इस कोडलैब (कोड बनाना सीखने के लिए ट्यूटोरियल) के बारे में जानकारी
1. खास जानकारी
इस लैब में, आपको एक GenAI एजेंट बनाना होगा, उसे Cloud Run ऐप्लिकेशन से कनेक्ट करना होगा, और एजेंट को Slack वर्कस्पेस में इंटिग्रेट करना होगा.
आपको क्या सीखने को मिलेगा
लैब के कई मुख्य हिस्से होते हैं:
- Gemini API के साथ इंटिग्रेट करने के लिए, Cloud Run ऐप्लिकेशन को डिप्लॉय करना
- Vertex AI एजेंट बनाना और उसे डिप्लॉय करना
- Slack में एजेंट को इंटिग्रेट करना
- PDF दस्तावेज़ों में सवाल और जवाब के लिए डेटा स्टोर को कॉन्फ़िगर करना
ज़रूरी शर्तें
- इस लैब में यह माना गया है कि आपको Cloud Console और Cloud Shell के एनवायरमेंट के बारे में पता है.
2. सेटअप और ज़रूरी शर्तें
Cloud प्रोजेक्ट का सेटअप
- Google Cloud Console में साइन इन करें और नया प्रोजेक्ट बनाएं या किसी मौजूदा प्रोजेक्ट का फिर से इस्तेमाल करें. अगर आपके पास पहले से कोई Gmail या Google Workspace खाता नहीं है, तो आपको एक खाता बनाना होगा.
- प्रोजेक्ट का नाम, इस प्रोजेक्ट में हिस्सा लेने वाले लोगों के लिए डिसप्ले नेम होता है. यह एक वर्ण स्ट्रिंग है, जिसका इस्तेमाल Google API नहीं करते. इसे कभी भी अपडेट किया जा सकता है.
- प्रोजेक्ट आईडी, Google Cloud के सभी प्रोजेक्ट के लिए यूनीक होता है. साथ ही, इसे सेट करने के बाद बदला नहीं जा सकता. Cloud Console, अपने-आप एक यूनीक स्ट्रिंग जनरेट करता है. आम तौर पर, आपको यह जानने की ज़रूरत नहीं होती कि यह स्ट्रिंग क्या है. ज़्यादातर कोडलैब में, आपको अपने प्रोजेक्ट आईडी का रेफ़रंस देना होगा. आम तौर पर, इसे
PROJECT_ID
के तौर पर पहचाना जाता है. अगर आपको जनरेट किया गया आईडी पसंद नहीं आता है, तो कोई दूसरा आईडी जनरेट किया जा सकता है. इसके अलावा, आपके पास खुद का कोई दूसरा नाम चुनने का विकल्प भी है. इस चरण के बाद, इसे बदला नहीं जा सकता. यह प्रोजेक्ट के दौरान बना रहता है. - आपकी जानकारी के लिए बता दें कि तीसरी वैल्यू, प्रोजेक्ट नंबर होती है. इसका इस्तेमाल कुछ एपीआई करते हैं. दस्तावेज़ में इन तीनों वैल्यू के बारे में ज़्यादा जानें.
- इसके बाद, आपको Cloud के संसाधनों/एपीआई का इस्तेमाल करने के लिए, Cloud Console में बिलिंग की सुविधा चालू करनी होगी. इस कोडलैब को चलाने के लिए, आपसे कोई शुल्क नहीं लिया जाएगा. इस ट्यूटोरियल के बाद बिलिंग से बचने के लिए, बनाए गए संसाधनों को बंद किया जा सकता है या प्रोजेक्ट को मिटाया जा सकता है. Google Cloud के नए उपयोगकर्ता, 300 डॉलर के मुफ़्त ट्रायल वाले कार्यक्रम में शामिल हो सकते हैं.
एनवायरमेंट सेटअप करना
Gemini Chat खोलें.
Cloud AI Companion API को चालू करने के लिए:
"Start chatting
" पर क्लिक करें और सैंपल के तौर पर दिए गए सवालों में से किसी एक को फ़ॉलो करें या इसे आज़माने के लिए अपना प्रॉम्प्ट टाइप करें.
ये प्रॉम्प्ट आज़माएँ:
- Cloud Run के बारे में पांच मुख्य बातों में बताएं.
- आप Google Cloud Run के प्रॉडक्ट मैनेजर हैं. किसी छात्र को Cloud Run के बारे में पांच मुख्य बातों में बताएं.
- आप Google Cloud Run के प्रॉडक्ट मैनेजर हैं. आपको सर्टिफ़ाइड Kubernetes डेवलपर को पांच मुख्य बातों में Cloud Run के बारे में बताना है.
- आप Google Cloud Run के प्रॉडक्ट मैनेजर हैं. आपको किसी सीनियर डेवलपर को पांच मुख्य बातों में यह बताना है कि Cloud Run और GKE में से किसका इस्तेमाल कब किया जाना चाहिए.
बेहतर प्रॉम्प्ट लिखने के बारे में ज़्यादा जानने के लिए, प्रॉम्प्ट के लिए गाइड देखें.
Google Cloud के लिए Gemini आपके डेटा का इस्तेमाल कैसे करता है
निजता को लेकर Google की प्रतिबद्धता
Google, इंडस्ट्री में उन कंपनियों में से एक है जिन्होंने एआई/एमएल से जुड़ी निजता से जुड़ी प्रतिबद्धता पब्लिश की है. इससे यह पता चलता है कि हमारे हिसाब से, ग्राहकों को क्लाउड में सेव किए गए अपने डेटा पर सबसे ज़्यादा सुरक्षा और कंट्रोल मिलना चाहिए.
आपका सबमिट किया गया और पाया गया डेटा
Gemini से पूछे गए सवालों को प्रॉम्प्ट कहा जाता है. इनमें, विश्लेषण करने या पूरा करने के लिए, Gemini को सबमिट की गई कोई भी इनपुट जानकारी या कोड भी शामिल है. Gemini से मिलने वाले जवाबों या कोड को पूरा करने की सुविधा को जवाब कहा जाता है. Gemini, अपने मॉडल को ट्रेनिंग देने के लिए, आपके प्रॉम्प्ट या उनके जवाबों का इस्तेमाल नहीं करता है.
प्रॉम्प्ट को एन्क्रिप्ट (सुरक्षित) करना
Gemini में प्रॉम्प्ट सबमिट करने पर, Gemini में मौजूद मॉडल के इनपुट के तौर पर, आपका डेटा एन्क्रिप्ट (सुरक्षित) किया जाता है.
Gemini से जनरेट किया गया प्रोग्राम डेटा
Gemini को पहले पक्ष के Google Cloud कोड के साथ-साथ, चुने गए तीसरे पक्ष के कोड पर ट्रेनिंग दी गई है. अपने कोड की सुरक्षा, जांच, और असरदार होने की ज़िम्मेदारी आपकी है. इसमें, Gemini की मदद से पूरा किया गया कोड, जनरेट किया गया कोड या उसका विश्लेषण भी शामिल है.
Google आपके प्रॉम्प्ट को कैसे मैनेज करता है, इसके बारे में ज़्यादा जानें.
3. प्रॉम्प्ट की जांच करने के विकल्प
प्रॉम्प्ट की जांच करने के लिए, आपके पास कई विकल्प हैं.
Vertex AI Studio, Google Cloud के Vertex AI प्लैटफ़ॉर्म का हिस्सा है. इसे खास तौर पर, जनरेटिव एआई मॉडल को आसानी से डेवलप करने और इस्तेमाल करने के लिए डिज़ाइन किया गया है.
Google AI Studio, वेब पर काम करने वाला एक टूल है. इसका इस्तेमाल, प्रॉम्प्ट इंजीनियरिंग और Gemini API के साथ प्रोटोटाइप बनाने और एक्सपेरिमेंट करने के लिए किया जाता है.
- Gemini का वेब ऐप्लिकेशन (gemini.google.com)
Google Gemini का वेब ऐप्लिकेशन (gemini.google.com), वेब पर काम करने वाला टूल है. इसे Google के Gemini एआई मॉडल को एक्सप्लोर करने और उनका इस्तेमाल करने में आपकी मदद करने के लिए डिज़ाइन किया गया है.
- Android के लिए Google Gemini मोबाइल ऐप्लिकेशन और iOS पर Google ऐप्लिकेशन
4. रिपॉज़िटरी का क्लोन बनाना
Google Cloud Console पर वापस जाएं और खोज बार की दाईं ओर मौजूद आइकॉन पर क्लिक करके, Cloud Shell चालू करें.
खुले हुए टर्मिनल में, ये कमांड चलाएं
git clone https://github.com/GoogleCloudPlatform/genai-for-developers.git
cd genai-for-developers
git checkout slack-agent-jira-lab
"एडिटर खोलें" पर क्लिक करें
"File / Open Folder
" मेन्यू आइटम का इस्तेमाल करके, "genai-for-developers
" खोलें.
नया टर्मिनल खोलना
5. सेवा खाता बनाएं
नया सेवा खाता और कुंजियां बनाएं.
इस सेवा खाते का इस्तेमाल, Cloud Run ऐप्लिकेशन से Vertex AI Gemini API को एपीआई कॉल करने के लिए किया जाएगा.
qwiklabs प्रोजेक्ट की जानकारी का इस्तेमाल करके, प्रोजेक्ट की जानकारी कॉन्फ़िगर करें.
उदाहरण: qwiklabs-gcp-00-2c10937585bb
gcloud config set project YOUR_QWIKLABS_PROJECT_ID
सेवा खाता बनाएं और भूमिकाएं दें.
export LOCATION=us-central1
export PROJECT_ID=$(gcloud config get-value project)
export SERVICE_ACCOUNT_NAME='vertex-client'
export DISPLAY_NAME='Vertex Client'
export KEY_FILE_NAME='vertex-client-key'
gcloud iam service-accounts create $SERVICE_ACCOUNT_NAME --project $PROJECT_ID --display-name "$DISPLAY_NAME"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/aiplatform.admin"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/aiplatform.user"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/cloudbuild.builds.editor"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/artifactregistry.admin"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/storage.admin"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/run.admin"
gcloud projects add-iam-policy-binding $PROJECT_ID --member="serviceAccount:$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com" --role="roles/secretmanager.secretAccessor"
gcloud iam service-accounts keys create $KEY_FILE_NAME.json --iam-account=$SERVICE_ACCOUNT_NAME@$PROJECT_ID.iam.gserviceaccount.com
अगर आपसे अनुमति देने के लिए कहा जाता है, तो जारी रखने के लिए "अनुमति दें" पर क्लिक करें.
Vertex AI API और Gemini Chat का इस्तेमाल करने के लिए, ज़रूरी सेवाएं चालू करें.
gcloud services enable \
generativelanguage.googleapis.com \
aiplatform.googleapis.com \
cloudaicompanion.googleapis.com \
run.googleapis.com \
cloudresourcemanager.googleapis.com
Vertex AI API और Gemini Chat का इस्तेमाल करने के लिए, ज़रूरी सेवाएं चालू करें.
gcloud services enable \
artifactregistry.googleapis.com \
cloudbuild.googleapis.com \
runapps.googleapis.com \
workstations.googleapis.com \
servicemanagement.googleapis.com \
secretmanager.googleapis.com \
containerscanning.googleapis.com
Gemini Code Assist की सुविधा चालू करना
सबसे नीचे दाएं कोने में मौजूद, "Gemini" आइकॉन पर क्लिक करें. इसके बाद, "Sign-in
" और "Select Google Cloud project
" पर क्लिक करें.
पॉप-अप विंडो में, अपना qwiklabs प्रोजेक्ट चुनें.
उदाहरण:
फ़ाइल "devai-api/app/routes.py
" खोलें. इसके बाद, फ़ाइल में कहीं भी राइट क्लिक करें और संदर्भ मेन्यू से "Gemini Code Assist > Explain
this"
" चुनें.
चुनी गई फ़ाइल के लिए, Gemini की दी गई जानकारी देखें.
6. Devai-API को Cloud Run पर डिप्लॉय करना
देखें कि आप सही फ़ोल्डर में हैं या नहीं.
cd ~/genai-for-developers/devai-api
इस लैब के लिए, हम सबसे सही तरीकों का पालन करते हैं. साथ ही, Cloud Run में ऐक्सेस टोकन और LangChain API पासकोड की वैल्यू को सेव करने और उनका रेफ़रंस देने के लिए, Secret Manager का इस्तेमाल करते हैं.
एनवायरमेंट वैरिएबल सेट करें.
export JIRA_API_TOKEN=your-jira-token
export JIRA_USERNAME="YOUR-EMAIL"
export JIRA_INSTANCE_URL="https://YOUR-JIRA-PROJECT.atlassian.net"
export JIRA_PROJECT_KEY="YOUR-JIRA-PROJECT-KEY"
export JIRA_CLOUD=true
export GITLAB_PERSONAL_ACCESS_TOKEN=your-gitlab-token
export GITLAB_URL="https://gitlab.com"
export GITLAB_BRANCH="devai"
export GITLAB_BASE_BRANCH="main"
export GITLAB_REPOSITORY="GITLAB-USERID/GITLAB-REPO"
export LANGCHAIN_API_KEY=your-langchain-key
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_ENDPOINT="https://api.smith.langchain.com"
JIRA ऐक्सेस टोकन को Secret Manager में सेव करें.
echo -n $JIRA_API_TOKEN | \
gcloud secrets create JIRA_API_TOKEN \
--data-file=-
सीक्रेट मैनेजर में GitLab ऐक्सेस टोकन सेव करें.
echo -n $GITLAB_PERSONAL_ACCESS_TOKEN | \
gcloud secrets create GITLAB_PERSONAL_ACCESS_TOKEN \
--data-file=-
Secret Manager में LangChain API पासकोड सेव करें.
echo -n $LANGCHAIN_API_KEY | \
gcloud secrets create LANGCHAIN_API_KEY \
--data-file=-
ऐप्लिकेशन को Cloud Run पर डिप्लॉय करें.
gcloud run deploy devai-api \
--source=. \
--region="$LOCATION" \
--allow-unauthenticated \
--service-account vertex-client \
--set-env-vars PROJECT_ID="$PROJECT_ID" \
--set-env-vars LOCATION="$LOCATION" \
--set-env-vars GITLAB_URL="$GITLAB_URL" \
--set-env-vars GITLAB_REPOSITORY="$GITLAB_REPOSITORY" \
--set-env-vars GITLAB_BRANCH="$GITLAB_BRANCH" \
--set-env-vars GITLAB_BASE_BRANCH="$GITLAB_BASE_BRANCH" \
--set-env-vars JIRA_USERNAME="$JIRA_USERNAME" \
--set-env-vars JIRA_INSTANCE_URL="$JIRA_INSTANCE_URL" \
--set-env-vars JIRA_PROJECT_KEY="$JIRA_PROJECT_KEY" \
--set-env-vars JIRA_CLOUD="$JIRA_CLOUD" \
--set-env-vars LANGCHAIN_TRACING_V2="$LANGCHAIN_TRACING_V2" \
--update-secrets="LANGCHAIN_API_KEY=LANGCHAIN_API_KEY:latest" \
--update-secrets="GITLAB_PERSONAL_ACCESS_TOKEN=GITLAB_PERSONAL_ACCESS_TOKEN:latest" \
--update-secrets="JIRA_API_TOKEN=JIRA_API_TOKEN:latest" \
--min-instances=1 \
--max-instances=3
Artifact Registry का Docker डेटा स्टोर बनाने के लिए, Y
का जवाब दें.
Deploying from source requires an Artifact Registry Docker repository to store built containers. A repository named [cloud-run-source-deploy] in
region [us-central1] will be created.
Do you want to continue (Y/n)? y
Gemini से निर्देश के बारे में बताने के लिए कहें:
gcloud run deploy SERVICE_NAME --source=.
फ़्लो की समीक्षा यहां करें. ज़्यादा जानें.
यह कमांड, Google Cloud के buildpacks
और Cloud Build
का इस्तेमाल करके, आपके सोर्स कोड से कंटेनर इमेज को अपने-आप बनाता है. इसके लिए, आपको अपनी मशीन पर Docker इंस्टॉल करने या बिल्डपैक या Cloud Build सेट अप करने की ज़रूरत नहीं होती. इसका मतलब है कि ऊपर बताए गए एक ही कमांड से वही काम होता है जो gcloud builds submit
और gcloud run deploy
कमांड से होता है.
अगर आपने Dockerfile दिया है(जैसा कि हमने इस रिपॉज़िटरी में किया है), तो Cloud Build इसका इस्तेमाल कंटेनर इमेज बनाने के लिए करेगा. इसके बजाय, वह कंटेनर इमेज का अपने-आप पता लगाने और उन्हें बनाने के लिए, बिल्डपैक पर निर्भर करेगा. बिल्डपैक के बारे में ज़्यादा जानने के लिए, दस्तावेज़ देखें.
Console में Cloud Build लॉग की समीक्षा करें.
आर्टफ़ैक्ट रजिस्ट्री में, बनाई गई Docker इमेज की समीक्षा करें.
cloud-run-source-deploy/devai-api
खोलें और उन कमजोरियों की समीक्षा करें जिनका पता अपने-आप चला. उन समस्याओं को देखें जिनके लिए सुधार उपलब्ध हैं. साथ ही, जानकारी के आधार पर देखें कि उन्हें कैसे ठीक किया जा सकता है.
Cloud Console में, Cloud Run इंस्टेंस की जानकारी देखें.
curl कमांड चलाकर, एंडपॉइंट की जांच करें.
curl -X POST \
-H "Content-Type: application/json" \
-d '{"prompt": "PROJECT-100"}' \
$(gcloud run services list --filter="(devai-api)" --format="value(URL)")/generate
आउटपुट की समीक्षा करें:
7. Vertex AI Agent Builder
"एजेंट बिल्डर" खोजें और खोलें.
एपीआई चालू करना
Create Agent ऐप्लिकेशन:
डिसप्ले नेम के लिए "एजेंट" टाइप करें और "सहमति दें और बनाएं" पर क्लिक करें.
एजेंट का नाम सेट करें:
Agent
लक्ष्य सेट करें:
Help user with questions about JIRA project
सेट करने के लिए निर्देश:
- Greet the users, then ask how you can help them today.
- Summarize the user's request and ask them to confirm that you understood correctly.
- If necessary, seek clarifying details.
- Thank the user for their business and say goodbye.
"सेव करें" पर क्लिक करें:
दाईं ओर मौजूद एमुलेटर चैट का इस्तेमाल करके, एजेंट की जांच करें:
टूल मेन्यू खोलें और नया टूल बनाएं:
टाइप ड्रॉपडाउन से OpenAPI
चुनें.
टूल का नाम सेट करें:
jira-project-status
सेट का ब्यौरा:
Returns JIRA project status
स्कीमा (YAML) सेट करें - अपने CLOUD RUN यूआरएल को बदलें.
openapi: 3.0.0
info:
title: CR API
version: 1.0.0
description: >-
This is the OpenAPI specification of a service.
servers:
- url: 'https://YOUR CLOUD RUN URL'
paths:
/create-jira-issue:
post:
summary: Request impl
operationId: create-jira-issue
requestBody:
description: Request impl
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/Prompt'
responses:
'200':
description: Generated
content:
application/json:
schema:
type: string
/generate:
post:
summary: Request impl
operationId: generate
requestBody:
description: Request impl
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/Prompt'
responses:
'200':
description: Generated
content:
application/json:
schema:
type: string
/test:
get:
summary: Request impl
operationId: test
responses:
'200':
description: Generated
content:
application/json:
schema:
type: string
components:
schemas:
Prompt:
type: object
required:
- prompt
properties:
prompt:
type: string
टूल का कॉन्फ़िगरेशन सेव करें:
टूल का इस्तेमाल करने के लिए, एजेंट कॉन्फ़िगरेशन पर वापस जाएं और निर्देशों को अपडेट करें:
नए टूल का इस्तेमाल करने के लिए निर्देश जोड़ें:
- Use ${TOOL: jira-project-status} to help the user with JIRA project status.
उदाहरण टैब पर स्विच करें और नया उदाहरण जोड़ें:
डिसप्ले नेम सेट करें:
jira-project-flow
सबसे नीचे मौजूद मेन्यू का इस्तेमाल करके, उपयोगकर्ता और एजेंट के बीच की बातचीत को मॉडल करें:
टूल को शुरू करने का कॉन्फ़िगरेशन:
'सेव करें' और 'रद्द करें' पर क्लिक करें. एजेंट एमुलेटर पर वापस जाएं और फ़्लो की जांच करें.
Vertex AI एजेंट के लिए सबसे सही तरीके देखें
एजेंट की सेटिंग
लॉग करने की सेटिंग
मॉडल का कॉन्फ़िगरेशन.
एजेंट कॉन्फ़िगरेशन को पुश और वापस लाने के लिए, GitGub इंटिग्रेशन.
एजेंट एम्युलेटर के कंट्रोल:
8. Slack इंटिग्रेशन
इंटिग्रेशन मेन्यू खोलें और Slack टाइल पर "कनेक्ट करें" पर क्लिक करें.
लिंक खोलें और https://api.slack.com/apps पर जाकर, नया Slack ऐप्लिकेशन बनाएं
"मेनिफ़ेस्ट" में से कोई विकल्प चुनें:
अपना ऐप्लिकेशन डेवलप करने के लिए कोई वर्कस्पेस चुनना
YAML पर स्विच करें और यह मेनिफ़ेस्ट चिपकाएं:
display_information:
name: Agent
description: Agent
background_color: "#1148b8"
features:
app_home:
home_tab_enabled: false
messages_tab_enabled: true
messages_tab_read_only_enabled: false
bot_user:
display_name: Agent
always_online: true
oauth_config:
scopes:
bot:
- app_mentions:read
- chat:write
- im:history
- im:read
- im:write
- incoming-webhook
settings:
event_subscriptions:
request_url: https://dialogflow-slack-4vnhuutqka-uc.a.run.app
bot_events:
- app_mention
- message.im
org_deploy_enabled: false
socket_mode_enabled: false
token_rotation_enabled: false
"बनाएं" पर क्लिक करें:
Workspace में इंस्टॉल करने के लिए:
"#general" चैनल चुनें और "अनुमति दें" पर क्लिक करें
"सामान्य जानकारी / ऐप्लिकेशन के क्रेडेंशियल" में जाकर, "Signing Secret" को कॉपी करें और इसे Slack इंटिग्रेशन में सेट करें.
"OAuth और अनुमतियां" खोलें और "बॉट उपयोगकर्ता का OAuth टोकन" कॉपी करें. इसके बाद, इसे Slack इंटिग्रेशन में सेट करें.
ज़रूरी फ़ील्ड सेट करें और "शुरू करें" पर क्लिक करें.
एजेंट की "ऐक्सेस टोकन" वैल्यू, Slack से "बॉट उपयोगकर्ता का OAUth टोकन" है.
एजेंट के "साइनिंग टोकन" की वैल्यू, Slack से मिली "साइनिंग सीक्रेट" है.
"वेबहुक यूआरएल" कॉपी करें और Slack ऐप्लिकेशन के कॉन्फ़िगरेशन पर वापस जाएं.
"इवेंट की सदस्यताएं" सेक्शन खोलें और यूआरएल चिपकाएं.
बदलावों को सेव करें.
"Slack" खोलें और "@Agent" टाइप करके एजेंट जोड़ें.
उदाहरण के लिए, "@CX" नाम वाला ऐप्लिकेशन जोड़ना.
एजेंट से JIRA प्रोजेक्ट की खास जानकारी मांगें.
9. PDF दस्तावेज़ों के बारे में सवाल-जवाब
Cloud Storage बकेट बनाना
Cloud Console में GCS खोलें: https://console.cloud.google.com/storage/browser
नई बकेट बनाएं.
बकेट के नाम के लिए: "pdf-docs
" + अपने जीसीपी प्रोजेक्ट के आखिरी पांच अंक.
जगह का टाइप: multi-region, us
.
स्टोरेज क्लास: Standard
ऐक्सेस कंट्रोल: Uniform
डेटा की सुरक्षा: uncheck soft delete policy
"Create
" पर क्लिक करें.
"सार्वजनिक ऐक्सेस को रोका जाएगा" की पुष्टि करें.
PDF रिपोर्ट डाउनलोड करें और उसे बकेट में अपलोड करें. https://services.google.com/fh/files/misc/exec_guide_gen_ai.pdf
अपलोड की गई फ़ाइल के व्यू वाली बकेट:
डेटा स्टोर का कॉन्फ़िगरेशन
एजेंट कंसोल पर वापस जाएं और "Agent
" खोलें. इसके बाद, नीचे की ओर स्क्रोल करके "+ Data store
" पर क्लिक करें.
इन वैल्यू का इस्तेमाल करें:
टूल का नाम: pdf-docs
कैंपेन किस तरह का है: Data store
विवरण: pdf-docs
"Save
" पर क्लिक करें
पेज पर सबसे नीचे मौजूद, "Create a data store
" पर क्लिक करें.
"क्या आप सहमत हैं कि आपकी खोज और बातचीत का डेटा, अमेरिका के इलाके में सेव किया जाए?" पूछे जाने पर, "AGREE
" पर क्लिक करें
"कंपनी की जानकारी दें" फ़ील्ड में "Google
" टाइप करें.
अगली स्क्रीन पर, "CREATE DATA STORE
" पर क्लिक करें.
डेटा सोर्स के तौर पर "Cloud Storage
" चुनें.
डेटा को डालने के लिए तैयार करना
https://cloud.google.com/generative-ai-app-builder/docs/prepare-data
एचटीएमएल और TXT फ़ाइलों का साइज़ 2.5 एमबी या इससे कम होना चाहिए.
PDF, PPTX, और DOCX फ़ाइलों का साइज़ 100 एमबी या उससे कम होना चाहिए.
एक बार में 1,00,000 फ़ाइलें इंपोर्ट की जा सकती हैं.
चुनें: unstructured documents
इसके बाद, अपनी GCS बकेट/फ़ोल्डर चुनें.
'जारी रखें' पर क्लिक करें:
डेटा स्टोर के नाम के लिए टाइप: "pdf-docs
"
ड्रॉपडाउन से "Digital parser
" चुनें.
बेहतर तरीके से डेटा को अलग-अलग हिस्सों में बांटने की सुविधा चालू करें.
चंक में पैरंट हेडिंग चालू करें.
"Create
" पर क्लिक करें.
डेटा स्टोर चुनें और "Create
" पर क्लिक करें
डेटा स्टोर पर क्लिक करें और दस्तावेज़, गतिविधि, और प्रोसेसिंग कॉन्फ़िगरेशन की समीक्षा करें.
इंपोर्ट पूरा होने में करीब 5 से 10 मिनट लगेंगे.
पार्स करने और चंक करने के विकल्प
कॉन्टेंट पार्स करने की सुविधा को इन तरीकों से कंट्रोल किया जा सकता है:
- डिजिटल पार्सर. डिजिटल पार्सर, सभी फ़ाइल टाइप के लिए डिफ़ॉल्ट रूप से चालू रहता है. हालांकि, अगर किसी दूसरे टाइप का पार्सर इस्तेमाल करना है, तो उसे अलग से सेट करना होगा. अगर डेटा स्टोर के लिए कोई दूसरा डिफ़ॉल्ट पार्सर तय नहीं किया गया है या तय किया गया पार्सर, डाले गए दस्तावेज़ के फ़ाइल टाइप के साथ काम नहीं करता है, तो डिजिटल पार्सर, डाले गए दस्तावेज़ों को प्रोसेस करता है.
- PDF के लिए ओसीआर पार्सिंग. सभी के लिए उपलब्ध झलक. अगर आपको स्कैन किए गए PDF या इमेज में टेक्स्ट वाले PDF अपलोड करने हैं, तो PDF को इंडेक्स करने की सुविधा को बेहतर बनाने के लिए, ओसीआर पार्सर को चालू किया जा सकता है. PDF के लिए ओसीआर पार्सिंग के बारे में जानकारी देखें.
- लेआउट पार्सर. सभी के लिए उपलब्ध झलक. अगर आपको RAG के लिए Vertex AI Search का इस्तेमाल करना है, तो एचटीएमएल, PDF या DOCX फ़ाइलों के लिए लेआउट पार्सर चालू करें. इस पार्स करने वाले टूल के बारे में जानकारी और इसे चालू करने का तरीका जानने के लिए, आरएजी के लिए दस्तावेज़ों को चंक में बांटना लेख पढ़ें.
दस्तावेज़ों को पार्स करने और उन्हें अलग-अलग हिस्सों में बांटने के बारे में ज़्यादा जानें.
टूल कॉन्फ़िगरेशन
टूल कॉन्फ़िगरेशन वाले टैब पर वापस जाएं.
ब्राउज़र को रीफ़्रेश करें और 'बिना स्ट्रक्चर वाला डेटा' ड्रॉपडाउन से "pdf-docs
" चुनें.
ग्राउंडिंग कॉन्फ़िगर करें.
कंपनी के नाम के लिए "Google
" टाइप करें.
पेलोड सेटिंग - "Include snippets in the response payload
" देखें
"Save
" पर क्लिक करें.
एजेंट के निर्देशों का कॉन्फ़िगरेशन
एजेंट कॉन्फ़िगरेशन पर वापस जाएं.
नया निर्देश जोड़ें:
- Provide detailed answer to users questions about the exec guide to gen ai using information in the ${TOOL:pdf-docs}
कॉन्फ़िगरेशन सेव करें.
PDF-Docs टूल के लिए उदाहरण बनाना
उदाहरण टैब पर स्विच करें. नया उदाहरण बनाएं.
कार्रवाइयां "+
" का इस्तेमाल करके:
"उपयोगकर्ता का इनपुट" जोड़ें:
What are the main capabilities?
"टूल का इस्तेमाल" जोड़ें.
- टूल और कार्रवाई: "
pdf-docs
"
इनपुट (requestBody)
{
"query": "Main capabilities",
"filter": "",
"userMetadata": {},
"fallback": ""
}
टूल का आउटपुट:
{
"answer": "Detailed answer about main capabilities",
"snippets": [
{
"uri": "https://storage.cloud.google.com/pdf-docs-49ca4/exec_guide_gen_ai.pdf",
"text": "Detailed answer about main capabilities",
"title": "exec_guide_gen_ai"
}
]
}
"एजेंट का जवाब" जोड़ें
Detailed answer about main capabilities.
https://storage.cloud.google.com/pdf-docs-49ca4/exec_guide_gen_ai.pdf
कॉन्फ़िगर किए गए उदाहरण:
टूल को शुरू करने का कॉन्फ़िगरेशन:
एम्युलेटर में एजेंट को कोई सवाल भेजकर, कॉन्फ़िगरेशन की जांच करें.
सवाल:
What are the 10 steps in the exec guide?
"Agent
" चुनें और "Save example
" पर क्लिक करें.
"user-question-flow
" नाम दें और सेव करें.
एजेंट के जवाब को फ़ॉर्मैट करें और टूल के आउटपुट सेक्शन से PDF दस्तावेज़ का लिंक शामिल करें.
उदाहरण सेव करें.
एमुलेटर पर वापस जाएं और "Replay conversation
" पर क्लिक करें. जवाब का अपडेट किया गया फ़ॉर्मैट देखें.
कोई दूसरा सवाल पूछें:
What are the main capabilities in the exec guide?
सोर्स PDF दस्तावेज़.
सवाल:
What should I consider when evaluating projects?
सोर्स PDF दस्तावेज़.
सवाल:
What are the priority use cases in Retail and CPG in the exec guide?
सोर्स PDF दस्तावेज़.
10. पहले से बनाए गए एजेंट
बाईं ओर मौजूद मेन्यू में, पहले से बने एजेंट एक्सप्लोर करें.
किसी एक एजेंट को चुनें और उसे डिप्लॉय करें. एजेंट के सेटअप, निर्देशों, और टूल के बारे में जानें.
11. बधाई हो!
बधाई हो, आपने लैब पूरा कर लिया है!
हमने इन विषयों पर जानकारी दी है:
- Gemini के एपीआई के साथ इंटिग्रेट करने के लिए, Cloud Run ऐप्लिकेशन को डिप्लॉय करने का तरीका
- Vertex AI एजेंट बनाने और उसे डिप्लॉय करने का तरीका
- एजेंट के लिए Slack इंटिग्रेशन जोड़ने का तरीका
- PDF दस्तावेज़ों पर सवाल-जवाब के लिए, डेटा स्टोर को कॉन्फ़िगर करने का तरीका
आगे क्या करना है:
- Vertex AI एजेंट के लिए सबसे सही तरीके देखें
व्यवस्थित करें
इस ट्यूटोरियल में इस्तेमाल किए गए संसाधनों के लिए, अपने Google Cloud खाते से शुल्क न लिया जाए, इसके लिए संसाधनों वाले प्रोजेक्ट को मिटाएं या प्रोजेक्ट को बनाए रखें और अलग-अलग संसाधनों को मिटाएं.
प्रोजेक्ट मिटाना
बिलिंग की सुविधा बंद करने का सबसे आसान तरीका, ट्यूटोरियल के लिए बनाया गया प्रोजेक्ट मिटाना है.
©2024 Google LLC. सभी अधिकार सुरक्षित हैं. Google और Google का लोगो, Google LLC के ट्रेडमार्क हैं. अन्य सभी कंपनी और उत्पाद नाम उनसे संबद्ध कंपनियों के ट्रेडमार्क हो सकते हैं.