1. ভূমিকা
জেনারেটিভ এআই মডেলগুলি শক্তিশালী যুক্তিবাদী, কিন্তু তাদের প্রাতিষ্ঠানিক প্রেক্ষাপটের অভাব রয়েছে। যদি কোনও নির্বাহী কোনও এআই এজেন্টকে জিজ্ঞাসা করেন, "আমাদের প্রথম প্রান্তিকের রাজস্ব কত?", তাহলে এজেন্ট আপনার ডেটা লেক জুড়ে "রাজস্ব" নামে কয়েক ডজন টেবিল খুঁজে পেতে পারে। কিছু কঠোর আর্থিক প্রতিবেদন, অন্যগুলি রিয়েল-টাইম মার্কেটিং অনুমান, এবং অনেকগুলি সম্ভবত অবচিত স্যান্ডবক্স।
স্পষ্ট ভিত্তি ছাড়াই, একজন AI এজেন্ট নামের সাধারণ মিলের উপর ভিত্তি করে একটি টেবিল নির্বাচন করবে, যার ফলে যাচাই না করা তথ্য থেকে প্রাপ্ত " প্রত্যয়জনকভাবে ভুল " উত্তর আসবে।
এই কোডল্যাবটি একটি দুই-পর্বের সিরিজের অংশ যেখানে গভর্নেন্স-সচেতন GenAI এজেন্ট কীভাবে তৈরি করা যায় তা অন্বেষণ করা হয়েছে।
এই প্রথম অংশে, আপনি ডেটা ফাউন্ডেশন তৈরি করবেন। আপনি BigQuery-তে একটি বাস্তবসম্মত, "অগোছালো" ডেটা লেক স্থাপন করবেন, বৈধ ডেটাকে শব্দ থেকে আলাদা করার জন্য কঠোর মেটাডেটা ট্যাগ (Dataplex Aspects) প্রয়োগ করবেন এবং LLM আপনার শাসন নিয়মগুলি কঠোরভাবে অনুসরণ করে কিনা তা স্থানীয়ভাবে পরীক্ষা করার জন্য Gemini CLI ব্যবহার করবেন।
(আপনি এই সিরিজের দ্বিতীয় অংশটি পড়তে পারেন, যেখানে মডেল কনটেক্সট প্রোটোকল (MCP) এবং ক্লাউড রান ব্যবহার করে একটি নিরাপদ, এন্টারপ্রাইজ-গ্রেড ওয়েব অ্যাপ্লিকেশনে এই স্থানীয় প্রোটোটাইপটি কীভাবে স্থাপন করা যায় তা আলোচনা করা হয়েছে। 👉 পর্ব 2 পড়ুন )
পূর্বশর্ত
- বিলিং সক্ষম করা একটি Google ক্লাউড প্রকল্প।
- BigQuery , Dataplex Universal Catalog , এবং Terraform সম্পর্কে প্রাথমিক ধারণা এবং পরিচিতি।
- গুগল ক্লাউড শেল অ্যাক্সেস।
তুমি কি শিখবে
- টেরাফর্ম ব্যবহার করে একটি বাস্তবসম্মত, বহু-স্তরযুক্ত ডেটা লেক স্থাপন করুন।
- অফিসিয়াল ডেটা পণ্যগুলিকে কাঁচা স্যান্ডবক্স টেবিল থেকে আলাদা করার জন্য ডেটাপ্লেক্সে কঠোর মেটাডেটা টেমপ্লেট (আসপেক্ট টাইপ) ডিজাইন করুন।
- যেকোনো অ্যাপ্লিকেশন কোড লেখার আগে জেমিনি সিএলআই ব্যবহার করে স্থানীয়ভাবে গভর্নেন্স নিয়ম যাচাই করুন।
তোমার যা লাগবে
- গুগল ক্লাউড শেল অ্যাক্সেস
- টেরাফর্ম (ক্লাউড শেলে আগে থেকে ইনস্টল করা)।
- জেমিনি সিএলআই (ক্লাউড শেলে আগে থেকে ইনস্টল করা)।
মূল ধারণা
- ডেটাপ্লেক্স ইউনিভার্সাল ক্যাটালগ: একীভূত মেটাডেটা ব্যবস্থাপনা পরিষেবা। আমরা এটি ব্যবহার করি ব্যবসায়িক প্রেক্ষাপট (শাসন) সহ প্রযুক্তিগত মেটাডেটা (স্কিমা) সমৃদ্ধ করতে।
- অ্যাসপেক্ট টাইপ: একটি স্ট্রাকচার্ড মেটাডেটা টেমপ্লেট। ফ্রি-টেক্সট ট্যাগের বিপরীতে, অ্যাসপেক্টগুলি শক্তিশালী টাইপিং (এনাম, বুলিয়ান) প্রয়োগ করে , যা মেশিনগুলির মূল্যায়নের জন্য তাদের নির্ভরযোগ্য করে তোলে।
2. সেটআপ এবং প্রয়োজনীয়তা
ক্লাউড শেল শুরু করুন
যদিও গুগল ক্লাউড আপনার ল্যাপটপ থেকে দূরবর্তীভাবে পরিচালিত হতে পারে, এই কোডল্যাবে আপনি গুগল ক্লাউড শেল ব্যবহার করবেন, যা ক্লাউডে চলমান একটি কমান্ড লাইন পরিবেশ।
গুগল ক্লাউড কনসোল থেকে, উপরের ডানদিকের টুলবারে ক্লাউড শেল আইকনে ক্লিক করুন:
পরিবেশের সাথে সংযোগ স্থাপন এবং সংযোগ স্থাপন করতে মাত্র কয়েক মুহূর্ত সময় লাগবে। এটি সম্পন্ন হলে, আপনি এরকম কিছু দেখতে পাবেন:
এই ভার্চুয়াল মেশিনটিতে আপনার প্রয়োজনীয় সকল ডেভেলপমেন্ট টুল রয়েছে। এটি একটি স্থায়ী ৫ জিবি হোম ডিরেক্টরি অফার করে এবং গুগল ক্লাউডে চলে, যা নেটওয়ার্ক কর্মক্ষমতা এবং প্রমাণীকরণকে ব্যাপকভাবে উন্নত করে। এই কোডল্যাবে আপনার সমস্ত কাজ একটি ব্রাউজারেই করা যেতে পারে। আপনাকে কিছু ইনস্টল করার প্রয়োজন নেই।
পরিবেশ শুরু করুন
ক্লাউড শেল খুলুন এবং আপনার প্রোজেক্ট ভেরিয়েবল সেট করুন যাতে সমস্ত কমান্ড সঠিক পরিকাঠামোকে লক্ষ্য করে।
export PROJECT_ID=$(gcloud config get-value project)
gcloud config set project $PROJECT_ID
export REGION="us-central1"
API গুলি সক্ষম করুন
নিম্নলিখিত নির্দেশাবলী কার্যকর করার জন্য প্রয়োজনীয় Google ক্লাউড পরিষেবাগুলি সক্ষম করুন।
gcloud services enable \
artifactregistry.googleapis.com \
bigqueryunified.googleapis.com \
cloudaicompanion.googleapis.com \
cloudbuild.googleapis.com \
cloudresourcemanager.googleapis.com \
datacatalog.googleapis.com \
run.googleapis.com
সংগ্রহস্থলটি ক্লোন করুন
GitHub রিপোজিটরি থেকে অবকাঠামো কোড এবং অটোমেশন স্ক্রিপ্টগুলি পান। ক্লাউড শেলে ডিস্কের স্থান বাঁচাতে, আমরা কেবল এই ল্যাবের জন্য প্রয়োজনীয় নির্দিষ্ট ফোল্ডারটি ডাউনলোড করব।
# Perform a shallow clone to get only the latest repository structure without the full history
git clone --depth 1 --filter=blob:none --sparse https://github.com/GoogleCloudPlatform/devrel-demos.git
cd devrel-demos
# Specify and download only the folder we need for this lab
git sparse-checkout set data-analytics/governance-context
cd data-analytics/governance-context
"অগোছালো" ডেটা লেক তৈরি করুন
বাস্তব-বিশ্বের ডেটা পরিবেশ খুব কমই পরিষ্কার। বাস্তবতা অনুকরণ করার জন্য, আমাদের "অফিসিয়াল" ডেটা মার্ট এবং অবিশ্বস্ত "স্যান্ডবক্স" টেবিলের মিশ্রণ প্রয়োজন।
এই পরিবেশ স্থাপনের জন্য আমরা Terraform ব্যবহার করব। কনফিগারেশন দুটি কাজ পরিচালনা করে:
- পরিকাঠামো: ডেটাপ্লেক্স অ্যাসপেক্ট টাইপ এবং বিগকুয়েরি ডেটাসেট/টেবিল তৈরি করে।
- ডেটা লোডিং: তৈরির পরপরই নমুনা ডেটা দিয়ে টেবিলগুলি পূরণ করতে BigQuery INSERT জব চালায়।
-
terraformডিরেক্টরিতে নেভিগেট করুন এবং এটি আরম্ভ করুন।
cd terraform
terraform init
- কনফিগারেশনটি প্রয়োগ করুন। এতে এক মিনিট পর্যন্ত সময় লাগতে পারে।
terraform apply -var="project_id=${PROJECT_ID}" -var="region=${REGION}" -auto-approve
চেকপয়েন্ট : এখন আপনার কাছে একটি সম্পূর্ণ জনবহুল, কিন্তু সম্পূর্ণরূপে নিয়ন্ত্রিত নয় এমন, ডেটা লেক রয়েছে। একটি AI-এর কাছে, প্রতিটি টেবিল হুবহু একই রকম দেখায়।
৩. শাসন প্রয়োগ
এটি হল গুরুত্বপূর্ণ প্রকৌশল ধাপ। বর্তমানে, finance_mart.fin_monthly_closing_internal এবং analyst_sandbox.tmp_data_dump_v2_final_real টেবিলটি দেখতে LLM এর মতোই। এগুলি কেবল কলামযুক্ত বস্তু।
একজন গভর্নেন্স ইঞ্জিনিয়ার হিসেবে, আপনাকে এই টেবিলগুলিকে আলাদা করার জন্য একটি Aspect (একটি সার্টিফাইড মেটাডেটা লেবেল) সংযুক্ত করতে হবে। একটি বাস্তব উদ্যোগে, আপনি CI/CD পাইপলাইনের মাধ্যমে এটি স্বয়ংক্রিয় করবেন। আমরা স্ক্রিপ্টগুলির সাহায্যে সেই অটোমেশনটি অনুকরণ করব।
গভর্নেন্স পেলোড তৈরি করুন
ডেটাপ্লেক্স অ্যাসপেক্ট কীগুলি অবশ্যই বিশ্বব্যাপী অনন্য হতে হবে (আপনার প্রজেক্ট আইডির সাথে প্রিফিক্স করা হবে)। ./generate_payloads.sh স্ক্রিপ্টটি YAML মেটাডেটা ফাইলগুলি গতিশীলভাবে তৈরি করবে।
cd ..
chmod +x ./generate_payloads.sh
./generate_payloads.sh
আউটপুট:
এটি "./aspect_payloads" নামে একটি ফোল্ডার তৈরি করে যেখানে ৪টি YAML ফাইল থাকে, যা গভর্নেন্সের পরিস্থিতি (গোল্ড/ইন্টারনাল, গোল্ড/পাবলিক, সিলভার/রিয়েলটাইম, ব্রোঞ্জ/স্যান্ডবক্স) নির্ধারণ করে।
CLI এর মাধ্যমে দিকগুলি প্রয়োগ করুন
স্ক্রিপ্টটি চালানোর আগে, আসুন দেখি প্রক্রিয়াটি রহস্যমুক্ত করার জন্য আমরা আসলে কী প্রয়োগ করছি। অভ্যন্তরীণ অর্থায়ন পেলোডের কাঠামো দেখতে নিম্নলিখিত কমান্ডটি চালান:
cat aspect_payloads/fin_internal.yaml
এটি আপনাকে নিম্নলিখিত বিষয়বস্তুগুলি দেখাবে।
your-project-id.us-central1.official-data-product-spec:
data:
product_tier: GOLD_CRITICAL
data_domain: FINANCE
usage_scope: INTERNAL_ONLY
update_frequency: DAILY_BATCH
is_certified: true
লক্ষ্য করুন কিভাবে এই YAML স্পষ্টভাবে ব্যবসায়িক প্রেক্ষাপটকে সংজ্ঞায়িত করে, যেমন is_certified : true ফ্ল্যাগ সেট করা এবং GOLD_CRITICAL স্তর নির্ধারণ করা। টেবিলের নামের উপর ভিত্তি করে অনুমান করার পরিবর্তে মূল্যায়নের জন্য AI-কে স্পষ্ট, কাঠামোগত নিয়ম দেওয়া।
এখন, অ্যাপ্লিকেশন স্ক্রিপ্টটি চালান। এটি BigQuery টেবিলের মাধ্যমে পুনরাবৃত্তি করে এবং এই কঠোর মেটাডেটা সংযুক্ত করার জন্য gcloud dataplex entries update কমান্ডটি কার্যকর করে।
chmod +x ./apply_governance.sh
./apply_governance.sh
যাচাইকরণ (ঐচ্ছিক)
এগিয়ে যাওয়ার আগে, যাচাই করুন যে মেটাডেটা কনসোলে সঠিকভাবে প্রয়োগ করা হয়েছে।
- গুগল ক্লাউড কনসোলে ডেটাপ্লেক্স ইউনিভার্সাল ক্যাটালগ পৃষ্ঠাটি খুলুন। যদি আপনি বাম দিকের নেভিগেশন মেনুতে "ডেটাপ্লেক্স ইউনিভার্সাল ক্যাটালগ" দেখতে না পান, তাহলে গুগল ক্লাউড কনসোল উইন্ডোর উপরের দিকে অনুসন্ধান বারটি ব্যবহার করুন, ডেটাপ্লেক্স টাইপ করুন এবং "শীর্ষ ফলাফল" বা "পণ্য এবং পৃষ্ঠা" এর অধীনে ফলাফলটি নির্বাচন করুন।
-
fin_monthly_closing_internalঅনুসন্ধান করুন। ফলাফলে তালিকাভুক্ত BigQuery টেবিলটি দেখতে পাবেন। টেবিলের বিবরণ পৃষ্ঠায় প্রবেশ করতে টেবিলের নামের উপর ক্লিক করুন।
- টেবিলের বিশদ পৃষ্ঠায়, নীচে অবস্থিত " ঐচ্ছিক ট্যাগ এবং দিক " বিভাগটি সন্ধান করুন।
- আপনি
official-data-product-specদিকটি পাবেন। নিশ্চিত করুন যে মানগুলি " গোল্ড ইন্টারনাল " দৃশ্যকল্পের সাথে মেলে যা আমরা প্রয়োগ করেছি।
আপনি এখন নিশ্চিত করেছেন যে প্রযুক্তিগতভাবে অভিন্ন BigQuery টেবিলগুলি ( fin_monthly_closing_internal এবং tmp_data_dump_v2_final_real ) মেশিন-পঠনযোগ্য মেটাডেটা দ্বারা যৌক্তিকভাবে পৃথক করা হয়েছে।
৪. এজেন্ট কনফিগার এবং প্রোটোটাইপ করুন
একটি ওয়েব অ্যাপ্লিকেশন তৈরি করার আগে (যা আমরা দ্বিতীয় পর্বে করব), আমরা স্থানীয়ভাবে আমাদের গভর্নেন্স লজিক যাচাই করব। আমাদের ডেটাপ্লেক্স এক্সটেনশন ইনস্টল করতে হবে এবং সিস্টেম প্রম্পট কনফিগার করতে হবে।
এক্সটেনশনটি ইনস্টল করুন
ক্লাউড শেলে, ডেটাপ্লেক্স এক্সটেনশনটি ইনস্টল করুন। এটি আপনাকে নিশ্চিতকরণ এবং আপনার সেটআপের বিশদ জানতে চাইবে।
export DATAPLEX_PROJECT="${PROJECT_ID}"
gemini extensions install https://github.com/gemini-cli-extensions/dataplex
(ইনস্টলেশন গ্রহণ করতে Y টাইপ করুন, এবং অনুরোধ করা হলে আপনার প্রজেক্ট আইডি লিখুন)।
পলিসি ফাইলটি সংজ্ঞায়িত করুন
GEMINI.md ফাইলটিতে এমন যুক্তি রয়েছে যা বিমূর্ত মানবিক নিয়মগুলিকে (যেমন, "আমার নিরাপদ ডেটা দরকার") কঠোর প্রযুক্তিগত অনুসন্ধানে অনুবাদ করে।
এই ফাইলটি বর্তমানে জেনেরিক। এজেন্টকে ঠিক কোন গুগল ক্লাউড প্রোজেক্টটি অনুসন্ধান করতে হবে তা জানতে হবে যাতে এটি পাবলিক ইন্টারনেট বা অন্যান্য প্রেক্ষাপট থেকে টেবিলগুলিকে বিভ্রান্ত না করে।
- পলিসি ফাইলে আপনার
PROJECT_IDইনজেক্ট করুন।
envsubst < GEMINI.md > GEMINI.md.tmp && mv GEMINI.md.tmp GEMINI.md
- আমরা যে অ্যালগরিদমটি AI শেখাচ্ছি তা বুঝতে ফাইলটি পরীক্ষা করুন।
cat GEMINI.md
এই ফাইলটিতে দুটি জিনিস লক্ষ্য করুন:
- প্রকল্পের পরিধি: দ্বিতীয় ধাপ পরীক্ষা করুন। নিশ্চিত করুন যে projectid:
${PROJECT_ID}আপনার প্রকৃত প্রকল্প আইডি(eg, projectid:my-lab-project)দিয়ে প্রতিস্থাপিত হয়েছে। যদি এই পরিবর্তনশীলটি প্রতিস্থাপন না করা হয়, তাহলে এজেন্ট আপনার অ্যাক্সেস থাকা প্রতিটি প্রকল্পে অনুসন্ধান করবে, যার ফলে ভুল উত্তর পাওয়া যাবে। - অ্যালগরিদম: ধাপ ১ / ধাপ ২ এর লজিকটি লক্ষ্য করুন। আমরা মডেলটিকে স্পষ্টভাবে নির্দেশ দিচ্ছি যে SQL অনুমান না করতে। প্রথমে সঠিক ট্যাগ সংজ্ঞা (ধাপ ১) অনুসন্ধান করতে হবে এবং তারপরেই ডেটা (ধাপ ২) অনুসন্ধান করতে হবে।
এজেন্ট শুরু করুন এবং পরিস্থিতি পরীক্ষা করুন
জেমিনি সিএলআই সেশন শুরু করুন, এবার আপনার গভর্নেন্স নীতিটি সিস্টেম কনটেক্সট হিসেবে লোড করুন।
gemini
দ্রষ্টব্য: আপনি একাধিক প্রসঙ্গ ফাইল লোড হতে দেখতে পারেন (যেমন, GEMINI.md এবং অন্যান্য)। এটি স্বাভাবিক। CLI এই প্রকল্পের নির্দিষ্ট নিয়মগুলির জন্য স্থানীয় GEMINI.md লোড করে, এবং ডেটাপ্লেক্স এক্সটেনশনের জন্য ডিফল্ট নির্দেশাবলীও লোড করে।
ইনস্টলেশন যাচাই করুন
ডেটাপ্লেক্স এক্সটেনশন সক্রিয় আছে কিনা তা নিশ্চিত করতে /mcp desc টাইপ করুন। আপনি dataplex উপলব্ধ সরঞ্জাম সহ একটি কনফিগার করা MCP সার্ভার হিসাবে তালিকাভুক্ত দেখতে পাবেন।
পরীক্ষার পরিস্থিতি (প্রোটোটাইপিং)
আপনার নিয়ম মেনে চলছে কিনা তা যাচাই করার জন্য নিম্নলিখিত প্রম্পটগুলি একের পর এক চলমান এজেন্ট সেশনে আটকে দিন।
- পরিস্থিতি A (সিএফওর তথ্য প্রত্যয়িত করুন):
"We are preparing the deck for an internal Board of Directors meeting next week. I need the numbers to be absolutely finalized, trustworthy, and kept strictly confidential. Which table is safe to use?"
প্রত্যাশিত: fin_monthly_closing_internal প্রশ্নগুলি কারণ এটি শব্দার্থগতভাবে GOLD_CRITICAL (সঠিক) এবং INTERNAL_ONLY (বোর্ড মিটিং) এর দিক থেকে মিলে যায়।
- দৃশ্যপট খ (জনসাধারণের প্রকাশ):
"I need to share our quarterly financial summary with an external consulting firm. It is critical that we do not leak any raw or internal metrics. Which dataset is officially scrubbed and explicitly approved for external sharing?"
প্রত্যাশিত: এজেন্টকে মাসিক অভ্যন্তরীণ টেবিলটি বাইপাস করতে হবে এবং কঠোরভাবে fin_quarterly_public_report নির্বাচন করতে হবে কারণ এটিই EXTERNAL_READY ট্যাগযুক্ত একমাত্র সম্পদ।
- পরিস্থিতি গ (কার্যক্ষম চাহিদা):
"My dashboard needs to show what's happening right now with our ad spend. I can't wait for the overnight load. What do you recommend?"
প্রত্যাশিত: এজেন্ট mkt_realtime_campaign_performance নির্বাচন করে কারণ এটি REALTIME_STREAMING আপডেট ফ্রিকোয়েন্সি সনাক্ত করে, যা ফিনান্স ডেটার GOLD_CRITICAL স্তরের চেয়ে বেশি অগ্রাধিকার দেয়।
- দৃশ্যপট D (স্যান্ডবক্স পরীক্ষা):
"I'm just playing around with some new ML models and need a lot of raw data. It doesn't need to be perfect, just a sandbox environment."
প্রত্যাশিত: এজেন্ট tmp_data_dump_v2_final_real নির্বাচন করে কারণ এটি শব্দার্থিকভাবে BRONZE_ADHOC (রঙের ডেটা) এর সাথে মেলে এবং এর দিক থেকে is_certified: false ।
(জেমিনি সেশন থেকে বেরিয়ে আসতে, /quit টাইপ করুন)
৫. অভিনন্দন! এরপর কী?
আপনি সফলভাবে একটি নিয়ন্ত্রিত ডেটা ফাউন্ডেশন তৈরি করেছেন এবং প্রমাণ করেছেন যে একটি AI স্থানীয় CLI প্রোটোটাইপ ব্যবহার করে আপনার মেটাডেটা নিয়মগুলি কঠোরভাবে অনুসরণ করতে পারে!
এখন, আপনি একটি চেকপয়েন্টে পৌঁছেছেন। অনুগ্রহ করে আপনার পরবর্তী পদক্ষেপটি বেছে নিন:
বিকল্প A: আমি এখনই দ্বিতীয় পর্বে যেতে চাই!
আপনি যদি মডেল কনটেক্সট প্রোটোকল (MCP) এবং ক্লাউড রান ব্যবহার করে এই স্থানীয় প্রোটোটাইপটিকে একটি নিরাপদ, উৎপাদন-গ্রেড ওয়েব অ্যাপ্লিকেশনে রূপান্তর করতে প্রস্তুত হন:
বিকল্প B: আমি পার্ট ২ পরে করব অথবা আমি কেবল পার্ট ১ সম্পূর্ণ করতে চেয়েছিলাম।
যদি আপনি আজকের জন্য থেমে যেতে চান এবং ক্লাউড খরচ এড়াতে চান, তাহলে আপনার সম্পদ পরিষ্কার করা উচিত।
চিন্তা করবেন না! পার্ট ২-এ, আমরা একটি "ফাস্ট-ট্র্যাক স্ক্রিপ্ট" প্রদান করব যা মাত্র ২ মিনিটের মধ্যে আপনার জন্য এই পার্ট ১ পরিবেশটি সম্পূর্ণরূপে পুনর্নির্মাণ করবে যাতে আপনি ঠিক যেখান থেকে ছেড়েছিলেন সেখান থেকে শুরু করতে পারেন।
👉 পরিষ্কার করার অংশে যান।
৬. পরিষ্কার করুন (শুধুমাত্র বিকল্প B এর জন্য)
যদি আপনি এখানে থামেন, তাহলে খরচ এড়াতে সম্পদগুলি ধ্বংস করুন।
ডেটালেক ধ্বংস করুন (টেরাফর্ম)
আপনি যদি বর্তমানে Gemini CLI পরিবেশে থাকেন, তাহলে Ctrl+C দুবার চেপে অথবা /quit লিখে সেশন থেকে বেরিয়ে আসুন। তারপর, নিম্নলিখিত কমান্ডগুলি চালান:
cd ~/devrel-demos/data-analytics/governance-context/terraform
terraform destroy -var="project_id=${PROJECT_ID}" -var="region=${REGION}" -auto-approve
জেমিনি সিএলআই এক্সটেনশনটি আনইনস্টল করুন এবং স্থানীয় ফাইলগুলি সরিয়ে ফেলুন।
gemini extensions uninstall dataplex
cd ~
rm -rf ~/devrel-demos