AlloyDB ve Vertex AI Agent Builder ile Patent Arama Asistanı oluşturma - 2. bölüm

1. Genel Bakış

Patent araştırması kapsamlı ve karmaşıktır. İlgili yenilikleri bulmak için sayısız teknik özeti incelemek zorlu bir iştir. Geleneksel anahtar kelime tabanlı aramalar genellikle yanlış ve zaman alıcıdır. Özetler uzun ve teknik olduğundan temel fikri hızlıca anlamak zorlaşıyor. Bu durum, araştırmacıların önemli patentleri gözden kaçırmasına veya alakasız sonuçlara zaman harcamasına neden olabilir.

Bu devrimin sırrı, Vector Search'te yatıyor. Vektör araması, basit anahtar kelime eşleşmesine güvenmek yerine metni sayısal gösterimlere (yerleştirmeler) dönüştürür. Bu sayede, yalnızca kullanılan kelimelere göre değil, sorgunun anlamına göre de arama yapabiliriz. Bu özellik, edebiyat aramaları dünyasında ezber bozuyor. Dokümanda tam olarak bu ifade kullanılmamasına rağmen "giyilebilir nabız monitörü" ile ilgili bir patent bulduğunuzu düşünün.

Sorun: Modern edebiyat aramalarının, anında yanıtlar ve benzersiz tercihlerle uyumlu akıllı öneriler sunması bekleniyor. Geleneksel arama yöntemleri genellikle bu düzeyde bir kişiselleştirme sunamaz.

Çözüm: Bilgiye dayalı sohbet uygulamamız bu zorluğun üstesinden geliyor. Müşteri amacını anlamak, akıllıca yanıt vermek ve son derece alakalı sonuçlar sunmak için patent veri kümenizden elde edilen zengin bir bilgi bankasından yararlanır.

Ne oluşturacaksınız?

Bu laboratuvarın (2. Bölüm) bir parçası olarak şunları yapacaksınız:

1. Vertex AI Oluşturucu temsilcisi oluşturma
2. AlloyDB aracını aracıyla entegre edin

Şartlar

• Chrome veya Firefox gibi bir tarayıcı
• Faturalandırmanın etkin olduğu bir Google Cloud projesi.

2. Mimari

Veri akışı: Verilerin sistemimizde nasıl hareket ettiğine daha yakından bakalım:

Besleme:

Patent verileri AlloyDB'ye yüklenir.

Analytics Engine:

Aşağıdaki işlemleri gerçekleştirmek için analiz motoru olarak AlloyDB'yi kullanacağız:

1. Bağlam Çıkarma: Motor, patent veri kümesini anlamak için AlloyDB'de depolanan verileri analiz eder.
2. Yerleştirme Oluşturma: Hem kullanıcının sorgusu hem de AlloyDB'de depolanan bilgiler için yerleştirmeler (metnin matematiksel temsilleri) oluşturulur.
3. Vector Search: Motor, sorgu yerleştirmesini patent özetlerinin yerleştirmeleriyle karşılaştırarak benzerlik araması yapar. Bu, kullanıcının aradığı bağlamla en alakalı "en yakın komşuyu" tanımlar.

Yanıt Üretme:

Doğrulanmış yanıtlar bir JSON dizisi olarak yapılandırılır ve motorun tamamı, Agent Builder'dan çağrılan sunucusuz bir Cloud Run işlevi olarak paketlenir.

Yukarıdaki adımlar, laboratuvarın 1. bölümünde ele alınmıştır.

Akıllı patent arama asistanımızı destekleyen bilgiye dayalı bir analiz motoru oluşturmanın teknik ayrıntılarını ele aldık. Şimdi de bu motoru bir sohbet arayüzünde hayata geçirmek için Agent Builder'ın sihrinden nasıl yararlandığımıza bakalım. 2. bölüme başlamadan önce uç nokta URL'sinin hazır olduğundan emin olun. Bu laboratuvarda ele alacağımız sonraki adım şudur:

Etkileşimli Sohbet:

Agent Builder, yanıtları kullanıcıya doğal dil biçiminde sunarak karşılıklı diyaloğu kolaylaştırır.

3. Başlamadan önce

Proje oluşturma

1. Google Cloud Console'daki proje seçici sayfasında bir Google Cloud projesi seçin veya oluşturun.
2. Cloud projeniz için faturalandırmanın etkinleştirildiğinden emin olun. Bir projede faturalandırmanın etkin olup olmadığını kontrol etmeyi öğrenin .
3. bq'nun önceden yüklendiği, Google Cloud'da çalışan bir komut satırı ortamı olan Cloud Shell'i kullanacaksınız. Google Cloud Console'un üst kısmından Cloud Shell'i etkinleştir'i tıklayın.

4. Cloud Shell'e bağlandıktan sonra aşağıdaki komutu kullanarak kimliğinizin doğrulandığını ve projenin proje kimliğinize ayarlandığını kontrol edin:

gcloud auth list

5. gcloud komutunun projeniz hakkında bilgi sahibi olduğunu onaylamak için Cloud Shell'de aşağıdaki komutu çalıştırın.

gcloud config list project

6. Projeniz ayarlanmamışsa ayarlamak için aşağıdaki komutu kullanın:

gcloud config set project <YOUR_PROJECT_ID>

7. Gerekli API'leri etkinleştirin. Gcloud komutuna alternatif olarak, her ürünü arayarak veya bu bağlantıyı kullanarak konsolu kullanabilirsiniz.

Herhangi bir API atlanırsa uygulama sırasında istediğiniz zaman etkinleştirebilirsiniz.

gcloud komutları ve kullanımı için belgelere bakın.

Önemli Not: Bu bölümü tamamlamak için laboratuvarın 1. BÖLÜMÜ'nü de tamamladığınızdan emin olun.

4. Aracı Oluşturma

Agent Builder ile tanışın

Agent Builder, etkileşimli ajanları hızlı ve verimli bir şekilde oluşturmamızı sağlayan güçlü ve az kodlu bir araçtır. Diyalog akışları tasarlama, bilgi tabanlarını entegre etme ve harici API'lere bağlanma sürecini kolaylaştırır. Bizim durumumuzda, 1. Bölüm'de oluşturduğumuz Cloud Functions uç noktasına sorunsuz bir şekilde bağlanmak için Agent Builder'ı kullanacağız. Böylece patent arama asistanımız, patent bilgi bankamıza erişip kullanıcı sorgularına akıllıca yanıt verebilecek.

1. bölümde oluşturulan Java Cloud Run işlevinin düz metin yerine JSON ARRAY döndürdüğünden emin olun.

Aracıyı oluşturma

Kullanıcıların giyim ürünleriyle ilgili sorularını yanıtlamak için bu yeni temsilciyi oluşturmaya başlayalım.

1. Agent Builder platformunda oturum açarak başlayın. API'yi etkinleştirmeniz istenirse DEVAM ET VE API'Yİ ETKİNLEŞTİR'i tıklayın.
2. "CREATE APP" (UYGULAMA OLUŞTUR) seçeneğini tıklayın ve aracınıza açıklayıcı bir ad verin (ör. "Patent Arama Asistanı").
3. Uygulama Türü "Aracı"yı tıklayın.

4. . Temsilcinize "Patent Arama Asistanı" gibi açıklayıcı bir ad verin ve bölgeyi us-central1 olarak ayarlayın.
5. Temsilciyle ilgili ayrıntıları girin:
6. Temsilci adını "Patent Arama Temsilcisi" olarak değiştirin.
7. Aşağıdaki "Hedef"i ekleyin:

You are a professional intelligent patent search agent! Your job is to help the customer find patents matching the context of their search text.

3. Bu noktada kaydedin ve talimatları şimdilik boş bırakın.
4. Ardından, gezinme menüsünden Araçlar'ı ve Oluştur'u tıklayın.

Araç Adını Girin: Patent Arama Aracı

Tür: OpenAPI

Araç Açıklaması Girin:

This tool refers to the dataset in the backend as the context information for product inventory. It takes as input the user's search text summarized by the agent and matches with the most appropriate list of items and returns as an array of items.

Şema girin: YAML biçiminde OpenAPI:

Bu bölümde, aracıyı desteklemek için arka uç uç noktasını kullanıyoruz. Aşağıdaki OpenAPI spesifikasyonunu kopyalayın ve URL yer tutucusunu (köşeli parantez içinde) Cloud Functions uç noktanızla değiştirin:

openapi: 3.0.0
info:
  title: Patent Search API
  version: v1
servers:
  - url: YOUR_CLOUDFUNCTION_ENDPOINT_URL
paths:
  /patent-search:
    post:
      summary: Search for patents using a text query.
      requestBody:
        content:
          application/json:
            schema:
              type: object
              properties:
                search:
                  type: string
                  description: The text query to search for patents.
                  example: A new Natural Language Processing related Machine Learning Model
      responses:
        '200':
          description: Successful search response with a JSON array of matching patents.
          content:
            application/json:
              schema:
                type: array
                items:
                  type: object
                  properties:
                    result:
                      type: string
                      description: Patent title.
        '400':
          description: Invalid request body.
        '500':
          description: Internal server error.

Diğer yapılandırmaları varsayılan değerlerinde bırakın ve "Kaydet"i tıklayın.

7. "Araç" yapılandırmasını temsilcinin "Talimatlar"ına eklemek istediğimiz için bu noktada temsilciye geri dönün. Aşağıdaki bilgileri talimat yer tutucusuna ekleyin (Girintilerin akışı tanımlamada önemli olduğunu unutmayın):

- 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.
- Use ${TOOL:Patent Search Tool} to help the user with their task.
- Return the response from the ${TOOL:Patent Search Tool} to the user in a well formed string.
- Thank the user for their business and say goodbye.

"Kullanılabilir Araçlar" bölümünde "Patent Arama Aracı"nın seçili olduğundan emin olun ve aracıyı tekrar kaydedin.

5. Aracıyı test etme

Sağ bölmede, temsilcinizi test etmenize olanak tanıyan Temsilciyi Önizle bölümünü görürsünüz.

Aşağıdaki ekran görüntüsünde görebileceğiniz gibi, kullanıcı olarak selam verdim ve sohbetime "Herhangi bir fitness takip cihazı fikri için eşleşen patent" isteğiyle başladım:

JSON yanıtı:

Bu, AlloyDB Similarity Search'ü işleyen Cloud Functions işlevinden alınan ham JSON sonucudur. İşte bu kadar. Müşteri temsilcisiyle ilgili işlemlerimiz tamamlandı.

6. Dağıtım ve Entegrasyon

Temsilcinizden memnun kaldığınızda, Temsilci Oluşturucu'nun entegrasyonlarını kullanarak temsilcinizi çeşitli kanallara kolayca dağıtabilirsiniz. Bu API'yi web sitenize yerleştirebilir, popüler mesajlaşma platformlarıyla entegre edebilir ve hatta özel bir mobil uygulama oluşturabilirsiniz. Ayrıca, Agent Builder API'yi doğrudan web istemci uygulamalarımızda da kullanabiliriz. Bu konuyu blogumuzda ele aldık.

7. Temizleme

Bu yayında kullanılan kaynaklar için Google Cloud hesabınızın ücretlendirilmesini istemiyorsanız şu adımları uygulayın:

1. Google Cloud Console'da Yönet 'e gidin.
2. kaynaklar sayfasını ziyaret edin.
3. Proje listesinde silmek istediğiniz projeyi seçin ve Sil'i tıklayın.
4. İletişim kutusunda proje kimliğini yazın ve projeyi silmek için Kapat'ı tıklayın.

8. Tebrikler

Tebrikler! Özel olarak oluşturduğumuz analiz motorumuzun gücünü Agent Builder'ın sezgisel arayüzüyle entegre ederek, literatür araştırmalarını erişilebilir, verimli ve gerçekten anlam odaklı hale getiren akıllı bir literatür arama asistanı oluşturduk. AlloyDB, Vertex AI ve Vector Search'ün özelliklerini birleştirerek bağlamsal ve vektör aramalarını erişilebilir, verimli, gerçekten anlam odaklı ve ajan tabanlı hale getirme konusunda büyük bir adım attık.