Customer Data**: Existing Froyo customer data resides in BigQuery in the tables `customers_allergen_data`. 
- ** CRITICAL RULE - Sales Data**: Sales data is present in tables `orders` and `order_items`.
- ** CRITICAL RULE - General: When you are referencing a dataset, ensure you are using it with the dataset ID (`froyo_data`) . For example, to query orders table in this dataset you should use `froyo_data.orders`.

अब आपके पास एक बेहतरीन एआई एजेंट है, जो सीधे तौर पर आपके IDE में मौजूद है. यह कोड लिखने, एसक्यूएल जनरेट करने, और आपके आर्किटेक्चर का विश्लेषण करने के लिए तैयार है.

अब हमारे सामने एक दिलचस्प चुनौती है: क्या हम अपनी पुरानी बिक्री के डेटा को, एलर्जी पैदा करने वाले जटिल और अनुमानित डेटा से जोड़ सकते हैं? यह डेटा हमने पहले भाग में पीडीएफ़ से निकाला था.

5. आईडीई एजेंट के ज़रिए इंटेलिजेंस का अनुमान लगाना

आइए, अपने आईडीई एजेंट से मुश्किल काम करने के लिए कहें. ANTIGRAVITY IDE में, Agent Data Kit की चैट विंडो खोलें और इसमें यह प्रॉम्प्ट डालें:

Does Midnight Swirl contain any allergen?

यह आपसे कई अनुमतियां मांगेगा. अपनी ज़रूरत के हिसाब से अनुमति दें.

आखिर में, यह विश्लेषण के बाद आपके लिए जवाब देगा:

वाह!!! इसमें यह सही तरीके से बताया गया है कि Midnight Swirl में सोयाबीन है.

अब हम थोड़ा मुश्किल सवाल पूछते हैं. Antigravity IDE में यह प्रॉम्प्ट भेजें:

I want to see the top 5 most popular products purchased by 
customers who have a registered 'Dairy' allergy.

जवाब:

आगे बढ़ते रहें. इस तरह के प्रॉम्प्ट आज़माएं:

Forecast the sales volume of our top non-dairy products 
for the next 30 days based on historical data.

BQML सिंटैक्स को देखे बिना, Agent Data Kit आपके एडिटर में CREATE MODEL और ML.FORECAST कोड डाल देता है. ANTIGRAVITY IDE को छोड़े बिना, सीधे तौर पर अपने BigQuery एनवायरमेंट में इस क्वेरी को चलाया जा सकता है!

यह कितना शानदार है!!!

6. BigQuery में कन्वर्सेशनल ऐनलिटिक्स

डेवलपर को आईडीई पसंद है, लेकिन कारोबार के उपयोगकर्ता और एक्ज़ीक्यूटिव, Cloud Console का इस्तेमाल करते हैं. उन्हें एसक्यूएल नहीं देखना है, उन्हें सिर्फ़ जवाब चाहिए.

आइए शुरू करें:

1. खुद को ज़रूरी भूमिकाएं असाइन करना

प्रोजेक्ट के IAM पेज पर जाएं और खुद को Gemini Data Analytics के डेटा एजेंट के मालिक की भूमिका असाइन करें:

इस भूमिका से, आपको प्रोजेक्ट में मौजूद सभी डेटा एजेंट बनाने, उनमें बदलाव करने, उन्हें शेयर करने, और उन्हें मिटाने की अनुमति मिलती है.

2. ज़रूरी एपीआई चालू करना

Google Cloud Console पर BigQuery पर जाएं. BigQuery > एजेंट पर जाने के लिए, साइडबार नेविगेशन मेन्यू या पेज में सबसे ऊपर मौजूद खोज मेन्यू का इस्तेमाल करें.

Gemini के साथ Data Analytics API चालू करें पर क्लिक करें:

Gemini in BigQuery API और Gemini for Google Cloud API, दोनों को चालू करें:

अब आपको नया एजेंट पेज दिखेगा:

3. एजेंट की जानकारी कॉन्फ़िगर करना

एजेंट का नाम: Froyo Agent

एजेंट का ब्यौरा: यह एजेंट, फ़्रोज़न दही (फ़्रोयो) वाले प्रॉडक्ट, एलर्जी पैदा करने वाले तत्व, सामग्री, रेसिपी, खरीदार, ऑर्डर, और बिक्री से जुड़े सवालों के जवाब देने में मदद करता है.

4. 'जानकारी के सोर्स' सेक्शन में जाएं और अपने डेटासेट से नीचे दी गई सभी टेबल चुनें:

a. ऊपर दी गई इमेज में मौजूद टेबल जोड़ें और 'सोर्स जोड़ें' पर क्लिक करें.

b. हर सोर्स के लिए, दाईं ओर मौजूद पसंद के मुताबिक बनाएं बटन पर क्लिक करें. आपको नीचे दिया गया फ़ॉर्म दिखेगा:

c. टेबल के ब्यौरे के लिए, "स्वीकार करें" पर क्लिक करें.

d. साथ ही, हर फ़ील्ड की जानकारी के लिए "स्वीकार करें" पर क्लिक करें.

e. 'अपडेट करें' पर क्लिक करें.

आपको सोर्स में मौजूद सभी टेबल के लिए, यह प्रोसेस दोहरानी होगी.

5. कॉन्फ़िगर करने के निर्देश

Antigravity IDE GEMINI.md में इस्तेमाल किए गए निर्देशों को यहां डालें:

1. Project Context
Project ID: <<YOUR_PROJECT_ID>>
Domain: This project is centralized around "Froyo", a brand of frozen yogurt offering multiple flavors.
Data: All froyo, customer, order related information is processed and stored in BigQuery froyo_data dataset. Use all the tables and data in the dataset for querying for user questions.
Context: Use Data Agent Kit skills wherever possible.
2. Execution & Data Processing Rules
CRITICAL RULE - Structured Specs: The semantic and structured information extracted from the PDFs is available in a BigQuery dataset named froyo_data.
CRITICAL RULE - Customer Data: Existing Froyo customer data resides in BigQuery in the tables customers_allergen_data. When you are referencing a dataset, ensure you are using it with the dataset ID (froyo_data) . For example, to query orders table in this dataset you should use froyo_data.orders.

6. अपने एजेंट को सेव करें.

7. अपने डेटा के बारे में चैट करें!

7. इसे दाईं ओर मौजूद झलक वाले सेक्शन में टेस्ट करें:

अपना सवाल पूछें:

Does midnight swirl contain any allergen?

यह रहा जवाब:

अब मुश्किल सवाल पूछते हैं:

I want to see the top 5 most popular products purchased by 
customers who have a registered 'Dairy' allergy.

जवाब:

अब, ज़्यादा जानकारी पाने के लिए प्रॉम्प्ट आज़माते हैं:

Forecast the sales volume of our top non-dairy products 
for the next 30 days based on historical data.

इसमें आपको क्वेरी और टेबल के साथ-साथ चार्ट भी दिखेगा:

वाह! इसलिए, चार्ट और अहम जानकारी के साथ यह अच्छी तरह से काम करता है. प्रॉडक्ट के लिए सबसे अहम सवाल पूछने का समय.

8. द अल्टिमेट टेस्ट

सवाल पूछें:

What will be the top most selling product of 2026

फ़ाइनल इनसाइट देखें. BigQuery डेटा एजेंट ने हमें सिर्फ़ एक नंबर नहीं दिया. उसने बिक्री के अनुमान को हमारी इन्वेंट्री और सामग्री की सप्लाई चेन से जोड़ा. यह वही डेटा है जिसे हमने पहले भाग में, पीडीएफ़ से निकाला था!

9. एंटरप्राइज़ के लिए एजेंट पब्लिश करना

झलक देखने वाले एजेंट में सबसे ऊपर मौजूद, पब्लिश करें बटन पर क्लिक करें.

हमने Froyo एजेंट को बना लिया है, कॉन्फ़िगर कर लिया है, और टेस्ट कर लिया है. अब इसे कारोबार के बाकी हिस्सों के लिए रिलीज़ करने का समय है.

एजेंट कॉन्फ़िगरेशन पेज पर सबसे ऊपर दाएं कोने में, पब्लिश करें बटन पर क्लिक करें.

पब्लिश करने पर, आपका एजेंट तुरंत तीन एंटरप्राइज़ चैनलों पर उपलब्ध हो जाता है. ये चैनल आपके लिए और उन लोगों के लिए उपलब्ध होते हैं जिनके साथ आपने इसे शेयर किया है:

1. BigQuery: अब आपके डेटा ऐनलिस्ट, इस एजेंट से सीधे तौर पर Agents हब में जाकर या BigQuery Studio SQL वर्कस्पेस में जाकर चैट कर सकते हैं.
2. Conversational Analytics API: आपके डेवलपर, REST API के ज़रिए इस एजेंट को ऐक्सेस कर सकते हैं. इससे वे इन कन्वर्सेशनल ऐनलिटिक्स को आपके कस्टम इंटरनल वेब ऐप्लिकेशन में इंटिग्रेट कर सकते हैं.
3. Data Studio: आपके एक्ज़ीक्यूटिव, इस एजेंट के साथ इंटरैक्ट कर सकते हैं. साथ ही, सीधे Data Studio में डाइनैमिक बातचीत वाले डैशबोर्ड बना सकते हैं.

हमने अपने डेटा को अलग-अलग सिस्टम से निकालकर, सीधे उन लोगों तक पहुंचाया है जिन्हें इसकी ज़रूरत है. साथ ही, हमने डेटा को उन जगहों पर उपलब्ध कराया है जहां वे पहले से काम कर रहे हैं!

पब्लिश किए गए BigQuery एजेंट के सबसे ऊपर मौजूद, शेयर करें बटन के ड्रॉप-डाउन पर क्लिक करें. इसके बाद, सूची से "Data Studio में एजेंट का लिंक कॉपी करें" विकल्प चुनें:

उस लिंक को अपने ब्राउज़र में चिपकाएं और Enter दबाएं. एजेंट के साथ किए गए इंटरैक्शन को ऐक्सेस करने की सूचना की पुष्टि करें:

Data Studio में पब्लिश किए गए नए एजेंट के साथ इंटरैक्टिव बातचीत और विज़ुअलाइज़ेशन शुरू किए जा सकते हैं. साथ ही, आपकी लीडरशिप और अन्य टीमें भी ऐसा कर सकती हैं जिन्हें इस जानकारी की ज़रूरत है!

10. व्यवस्थित करें

यह लैब पूरा होने के बाद, आपने जो BigQuery एजेंट बनाया है उसके लिए सभी उपयोगकर्ताओं से अनुमतियां हटाना न भूलें.

11. बधाई हो!

आपने आधिकारिक तौर पर एक एजेंटिक डेटा क्लाउड बना लिया है!

आपने सिर्फ़ एक आसान चैटबॉट नहीं बनाया है. इन पांच सेशन के दौरान, आपने बिलकुल शुरू से एक पूरा, आधुनिक, और आकलन किया गया एंटरप्राइज़ एआई सिस्टम तैयार किया है. आपने "डार्क डेटा" से रीयल-टाइम में लेन-देन से जुड़ी अहम जानकारी और आखिर में बातचीत के आधार पर कारोबार के अनुमान लगाने की सुविधा का इस्तेमाल शुरू कर दिया है.

12. पूरी जानकारी

थोड़ा पीछे हटकर देखें कि हमने इस सीरीज़ में क्या-क्या हासिल किया है. हमने सिर्फ़ एक सामान्य चैटबॉट नहीं बनाया है. हमने एक पूरा और मॉडर्न एजेंटिक डेटा क्लाउड तैयार किया है:

पहला हिस्सा: Knowledge Catalog का इस्तेमाल करके, PDF को स्ट्रक्चर्ड रिलेशनल टेबल में बदलकर डार्क डेटा को अनलॉक किया गया.

दूसरा हिस्सा: हमने अपने डेटा वेयरहाउस को सीधे तौर पर AlloyDB के ट्रांज़ैक्शनल डेटाबेस में फ़ेडरेट करके, डेटा साइलो को तोड़ दिया.

तीसरा हिस्सा: मल्टी-एजेंट ओएस बनाकर, उपयोगकर्ताओं को बेहतर सुविधाएं दी गईं. यह ओएस, एमसीपी प्रोटोकॉल के ज़रिए सुरक्षित डेटाबेस टूल को आसानी से लागू करता है

चौथा हिस्सा: भ्रम वाली जानकारी और जेलब्रेक का पता लगाने के लिए, कड़े तौर पर जांच करने वाली पाइपलाइन लागू करके सुरक्षा को पक्का किया गया.

पांचवां हिस्सा: BigQuery में ANTIGRAVITY IDE और कन्वर्सेशनल ऐनलिटिक्स का इस्तेमाल करके, सभी के लिए अहम जानकारी उपलब्ध कराना.

यह एंटरप्राइज़ सॉफ़्टवेयर का भविष्य है. एआई एजेंट अब सिर्फ़ एलएलएम के चारों ओर लिपटी हुई लेयर नहीं है. यह पूरी तरह से इंटिग्रेट किया गया, आकलन किया गया, और सुरक्षित ऑर्केस्ट्रेशन इंजन है. यह एक ही प्लैटफ़ॉर्म पर मौजूद सभी डेटा के ऊपर काम करता है.