使用 Vertex AI PaLM API 搭配 BigQuery ML 的僅限 SQL 大型語言模型

1. 簡介

在本程式碼研究室中，我列出了使用 Vertex AI 大型語言模型 (用於文字生成) (text-bison) 做為 BigQuery 中代管的遠端函式，從 GitHub 存放區摘要原始碼，並識別存放區中程式設計語言的步驟。感謝 GitHub Archive Project，我們現在已在 Google BigQuery Public Datasets 中，完整擷取超過 280 萬個開放原始碼 GitHub 存放區的快照。使用的服務包括：

  1. BigQuery ML
  2. Vertex AI PaLM API

建構項目

您將建立

  • 包含模型的 BigQuery 資料集
  • BigQuery 模型，以遠端函式形式代管 Vertex AI PaLM API
  • 外部連線，用於建立 BigQuery 和 Vertex AI 之間的連線

2. 需求條件

  • Chrome 或 Firefox 瀏覽器
  • 已啟用計費功能的 Google Cloud 專案

3. 事前準備

  1. 在 Google Cloud 控制台的專案選擇器頁面中，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
  3. 確認所有必要 API (BigQuery API、Vertex AI API、BigQuery Connection API) 均已啟用
  4. 您將使用 Cloud Shell，這是 Google Cloud 中執行的指令列環境，已預先載入 bq。如需 gcloud 指令和用法，請參閱說明文件

在 Cloud 控制台，按一下右上角的「啟用 Cloud Shell」：

51622c00acec2fa.png

如果未設定專案，請使用下列指令來設定：

gcloud config set project <YOUR_PROJECT_ID>
  1. 在瀏覽器中輸入下列網址，直接前往 BigQuery 控制台：https://console.cloud.google.com/bigquery

4. 準備資料

在本應用情境中，我們使用 Google BigQuery 公開資料集中的 github_repos 資料集來源程式碼內容。如要使用這項功能，請在 BigQuery 控制台中搜尋「github_repos」，然後按下 Enter 鍵。按一下搜尋結果中資料集旁的星號，然後點選「只顯示已加星號的項目」選項，即可只查看公開資料集中的該資料集。

dc6bf1e2fa6bba8a.png

展開資料集中的資料表，即可查看結構定義和資料預覽畫面。我們將使用 sample_contents，其中只包含內容表格中完整資料的樣本 (10%)。以下是資料預覽畫面：

e021c689c56abf22.png

5. 建立 BigQuery 資料集

BigQuery 資料集是資料表的集合，資料集中的所有資料表都儲存在同一個資料位置。您也可以附加自訂存取權控管，限制資料集及其資料表的存取權。

在「美國」區域 (或任何偏好區域) 建立名為 bq_llm 的資料集

c67e9f929629739a.png

這個資料集會存放我們在後續步驟中建立的機器學習模型。一般來說，我們也會將 ML 應用程式中使用的資料儲存在這個資料集本身的資料表中，但我們的用途是資料已存在 BigQuery 公開資料集中，因此我們會視需要直接從新建立的資料集參照該資料。如要使用 CSV (或其他檔案) 中的資料集進行這個專案，請從 Cloud Shell 終端機執行下列指令，將資料載入 BigQuery 資料集中的資料表：

bq load --source_format=CSV --skip_leading_rows=1 bq_llm.table_to_hold_your_data \
./your_file.csv \ text:string,label:string

6. 建立外部連線

建立外部連線 (如果尚未啟用 BQ Connection API，請先啟用)，並記下連線設定詳細資料中的服務帳戶 ID：

  1. 在 BigQuery Explorer 窗格 (位於 BigQuery 控制台左側) 中，按一下「+新增」按鈕，然後在列出的熱門來源中，按一下「連線至外部資料來源」
  2. 選取「BigLake 和遠端函式」做為連線類型，並提供「llm-conn」做為連線 ID

6b75042881eaec5f.png

  1. 連線建立完畢後，請記下連線設定詳細資料中產生的服務帳戶

7. 授予權限

在這個步驟中，我們會將存取 Vertex AI 服務的權限授予服務帳戶：

開啟 IAM，將您在建立外部連線後複製的服務帳戶新增為主體，然後選取「Vertex AI 使用者」角色

ff8e1d730879f972.png

8. 建立遠端機器學習模型

建立代表代管 Vertex AI 大型語言模型的遠端模型：

CREATE OR REPLACE MODEL bq_llm.llm_model
  REMOTE WITH CONNECTION `us.llm-conn`
  OPTIONS (remote_service_type = 'CLOUD_AI_LARGE_LANGUAGE_MODEL_V1');

這會在 bq_llm 資料集中建立名為 llm_model 的模型，並將 Vertex AI 的 CLOUD_AI_LARGE_LANGUAGE_MODEL_V1 API 做為遠端函式。這項作業需要幾秒鐘才能完成。

9. 使用機器學習模型生成文字

模型建立完成後，即可用來生成、摘要或分類文字。

SELECT
  ml_generate_text_result['predictions'][0]['content'] AS generated_text,
  ml_generate_text_result['predictions'][0]['safetyAttributes']
    AS safety_attributes,
  * EXCEPT (ml_generate_text_result)
FROM
  ML.GENERATE_TEXT(
    MODEL `bq_llm.llm_model`,
    (
  SELECT
        CONCAT('Can you read the code in the following text and generate a summary for what the code is doing and what language it is written in:', content)
        AS prompt from `bigquery-public-data.github_repos.sample_contents`
          limit 5
    ),
    STRUCT(
      0.2 AS temperature,
      100 AS max_output_tokens));

**說明：

**ml_generate_text_result** 是文字生成模型的回應，採用 JSON 格式，包含內容和安全性屬性：a. Content 代表產生的文字結果 b。安全屬性代表內建內容篩選器，可調整門檻，在 Vertex AI Palm API 中啟用，避免大型語言模型產生任何非預期或無法預測的回覆。如果回覆違反安全門檻，系統就會封鎖該回覆。

ML.GENERATE_TEXT 是您在 BigQuery 中使用的建構函式，可存取 Vertex AI LLM 來執行文字生成工作

CONCAT 會附加 PROMPT 陳述式和資料庫記錄

github_repos 是資料集名稱，sample_contents 則是保存資料的資料表名稱，我們會在提示設計中使用這些資料

溫度是提示參數，可控制回覆的隨機程度，越低越能確保回覆內容與提示相關

Max_output_tokens 是指回覆中的字數

查詢回應如下所示：

1156f6eecb548cd5.png

10. 將查詢結果扁平化

讓我們將結果扁平化，這樣就不必在查詢中明確解碼 JSON：

SELECT *
FROM
  ML.GENERATE_TEXT(
    MODEL `bq_llm.llm_model`,
    (
  SELECT
        CONCAT('Can you read the code in the following text and generate a summary for what the code is doing and what language it is written in:', content)
        AS prompt from `bigquery-public-data.github_repos.sample_contents`
          limit 5
        ),
    STRUCT(
      0.2 AS temperature,
      100 AS max_output_tokens,
      TRUE AS flatten_json_output));

**說明：

Flatten_json_output** 代表布林值，如果設為 true，系統會傳回從 JSON 回應中擷取的扁平易懂文字。

查詢回應如下所示：

3b662ef7d3ba9263.png

11. 清除所用資源

如要避免系統向您的 Google Cloud 帳戶收取本文章所用資源的費用，請按照下列步驟操作：

  1. 在 Google Cloud 控制台中前往「管理資源」頁面。
  2. 在專案清單中選取要刪除的專案，然後按一下「刪除」
  3. 在對話方塊中輸入專案 ID，然後按一下「關閉」刪除專案

12. 恭喜

恭喜！您已成功使用 Vertex AI Text Generation LLM，以程式輔助方式對資料執行文字分析，且僅使用 SQL 查詢。如要進一步瞭解可用模型，請參閱 Vertex AI LLM 產品說明文件。