使用 BigQuery 代理程式和 Antigravity IDE 進行對話式資料分析

1. 總覽

請花點時間看看我們在過去四個部分中建構的大型架構：

第 1 部分：我們使用 BigQuery Knowledge Catalog，將原始的 Froyo 食譜 PDF 轉換為結構化關聯式資料表。

第 2 部分：我們建構了零 ETL 交易橋接器，直接將 BigQuery 倉儲聯合至 AlloyDB。

第 3 部分：我們使用 Agent Development Kit 和 MCP Toolbox 協調多代理應用程式 (FroyoOS)。

第 4 部分：我們建構了雙軌評估管道，證明代理程式可安全用於正式環境。

我們的營運作業運作無虞。但如果開發人員和業務分析師需要瞭解這個系統產生的大量資料，該怎麼辦？

今天，我們要探討數據分析的未來趨勢。我們將直接在程式碼編輯器 Antigravity IDE 中使用 Google Cloud Data Agent Kit，然後前往 Google Cloud 控制台，使用 BigQuery Conversational Analytics 以視覺化方式呈現資料。

讓我們開始建構吧！

課程內容

在本代理式資料雲端系列的最後一個程式碼研究室中，您將整合所有架構元件，提供可據以行動的業務洞察。您將學會：

• 以 IDE 為主的 Analytics：如何安裝及設定 ANTIGRAVITY IDE 和 Google Cloud Data Agent Kit，直接從開發環境查詢架構。
• 對話式 BigQuery：如何建立、設定及指示 BigQuery 資料代理，以自然語言自動執行複雜的 SQL 工作和預測。
• 資料民主化：如何將代理程式發布至企業，讓整個機構的分析師和商務使用者都能存取。
• 洞察資訊視覺化：瞭解如何將代理程式的對話式數據分析資料完美整合至 數據分析，建立動態資訊主頁並進行預測。
• 代理式資料雲端生態系統：如何清楚說明端對端架構的價值，從第 1 部分的原始非結構化資料，到第 5 部分的執行長專用資訊主頁。

需求條件

• 瀏覽器，例如 Chrome 或 Firefox。
• 已啟用計費功能的 Google Cloud 專案。
• 對 SQL 有基本瞭解。

2. 事前準備

建立專案

1. 在 Google Cloud 控制台的專案選取器頁面中，選取或建立 Google Cloud 專案。
2. 確認 Cloud 專案已啟用計費功能。瞭解如何檢查專案是否已啟用計費功能。

您不需要建立帳單帳戶，就能完成大部分的程式碼實驗室。只有 BigQuery 對話式代理程式 (程式碼研究室的最後一部分) 需要帳單帳戶。

3. 您將使用 Cloud Shell，這是 Google Cloud 中執行的指令列環境。按一下 Google Cloud 控制台頂端的「啟用 Cloud Shell」。

4. 連至 Cloud Shell 後，請使用下列指令確認驗證已完成，專案也已設為獲派的專案 ID：

gcloud auth list

5. 在 Cloud Shell 中執行下列指令，確認 gcloud 指令已瞭解您的專案。

gcloud config list project

6. 如要驗證

gcloud auth login

7. 如果未設定專案，請使用下列指令來設定：

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

8. 啟用必要的 API：執行下列指令，啟用所有必要的 API：

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. 請務必先完成第 1 部分、第 2 部分和第 3 部分的實驗室，再進行這項操作：

重要事項：如果您尚未完成第 1 部分，現在正是時候。這項資料對於我們在本實驗室中擷取的某些分析和洞察資料非常重要。*

3. 擴充資料倉儲

還記得我們從非結構化資料建立的 BigQuery 資料表嗎？

如要進行有意義的分析，我們需要歷來交易資料。在 BigQuery 的 froyo_data 資料集下，建立三個新資料表，模擬多年的加盟營運：

1. froyo_data.orders：過往訂單標題 (日期、商店 ID、總計)
2. froyo_data.order_items：明細項目詳細資料 (數量、價格)
3. froyo_data.customer_allergen_data：客戶關係管理資料表，追蹤我們忠實顧客的已知過敏原

讓我們將這些銷售和顧客相關資料表新增至該資料集，為分析用途做好準備。

1. 前往 Google Cloud 控制台的 Cloud Shell 終端機。
2. 前往工作區的根資料夾，或 froyo-data 專案的根資料夾 (我們在這一系列文章的過去幾部分中，一直使用這個資料夾)。
3. 依序執行下列指令，將 3 個歷史資料檔案 (CSV 檔案) 下載到工作目錄：

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. 在工作目錄的根目錄中看到這些檔案後，請切換至終端機，前往 Cloud Shell 終端機。
5. 在 Cloud Shell 終端機中，前往這 3 個檔案所在的目錄。
6. 請確認 BigQuery 中有本系列第 1 部分的「froyo_data」資料集 (如果沒有，請返回並建立資料集和資料表)。
7. 在 Cloud Shell 終端機執行下列指令：

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

這應該會在 froyo_data 資料集中建立 3 個額外資料表。

4. 開發人員體驗 - 進入「資料代理程式套件」

傳統上，如果開發人員想分析資料或編寫複雜的機器學習查詢，就必須不斷在 IDE、資料庫控制台和說明文件之間切換。

答案是不需要。有了新推出的 Google Cloud Data Agent Kit 擴充功能，IDE 就能成為資料強大後盾。

ANTIGRAVITY IDE

ANTIGRAVITY IDE 是 Google 的新一代開發環境，以代理為優先，專為 AI 時代設計。這項功能可將大量多模態脈絡視窗和自主工具使用直接整合到編輯器中，讓開發人員調度雲端資源和複雜的資料管道，完全不必離開程式碼。

設定 ANTIGRAVITY IDE

1. 下載 IDE：前往 antigravity.google，然後下載適用於您作業系統 (Windows、macOS 或 Linux) 的 Antigravity IDE。
2. 安裝及啟動：執行安裝程式並開啟應用程式。

3. 按一下「使用 Google 繼續」，選取 Gmail 帳戶並完成授權。
4. 登入後，請建立工作資料夾 (工作區/ 專案)。我們將其命名為「Agent Data Cloud」。

左側的「專案」清單中應會顯示該專案：

5. 與代理進行初步對話 -「hi」。
6. 請注意右上角的「開啟 IDE」按鈕！

但您必須先安裝 Antigravity IDE，才能點按該按鈕。前往 antigravity.google/download 頁面，向下捲動至 Antigravity IDE 部分，然後下載所需變體。

下載完成後，返回開啟的 Antigravity 執行個體，然後按一下右上角的「Open IDE」按鈕。

7. 您應該會看到權限相關的彈出式視窗，請繼續開啟！

右側是代理程式窗格，左側是專案探索工具，中間則是開發空間。

設定 Data Agent Kit 擴充功能

1. 安裝擴充功能：在 ANTIGRAVITY IDE 中開啟擴充功能市集。搜尋並安裝 Google Cloud Data Agent Kit 擴充功能。
2. 按一下「安裝」按鈕，完成後即可在導覽窗格中看到該擴充功能。

3. 按一下該連結，開啟 Google Cloud Data Agent Kit 檔案總管，然後前往「SETTINGS」部分並按一下「Settings」。在該檔案中輸入專案詳細資料和區域，然後儲存。

4. 現在點選「導覽」窗格頂端的「專案總管」。探索工具窗格應會開啟專案探索工具。
5. 在檔案總管空間中按一下滑鼠右鍵，然後建立名為「GEMINI.md」的新檔案。

6. 將下列內容貼到 GEMINI.md (別忘了將 <<YOUR_PROJECT_ID>> 換成您的值)：

## 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`.

現在，您可以在 IDE 中直接使用功能強大的 AI 代理，編寫程式碼、生成 SQL，以及分析架構。

我們現在面臨一項有趣的分析挑戰：我們能否將歷史銷售資料，與第 1 部分從 PDF 擷取的複雜推斷過敏原資料相互關聯？

5. 透過 IDE 代理程式推斷智慧

現在就請 IDE 代理代勞。在 ANTIGRAVITY IDE 中開啟 Agent Data Kit 即時通訊視窗，並輸入下列提示：

Does Midnight Swirl contain any allergen?

系統會要求一系列權限，請視情況允許。

最後，分析完成後，系統會提供回覆：

太棒了！系統正確辨識出「午夜漩渦」含有大豆。

現在來問一個稍微複雜一點的問題。在 Antigravity IDE 中傳送下列提示：

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

回覆：

你可以繼續。你可以嘗試以下提示：

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

您不必查詢 BQML 語法，代理程式資料套件就會將確切的 CREATE MODEL 和 ML.FORECAST 程式碼放入編輯器。您可以在 ANTIGRAVITY IDE 中直接對 BigQuery 環境執行這項操作，完全不必離開 IDE！

這太神奇了！

6. BigQuery 中的對話式數據分析

開發人員喜歡使用 IDE，但商務使用者和主管則偏好雲端控制台。他們不想看到 SQL，只想知道答案。

開始設定的方式如下：

1. 授予自己必要角色

前往專案的「IAM」頁面，然後授予自己 Gemini Data Analytics 資料代理擁有者角色：

這個角色授予的權限可讓您建立、編輯、共用及刪除專案中的所有資料代理程式。

2. 啟用必要的 API

前往 Google Cloud 控制台的 BigQuery。使用側邊欄導覽選單或頁面頂端的搜尋選單，前往「BigQuery」>「Agents」。

按一下「啟用 Data Analytics API with Gemini」：

啟用 Gemini in BigQuery API 和 Gemini for Google Cloud API：

現在應該會看到新的代理程式頁面：

3. 設定代理人資訊

代理程式名稱：Froyo Agent

服務專員說明：協助回答優格產品、過敏原、成分、食譜、顧客、訂單、銷售相關問題。

4. 前往「知識來源」部分，然後從資料集中選取下列所有資料表：

a. 加入上圖中的表格，然後按一下「新增來源」。

b. 按一下各個來源右側的「自訂」按鈕。您會看到下列表單：

c. 按一下資料表說明的「接受」。

d. 點選各欄位說明的「接受」。

e. 點選「更新」。

您必須針對來源中的所有資料表重複執行這項操作。

5. 設定指示

將 Antigravity IDE GEMINI.md 中使用的相同指令放在這裡：

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. 儲存代理程式。

7. 與資料對話！

7. 在右側的預覽部分測試：

提出問題：

Does midnight swirl contain any allergen?

回覆內容如下：

現在來問個複雜的問題：

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

回覆：

現在來試試深入洞察提示：

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

您可以看到系統顯示使用的查詢，以及表格結果和圖表：

太棒了！因此圖表和洞察資料的呈現效果良好。現在要問產品的終極問題。

8. 終極測試

提問：

What will be the top most selling product of 2026

請看最後的洞察資料。BigQuery 資料代理程式不僅提供數字，還明確將銷售預測與庫存和原料供應鏈連結起來，這正是我們在第 1 部分中從雜亂的 PDF 檔案擷取的資料！

9. 將代理發布至企業

按一下預覽代理程式頂端的「發布」按鈕。

我們已建構、設定及測試 Froyo 代理程式，現在可以向其他業務發布。

在「代理程式設定」頁面右上角，按一下「發布」按鈕。

發布後，您和共用對象就能立即透過下列三個強大的企業管道使用代理：

1. BigQuery：資料分析師現在可以直接透過代理中心或 BigQuery Studio SQL 工作區，與這個代理程式對話。
2. 對話式數據分析 API：開發人員可以透過 REST API 存取這個代理，將這些對話式數據分析功能整合到自訂的內部 Web 應用程式。
3. 數據分析：高階主管可與這個代理互動，並直接在數據分析中建立動態對話式資訊主頁。

我們已成功將資料從資訊孤島中取出，直接交給需要的人員，而且就在他們既有的作業區域！

按一下已發布 BigQuery 代理程式頂端的「分享」按鈕下拉式選單，然後從清單中選取「複製代理程式在 Data Studio 中的連結」選項：

在瀏覽器中貼上該連結，然後按下 Enter 鍵。確認代理程式互動存取權警示：

您可以在數據分析中與新發布的代理進行互動式對話，並產生視覺化內容，需要這項資訊的領導階層和其他團隊也能這麼做！

10. 清理

完成本實驗室後，請務必移除您剛建立的 BigQuery 代理程式的所有使用者權限。

11. 恭喜！

您已正式建構代理式資料雲端！

您不只是建立簡單的聊天機器人，在五堂課程中，您已成功從頭開始設計及評估完整的現代化企業 AI 系統。您已從「暗資料」轉移至即時交易智慧，最終轉移至對話式業務預測。

12. 完整圖片

回顧一下我們在本系列課程中達成的成就。我們建構的不只是簡單的聊天機器人，我們設計了完整的現代化代理式資料雲端：

第 1 部分：使用 Knowledge Catalog 將 PDF 轉換為結構化關聯式表格，解鎖暗資料。

第 2 部分：直接將分析倉儲聯合到 AlloyDB 交易資料庫，打破資料孤島。

第 3 部分：建構多代理 OS，透過 MCP 協定順暢執行安全資料庫工具，讓使用者如虎添翼

第 4 部分：實施嚴格的評估管道，以偵測幻覺和越獄行為，確保安全無虞。

第 5 部分：使用 ANTIGRAVITY IDE 和 BigQuery 中的對話式數據分析，讓所有人都能取得深入分析結果。

這就是企業軟體的未來。AI 代理不再只是 LLM 的包裝函式，這是完全整合、經過評估且安全的自動化調度管理引擎，位於統一資料平台之上。