Trò chuyện với dữ liệu bằng cách sử dụng BigQuery Agents và Antigravity IDE

1. Tổng quan

Hãy dành chút thời gian để xem xét cấu trúc đồ sộ mà chúng ta đã xây dựng trong 4 phần vừa qua:

Phần 1: Chúng tôi đã sử dụng Danh mục kiến thức BigQuery để chuyển đổi các tệp PDF công thức Froyo thô thành các bảng có cấu trúc và mối quan hệ.

Phần 2: Chúng tôi đã xây dựng một cầu nối giao dịch Zero-ETL, liên kết kho BigQuery trực tiếp vào AlloyDB.

Phần 3: Chúng tôi đã điều phối một ứng dụng nhiều tác nhân (FroyoOS) bằng Bộ công cụ phát triển tác nhân và Bộ công cụ MCP.

Phần 4: Chúng tôi đã chứng minh rằng tác nhân của mình an toàn cho quá trình sản xuất bằng cách xây dựng một quy trình đánh giá hai giai đoạn.

Các hoạt động của chúng tôi đang diễn ra suôn sẻ. Nhưng còn những nhà phát triển và nhà phân tích kinh doanh cần hiểu rõ lượng dữ liệu khổng lồ mà hệ thống này đang tạo ra thì sao?

Hôm nay, chúng ta sẽ khám phá tương lai của hoạt động phân tích. Chúng ta sẽ bắt đầu ngay trong trình soạn thảo mã Antigravity IDE bằng Google Cloud Data Agent Kit, sau đó chuyển sang bảng điều khiển Cloud để trực quan hoá dữ liệu bằng BigQuery Conversational Analytics.

Hãy bắt đầu xây dựng!

Kiến thức bạn sẽ học được

Trong lớp học lập trình cuối cùng này của loạt bài Agentic Data Cloud, bạn sẽ kết hợp tất cả các thành phần trong kiến trúc của mình để cung cấp thông tin chi tiết hữu ích về hoạt động kinh doanh. Bạn sẽ tìm hiểu:

• IDE-First Analytics:Cách cài đặt và định cấu hình ANTIGRAVITY IDE và Google Cloud Data Agent Kit để truy vấn trực tiếp cấu trúc từ môi trường phát triển.
• BigQuery đàm thoại: Cách tạo, định cấu hình và hướng dẫn BigQuery Data Agents tự động hoá các tác vụ SQL phức tạp và dự báo bằng ngôn ngữ tự nhiên.
• Dân chủ hoá dữ liệu: Cách xuất bản các trợ lý ảo cho doanh nghiệp, giúp các nhà phân tích và người dùng doanh nghiệp trong toàn tổ chức có thể truy cập vào các trợ lý ảo đó.
• Trực quan hoá thông tin chi tiết: Cách tích hợp liền mạch số liệu phân tích về cuộc trò chuyện của trợ lý ảo vào Data Studio để tạo các trang tổng quan linh hoạt và sẵn sàng dự báo.
• Hệ sinh thái Đám mây dữ liệu dựa trên tác nhân: Cách trình bày giá trị của cấu trúc tổng thể – từ dữ liệu thô chưa có cấu trúc trong Phần 1 đến trang tổng quan sẵn sàng cho cấp quản lý trong Phần 5.

Yêu cầu

• Một trình duyệt, chẳng hạn như Chrome hoặc Firefox.
• Một dự án trên Google Cloud đã bật tính năng thanh toán.
• Có kiến thức cơ bản về SQL.

2. Trước khi bắt đầu

Tạo dự án

1. Trong Google Cloud Console, trên trang chọn dự án, hãy chọn hoặc tạo một dự án trên Google Cloud.
2. Đảm bảo rằng bạn đã bật tính năng thanh toán cho dự án trên Cloud. Tìm hiểu cách kiểm tra xem tính năng thanh toán có được bật trên một dự án hay không.

Bạn có thể hoàn tất hầu hết các bước trong lớp học lập trình này mà không cần tạo Tài khoản thanh toán. Chỉ BigQuery Conversational Agent (phần cuối cùng của lớp học lập trình) mới yêu cầu tài khoản thanh toán.

3. Bạn sẽ sử dụng Cloud Shell, một môi trường dòng lệnh chạy trong Google Cloud. Nhấp vào Kích hoạt Cloud Shell ở đầu bảng điều khiển Cloud.

4. Sau khi kết nối với Cloud Shell, bạn có thể kiểm tra để đảm bảo rằng bạn đã được xác thực và dự án được đặt thành mã dự án của bạn bằng lệnh sau:

gcloud auth list

5. Chạy lệnh sau trong Cloud Shell để xác nhận rằng lệnh gcloud biết về dự án của bạn.

gcloud config list project

6. Nếu bạn muốn xác thực

gcloud auth login

7. Nếu bạn chưa đặt dự án, hãy dùng lệnh sau để đặt:

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

8. Bật các API bắt buộc: Chạy lệnh này để bật tất cả các API bắt buộc:

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. Hãy đảm bảo bạn đã hoàn thành các bài thực hành phần 1, phần 2 và phần 3 để chuẩn bị cho bài thực hành này:

Quan trọng: Nếu chưa xem phần 1, thì đây là thời điểm thích hợp để xem. Dữ liệu này rất quan trọng đối với một số thông tin chi tiết và số liệu phân tích mà chúng ta sẽ trích xuất trong lớp học này.*

3. Mở rộng kho dữ liệu

Bạn còn nhớ các bảng BigQuery mà chúng ta đã tạo từ dữ liệu không có cấu trúc không?

Để thực hiện một số phân tích có ý nghĩa, chúng ta cần dữ liệu giao dịch trong quá khứ. Trong BigQuery, trong tập dữ liệu froyo_data, hãy tạo 3 bảng mới để mô phỏng nhiều năm hoạt động của nhượng quyền thương mại:

1. froyo_data.orders: Tiêu đề đơn đặt hàng trước đây (Ngày, Mã cửa hàng, Tổng số)
2. froyo_data.order_items: Thông tin chi tiết về từng mặt hàng (Số lượng, Giá)
3. froyo_data.customer_allergen_data: Bảng CRM theo dõi các dị ứng đã biết của khách hàng thân thiết

Hãy thêm các bảng liên quan đến doanh số và khách hàng này vào tập dữ liệu đó để chuẩn bị cho trường hợp sử dụng phân tích của chúng ta.

1. Chuyển đến Cloud Shell Terminal trong Google Cloud Console.
2. Chuyển đến thư mục gốc của không gian làm việc hoặc đến thư mục gốc của dự án froyo-data (mà chúng ta đã làm việc trong vài phần trước của loạt bài này).
3. Tải 3 tệp dữ liệu cũ (ở dạng tệp csv) xuống thư mục làm việc bằng cách chạy lần lượt các lệnh sau:

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. Sau khi bạn thấy các tệp đó trong thư mục gốc của thư mục làm việc, hãy chuyển đến Cloud Shell Terminal bằng cách chuyển sang thiết bị đầu cuối.
5. Chuyển đến thư mục có 3 tệp này trên Cloud Shell Terminal.
6. Đảm bảo BigQuery của bạn có tập dữ liệu tên là "froyo_data" trong phần 1 của loạt bài này (nếu không, hãy quay lại và tạo tập dữ liệu cũng như bảng).
7. Chạy các lệnh sau trong Cloud Shell Terminal:

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

Thao tác này sẽ tạo 3 bảng bổ sung trong tập dữ liệu froyo_data.

4. Trải nghiệm của nhà phát triển – Nhập "Bộ công cụ đại lý dữ liệu"

Theo cách truyền thống, nếu muốn phân tích dữ liệu hoặc viết các truy vấn học máy phức tạp, nhà phát triển phải liên tục chuyển đổi ngữ cảnh giữa IDE, bảng điều khiển cơ sở dữ liệu và tài liệu.

Giờ thì không còn chuyện đó nữa! Với tiện ích Google Cloud Data Agent Kit mới ra mắt, IDE của bạn sẽ trở thành một nguồn dữ liệu mạnh mẽ.

ANTIGRAVITY IDE

ANTIGRAVITY IDE là môi trường phát triển ưu tiên tác nhân thế hệ mới của Google, được thiết kế dành riêng cho kỷ nguyên AI. Công cụ này tích hợp sẵn các cửa sổ ngữ cảnh đa phương thức khổng lồ và khả năng sử dụng công cụ tự động ngay trong trình chỉnh sửa, cho phép nhà phát triển điều phối tài nguyên đám mây và điều phối các quy trình dữ liệu phức tạp mà không cần rời khỏi mã của họ.

Thiết lập IDE ANTIGRAVITY

1. Tải IDE xuống: Truy cập vào antigravity.google rồi tải IDE Antigravity xuống cho hệ điều hành của bạn (Windows, macOS hoặc Linux).
2. Cài đặt và khởi chạy: Chạy trình cài đặt rồi mở ứng dụng.

3. Nhấp vào Tiếp tục bằng Google, chọn tài khoản Gmail của bạn rồi uỷ quyền.
4. Sau khi đăng nhập, hãy tạo một thư mục làm việc (không gian làm việc/ dự án). Hãy gọi đó là "Agent Data Cloud".

Dự án đó sẽ xuất hiện trong danh sách "Dự án" ở bên trái:

5. Trò chuyện sơ bộ với nhân viên hỗ trợ – "xin chào".
6. Ở góc trên cùng bên phải, hãy lưu ý nút Open IDE (Mở IDE)!!!

Nhưng trước khi có thể nhấp vào đó, bạn cần cài đặt Antigravity IDE. Truy cập vào trang antigravity.google/download rồi di chuyển xuống phần Antigravity IDE, tải phiên bản bạn cần xuống.

Sau khi tải xuống, hãy quay lại phiên bản Antigravity đang mở và nhấp vào nút Open IDE (Mở IDE) ở góc trên cùng bên phải.

7. Bạn sẽ thấy cửa sổ bật lên về quyền, hãy tiếp tục mở cửa sổ đó!

Ở bên phải, bạn sẽ thấy ngăn tác nhân, ở bên trái là trình khám phá dự án và ở giữa là không gian để bạn phát triển.

Thiết lập Tiện ích Data Agent Kit

1. Cài đặt Tiện ích: Mở trang web thương mại Tiện ích trong ANTIGRAVITY IDE. Tìm và cài đặt tiện ích Google Cloud Data Agent Kit.
2. Nhấp vào nút Cài đặt. Sau khi cài đặt xong, bạn sẽ thấy tiện ích đó trên ngăn điều hướng.

3. Nhấp vào đó để mở trình khám phá Google Cloud Data Agent Kit, chuyển đến phần CÀI ĐẶT rồi nhấp vào Cài đặt. Nhập thông tin chi tiết về dự án và khu vực của bạn rồi lưu.

4. Bây giờ, hãy nhấp vào Project Explorer (Trình khám phá dự án) ở đầu ngăn điều hướng. Thao tác này sẽ mở trình khám phá dự án trong ngăn trình khám phá.
5. Nhấp chuột phải vào không gian của trình khám phá rồi tạo một tệp mới có tên là "GEMINI.md".

6. Dán nội dung sau vào GEMINI.md (Đừng quên thay thế <<YOUR_PROJECT_ID>> bằng giá trị của bạn):

## 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`.

Giờ đây, bạn đã có một tác nhân AI có năng lực cao ngay trong IDE của mình, sẵn sàng viết mã, tạo SQL và phân tích cấu trúc của bạn.

Giờ đây, chúng ta có một thách thức phân tích thú vị: Liệu chúng ta có thể tương quan doanh số bán hàng trong quá khứ với dữ liệu phức tạp về chất gây dị ứng được suy luận mà chúng ta đã trích xuất từ tệp PDF ở Phần 1 không?

5. Suy luận thông tin tình báo thông qua tác nhân IDE

Hãy yêu cầu Agent IDE của chúng ta xử lý phần việc khó. Mở cửa sổ trò chuyện Agent Data Kit ngay trong ANTIGRAVITY IDE và đưa ra lời nhắc sau:

Does Midnight Swirl contain any allergen?

Ứng dụng sẽ yêu cầu một loạt quyền, hãy cấp quyền nếu có thể.

Cuối cùng, công cụ này sẽ truy xuất câu trả lời cho bạn vào cuối quá trình phân tích:

Tuyệt vời!!! Ứng dụng đã xác định chính xác rằng mặt hàng Midnight Swirl có chứa Đậu nành.

Bây giờ, hãy đặt một câu hỏi phức tạp hơn một chút. Gửi lời nhắc sau đây trong IDE Antigravity:

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

Câu trả lời:

Bạn có thể tiếp tục. Hãy thử các câu lệnh như:

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

Không cần tra cứu cú pháp BQML, Agent Data Kit sẽ thả chính xác mã CREATE MODEL và ML.FORECAST vào trình chỉnh sửa của bạn. Bạn có thể thực thi trực tiếp thao tác này trên môi trường BigQuery mà không cần rời khỏi ANTIGRAVITY IDE!

Thật tuyệt vời!!!

6. Tính năng Phân tích đàm thoại trong BigQuery

Mặc dù nhà phát triển rất thích IDE, nhưng người dùng doanh nghiệp và các nhà điều hành lại sử dụng bảng điều khiển trên đám mây. Họ không muốn thấy SQL, họ chỉ muốn câu trả lời.

Hãy bắt đầu:

1. Cấp cho chính mình các vai trò bắt buộc

Chuyển đến trang IAM của dự án và cấp cho chính bạn vai trò Chủ sở hữu tác nhân dữ liệu phân tích của Gemini:

Vai trò này cấp cho bạn quyền tạo, chỉnh sửa, chia sẻ và xoá tất cả các tác nhân dữ liệu trong dự án.

2. Bật các API bắt buộc

Chuyển đến BigQuery trên Google Cloud Console. Sử dụng trình đơn điều hướng ở thanh bên hoặc trình đơn tìm kiếm ở đầu trang để chuyển đến BigQuery > Agents.

Nhấp vào Bật Data Analytics API bằng Gemini:

Bật cả Gemini in BigQuery API và Gemini for Google Cloud API:

Lúc này, bạn sẽ thấy trang đại lý mới:

3. Định cấu hình thông tin về tác nhân

Tên nhân viên hỗ trợ: Froyo Agent

Nội dung mô tả về tác nhân: Giúp trả lời các câu hỏi liên quan đến sản phẩm sữa chua đông lạnh, chất gây dị ứng, thành phần, công thức, khách hàng,đơn đặt hàng,doanh số.

4. Chuyển đến phần Nguồn kiến thức rồi chọn tất cả các bảng bên dưới trong tập dữ liệu của bạn:

a. Thêm các bảng trong hình ảnh ở trên rồi nhấp vào Thêm nguồn.

b. Đối với mỗi nguồn, hãy nhấp vào nút tuỳ chỉnh ở bên phải. Bạn sẽ thấy biểu mẫu bên dưới:

c. Nhấp vào "Chấp nhận" để xem nội dung mô tả bảng.

d. Nhấp vào "Chấp nhận" cho nội dung mô tả của từng trường.

e. Nhấp vào Cập nhật.

Bạn phải lặp lại thao tác này cho tất cả các bảng trong nguồn.

5. Hướng dẫn định cấu hình

Đặt cùng một hướng dẫn mà chúng tôi đã sử dụng trong Antigravity IDE GEMINI.md tại đây:

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. Lưu tác nhân của bạn.

7. Trò chuyện với dữ liệu của bạn!

7. Thử nghiệm ở mục xem trước bên phải:

Đặt câu hỏi:

Does midnight swirl contain any allergen?

Sau đây là câu trả lời:

Bây giờ, hãy đặt câu hỏi phức tạp:

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

Câu trả lời:

Hãy thử một câu lệnh cung cấp thông tin chi tiết chuyên sâu ngay bây giờ:

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

Bạn có thể thấy rằng tính năng này cho bạn biết truy vấn mà tính năng này sử dụng, cùng với kết quả dạng bảng và biểu đồ:

Rất ấn tượng! Vì vậy, điều này phù hợp với biểu đồ và thông tin chi tiết. Đã đến lúc đặt câu hỏi cuối cùng về sản phẩm.

8. Bài kiểm tra cuối cùng

Đặt câu hỏi:

What will be the top most selling product of 2026

Hãy xem thông tin chi tiết cuối cùng đó. BigQuery Data Agent không chỉ cung cấp cho chúng tôi một con số mà còn liên kết rõ ràng dự báo doanh số bán hàng với chuỗi cung ứng hàng tồn kho và nguyên liệu của chúng tôi – chính là dữ liệu mà chúng tôi đã trích xuất từ các tệp PDF lộn xộn trong Phần 1!

9. Xuất bản tác nhân cho doanh nghiệp

Nhấp vào nút Xuất bản ở đầu tác nhân xem trước.

Sau khi xây dựng, định cấu hình và kiểm thử Froyo Agent, giờ là lúc chúng ta phát hành ứng dụng này cho phần còn lại của doanh nghiệp.

Ở góc trên cùng bên phải của trang Cấu hình tác nhân, hãy nhấp vào nút Xuất bản.

Khi bạn xuất bản, tác nhân của bạn sẽ xuất hiện ngay lập tức trên 3 kênh doanh nghiệp mạnh mẽ cho bạn và những người mà bạn chia sẻ:

1. BigQuery: Giờ đây, các nhà phân tích dữ liệu có thể trò chuyện trực tiếp với tác nhân này từ Trung tâm tác nhân hoặc ngay trong không gian làm việc SQL của BigQuery Studio.
2. Conversational Analytics API: Nhà phát triển của bạn có thể truy cập vào tác nhân này thông qua API REST, cho phép họ tích hợp chính xác những số liệu phân tích về cuộc trò chuyện này vào các ứng dụng web nội bộ tuỳ chỉnh của riêng bạn.
3. Data Studio: Các nhà điều hành có thể tương tác với tác nhân này và tạo trang tổng quan trò chuyện linh hoạt ngay trong Data Studio.

Chúng tôi đã thành công trong việc đưa dữ liệu ra khỏi các kho lưu trữ riêng biệt và cung cấp trực tiếp cho những người cần đến dữ liệu đó, ngay tại nơi họ đang làm việc!

Nhấp vào trình đơn thả xuống của nút Chia sẻ ở trên cùng của Tác nhân BigQuery đã xuất bản, rồi chọn "Sao chép đường liên kết đến tác nhân trong Data Studio" trong danh sách:

Dán đường liên kết đó vào trình duyệt rồi nhấn Enter. Xác nhận cảnh báo về quyền truy cập vào lượt tương tác với tác nhân:

Bạn có thể bắt đầu các cuộc trò chuyện và hình ảnh trực quan mang tính tương tác với tác nhân mới xuất bản từ Data Studio. Ban lãnh đạo và các nhóm khác cần thông tin này cũng có thể làm như vậy!

10. Dọn dẹp

Sau khi hoàn thành bài thực hành này, đừng quên xoá quyền của tất cả người dùng đối với BigQuery Agent mà bạn vừa tạo.

11. Xin chúc mừng!

Bạn đã chính thức xây dựng một Đám mây dữ liệu dựa trên tác nhân!

Bạn không chỉ tạo một chatbot đơn giản. Trong 5 buổi này, bạn đã thiết kế thành công một hệ thống AI hoàn chỉnh, hiện đại và được đánh giá cho doanh nghiệp từ đầu. Bạn đã chuyển từ "dữ liệu ẩn" sang thông tin chi tiết về giao dịch theo thời gian thực, và cuối cùng là dự đoán kinh doanh dựa trên cuộc trò chuyện.

12. The Complete Picture

Hãy nhìn lại những gì chúng ta đã đạt được trong loạt bài này. Chúng tôi không chỉ xây dựng một chatbot đơn giản. Chúng tôi đã thiết kế một Đám mây dữ liệu dựa trên tác nhân hoàn chỉnh và hiện đại:

Phần 1: Khám phá dữ liệu ẩn bằng cách chuyển tệp PDF thành các bảng quan hệ có cấu trúc bằng Danh mục tri thức.

Phần 2: Phá vỡ các kho dữ liệu riêng biệt bằng cách liên kết kho phân tích trực tiếp vào cơ sở dữ liệu giao dịch AlloyDB.

Phần 3: Trao quyền cho người dùng bằng cách xây dựng một Hệ điều hành nhiều tác nhân có thể thực thi liền mạch các công cụ cơ sở dữ liệu an toàn thông qua giao thức MCP

Phần 4: Đảm bảo an toàn bằng cách triển khai quy trình Đánh giá nghiêm ngặt để phát hiện thông tin sai lệch và các hành vi vượt rào cản.

Phần 5: Thông tin chi tiết được dân chủ hoá bằng cách sử dụng ANTIGRAVITY IDE và tính năng Phân tích đàm thoại trong BigQuery.

Đây là tương lai của phần mềm doanh nghiệp. Tác nhân AI không còn chỉ là một trình bao bọc cho một LLM nữa. Đây là một công cụ điều phối được tích hợp, đánh giá và bảo mật hoàn toàn, nằm trên nền tảng dữ liệu hợp nhất.