在此 Codelab 中，您将学习如何使用 Google Cloud 强大的工具和基础架构构建和部署生成式 AI 代理。我们将介绍基本概念，并引导您完成初始步骤，以便顺利启动您的第一个代理。

在此 Codelab 中，您将学习如何使用可信空间解决方案通过加速器运行 AI/ML 工作负载。

Cloud Run 是一个全代管式平台，可让您直接在 Google 可伸缩的基础架构之上运行代码。本 Codelab 将演示如何将 Cloud Run 上的 Next.js 应用连接到 Cloud SQL for PostgreSQL 数据库。 在本实验中，您将学习如何完成以下操作： 在终端中，启用以下 API： 如果系统提示您进行授权，请点击 授权 继续。 此命令可能需要几分钟才能完成，但最终应该会显示类似以下内容的成功消息： 创建并配置供 Cloud Run 使用的 Google Cloud

在本 Codelab 中，您将学习如何使用逻辑回归了解性别、年龄段、展示时间和浏览器类型等特征与用户点击广告的可能性之间的关联程度。 要完成本 Codelab，您需要足够的高质量广告系列数据来建立模型。 首先，选择一个包含大量优质数据的旧广告系列。如果您不知道哪个广告系列可能包含最优质的数据，不妨针对您有权访问的时间最早的整月数据运行以下查询： 选择较早的数据，针对即将从广告数据中心移除的数据训练模型并对其进行测试。如果这些数据遇到模型训练限制，这些限制将在数据删除后结束。

在本 Codelab 中，您将学习如何使用逻辑回归了解性别、年龄段、展示时间和浏览器类型等特征与用户点击广告的可能性之间的关联程度。 要完成本 Codelab，您需要足够的高质量广告系列数据来建立模型。 首先，选择一个包含大量优质数据的旧广告系列。如果您不知道哪个广告系列可能包含最优质的数据，不妨针对您有权访问的时间最早的整月数据运行以下查询： 选择非近期数据，针对即将从广告数据中心移除的数据训练模型并对其进行测试。如果这些数据遇到模型训练限制，这些限制将在数据删除后结束。

在此 Codelab 中，您将学习如何使用线性回归来创建可预测每次点击费用的模型。 要完成本 Codelab，您需要： 要完成本 Codelab，您需要足够的高质量广告系列数据来建立模型。 请运行以下查询 最佳实践是将表创建步骤与模型创建步骤分开。 对您在上一步中创建的临时表运行以下查询。您不必费心提供开始日期和结束日期，因为系统会根据临时表中的数据推断出这些日期。 行 mean_absolute_error mean_squared_error mean_squared_log_error

在此 Codelab 中，您将学习如何使用线性回归来创建可预测每次点击费用的模型。 要完成本 Codelab，您需要足够的高质量广告系列数据来建立模型。 请运行以下查询 最佳实践是将表创建步骤与模型创建步骤分开。 对您在上一步中创建的临时表运行以下查询。您不必费心提供开始日期和结束日期，因为系统会根据临时表中的数据推断出这些日期。 行 mean_absolute_error mean_squared_error mean_squared_log_error

Firebase App Check 可确保请求来自合法应用和设备，从而有助于保护您的后端资源免遭滥用，例如防范账单欺诈和钓鱼式攻击。它可与 Firebase 服务以及您自己的后端服务搭配使用，以确保您的资源安全无虞。 如需详细了解 Firebase App Check ，请参阅 Firebase 文档。 App Check 使用平台专有的服务来验证应用和/或设备的完整性。这些服务称为 认证提供程序 。其中之一就是 Apple 的 App Attest 服务，App Check

在此 Codelab 中，您将使用 FCM HTTP v1 API 向在多个平台上运行的应用发送推送通知。您使用 Flutter 构建应用，该应用可在 Android/iOS/Web 上顺畅运行。

您可以将 Firebase App Check 与 App Attest 搭配使用，以保护后端服务并验证发送到 Firebase 服务的请求是否来自真实的应用。 通常建议您逐步将用户纳入 App Attest 服务，以免达到配额限制。如需了解详情，请参阅 Apple 的“ 准备使用应用认证服务 ”文档。 如 分阶段发布版本更新 中所述，使用 Apple 的 App Store Connect 功能逐步发布应用更新有助于更顺利地推出 App

在此 Codelab 中，您将学习如何使用 Firebase 和 TensorFlow Lite 实现文本分类。

了解如何将 Firebase 与 Next.js 应用集成。

在此 Codelab 中，您将学习如何防止他人未经授权访问 Web 应用。

在此 Codelab 中，您将学习如何在 Swift 中使用 iOS 上的 Firebase 平台。

在此 Codelab 中，您将学习如何将 Firebase Performance Monitoring 添加到示例应用并在功能发布期间衡量其性能。

在此 Codelab 中，您将学习如何在 Unity 游戏中使用 Remote Config A/B Testing。

快速将应用的最新版本交付给测试人员。在

了解如何将 Firebase Extensions 与 Gemini API 搭配使用，构建具有 AI 赋能的 Web 应用，例如个性化推荐功能。

在此 Codelab 中，您将使用 Cloud Firestore 和 Cloud Functions 构建一个排行榜。

了解如何使用 Firebase Cloud Messaging 和 Firebase In-App Messaging 向用户发送消息。

在此 Codelab 中，您将学习如何使用 Measurement Protocol 进行服务器到服务器调用，以便将事件发送到 GA4

在本 Codelab 中，我们将通过示例演示如何构建收入分桶来设置 SKAdNetwork 转化价值架构

在此 Codelab 中，您将使用最新的 Angular 库 AngularFire 构建一个包含实时协作地图的旅行博客。最终的 Web 应用将包含一个旅行博客，您可以在其中上传您去过的每个地点的图片。 AngularFire 将用于构建 Web 应用，Emulator Suite 用于本地测试，Authentication 用于跟踪用户数据，Firestore 和 Storage 用于持久存储数据和媒体，Cloud Functions 为其提供支持，最后，Firebase Hosting

在此 Codelab 中，您将学习如何使用 TensorFlow 和 Firebase 为应用创建内容推荐引擎

在此 Codelab 中，您将使用 Flutter 构建一个适用于 Android、iOS 和 Web 的简单音乐播放器。此播放器将连接到 Firebase RTDB，以便用户在其设备之间同步播放。

在本 Codelab 中，您将使用 Firebase A/B Testing 创建您的第一个 Firebase In-App Messaging 实验。

在此 Codelab 中，您将学习如何使用 Firebase 平台构建 Android 应用。

了解如何使用 Remote Config 插桩 Unity 游戏

在此 Codelab 中，您将学习如何部署 TFLite 模型，以针对每位用户量身定制应用并优化应用内购买

在此 Codelab 中，您将构建一个用于地理编码的 Firebase 扩展程序。本入门 Codelab 将向您介绍如何将现有 Cloud Functions 函数转换为 Firebase Extensions，以便轻松分发给数百万开发者，并帮助他们扩展 Firebase 项目。

在此 Codelab 中，您将学习如何使用 JavaScript WebView 实现将事件发送到 GA4

在此 Codelab 中，您将通过构建聊天应用，学习如何在 Web 上使用 Firebase 平台。

了解如何使用 Firebase 构建 Flutter 移动应用。

借助 App Distribution SDK，您可以快速将最新版本交付给测试人员。在此 Codelab 中，您将更新应用，以便在有新的 build 可用时向测试人员显示应用内提醒。

使用 Terraform 设置和管理 Firebase 项目，包括对基础架构和 Firebase 产品进行程序化配置。

在此 Codelab 中，您将现有的 Firebase Web 应用迁移到新的模块化 Firebase JS SDK，以移除不使用的代码并加快应用加载速度。

了解如何使用屏蔽函数实现多重身份验证并创建自定义身份验证要求

在此 Codelab 中，您将学习如何使用几行代码将 Firebase Authentication 添加到 Flutter 应用。

在此 Codelab 中，您将在 Web 应用中设置 Firebase Performance Monitoring，并了解如何使用它确保应用能够顺利运行，为最终用户提供良好体验。

在此 Codelab 中，您将学习如何使用 Google Analytics for Firebase (GA4F) 实现事件，以及如何通过 Google Ads 发布操作广告系列。

在此 Codelab 中，用户将结合使用 App Distribution 和 Fastlane 插件来分发 iOS build 并注册测试设备。然后，用户将从应用分发控制台中导出包含设备和 UDID 的 .txt 文件，并自动注册这些设备（这是分发临时 iOS build 的要求）。

在此 Codelab 中，您将构建一个示例应用，并学习如何使用 Firebase Performance Monitoring 衡量加载时间和屏幕渲染情况。

在此 Codelab 中，您将学习如何使用 FCM 主题向一组选定的应用实例多播推送消息。

在此 Codelab 中，您将学习如何使用 Crashlytics 的高级功能。这些功能有助于您更好地了解发生崩溃的情况和可能造成崩溃的原委。

在此 Codelab 中，您将学习如何使用 TensorFlow 和 Firebase 为应用创建内容推荐引擎。

在此 Codelab 中，您将学习如何使用 Firebase 和 TensorFlow Lite 实现文本分类。

在此 Codelab 中，您将了解如何使用 Cloud Functions for Firebase 向聊天应用的用户发送通知。

使用 Firebase 和 StackBlitz 在线编辑器从头开始构建 Web 应用。您将使用基本的 HTML 和 JavaScript 与 Firebase 通信。这是一个非常好的介绍，告诉您如何使用 Firebase 控制台以及将 Firebase 集成到应用。不必事先学习各种相关知识，也无需了解如何安装软件。

在本 Codelab 中，您将创建一个 Spanner 实例，并使用 Spanner 的内置矢量搜索功能以及与 Vertex AI 模型的集成功能对矢量嵌入执行相似度搜索。

在 Google Cloud Platform 上开发一款名为“Aidemy”的 AI 赋能的功能齐全的助教系统，展示多代理系统的强大功能。获得在 Google Cloud 上设计、构建和部署复杂多代理系统的实用经验，掌握 LLM 应用开发中的关键概念，并了解事件驱动型架构的好处。

在此 Codelab 中，您将构建一个基于 RAG 的矢量搜索应用，该应用旨在根据客户搜索（通过文本和图片）查找匹配的玩具，根据用户请求创建自定义玩具，并使用 AlloyDB、Gemini、Imagen、LangChain4j 和 GenAI 数据库工具箱预测自定义创建的玩具的价格。

在本教程中，您将学习如何配置和验证 Private Service Connect Vertex AI Pipelines

在此 Codelab 中，您将学习如何在计算虚拟机上部署 AlloyDB Omni、加载数据并使用 AlloyDB Columnar Engine 提升性能

在此 Codelab 中，您将学习如何创建 AlloyDB 集群、为数据库部署 GenAI Databases Retrieval Service，以及使用该服务创建示例应用。

在此 Codelab 中，您将学习如何在 GKE 集群上部署 AlloyDB Omni、将 I 模型部署到同一集群、在 AlloyDB Omni 中注册该模型，并使它们协同工作

在此 Codelab 中，您将学习如何将 AlloyDB AI 与向量搜索结合使用，并为向量数据创建索引

在此 Codelab 中，您将使用 Gemini Code Assist，它是 Google Cloud 中的一个 AI 赋能的协作工具。您将学习如何使用 Gemini Chat 和内嵌代码助理来生成代码、理解代码以及执行其他 AI 辅助编码任务。

在此 Codelab 中，您将学习如何将 Cloud SQL AI 集成与向量搜索结合使用，并在向量数据上创建索引

图片占网页加载所需字节数的平均 超过 60% 。使用 AVIF，您可以缩减图片大小并加快网站加载速度。 AVIF 是一种从 AV1 视频数据流派生的图片格式。AVIF 专为提高压缩效率而打造。 与 JPEG、PNG、GIF 或 WebP 图片相比，AVIF 图片的大小要小得多，但质量相同或更好。 Squoosh 是一款图片压缩 Web 应用。借助 Squoosh，您可以轻松将图片压缩为 AVIF 图片。 然后，Squoosh 会将您的图片压缩为 AVIF 图片。Squoosh

在此 Codelab 中，您将学习如何为 AlloyDB 创建 Private Service Connect

在此 Codelab 中，您将学习如何创建一个由 Gemini 提供支持的视频摘要工具，以便对 YouTube 视频进行总结。

在此 Codelab 中，您将学习如何为 Cloud SQL 创建 Private Service Connect

在此 Codelab 中，您将构建并部署一个价格预测应用的 Toolbox，该 Toolbox 使用 Gen AI Toolbox for Databases 服务，并使用 AlloyDB 和生成式 AI 功能。

与任何其他应用一样，生成式 AI 应用也需要可观测性。 生成式 AI 是否需要特殊的可观测性技术？ 在本实验中，您将创建一个简单的生成式 AI 应用。将其部署到 Cloud Run 。并使用 Google Cloud 可观测性服务和产品为其添加基本监控和日志记录功能。 如果您还没有 Google 账号，则必须 创建一个新账号 。 在终端中，启用本实验所需的 Google API： 此命令需要一些时间才能完成。最终，它会生成类似于以下内容的成功消息： 如果您收到以 ERROR:

了解如何使用 Firebase Data Connect 和 GraphQL 构建 Web 应用

此 Codelab 将引导您创建一个依托知识的瑜伽姿势推荐应用。该应用会通过建议匹配的瑜伽姿势来回答用户问题。您将学习如何根据 Hugging Face 数据集构建包含瑜伽姿势的 Firestore 集合、设置 Firestore 向量搜索，并将所有内容集成到 Flask 应用中。

与任何其他应用一样，生成式 AI 应用也需要可观测性。 生成式 AI 是否需要特殊的可观测性技术？ 在本实验中，您将创建一个简单的生成式 AI 应用。将其部署到 Cloud Run 。并使用 Google Cloud 可观测性服务和产品为其添加基本监控和日志记录功能。 如果您还没有 Google 账号，则必须 创建一个新账号 。 在终端中，启用本实验所需的 Google API： 此命令需要一些时间才能完成。最终，它会生成类似于以下内容的成功消息： 如果您收到以 ERROR:

与任何其他应用一样，生成式 AI 应用也需要可观测性。 生成式 AI 是否需要特殊的可观测性技术？ 在本实验中，您将创建一个简单的生成式 AI 应用。将其部署到 Cloud Run 。并使用 Google Cloud 可观测性服务和产品为其添加基本监控和日志记录功能。 如果您还没有 Google 账号，则必须 创建一个新账号 。 在终端中，启用本实验所需的 Google API： 此命令需要一些时间才能完成。最终，它会生成类似于以下内容的成功消息： 如果您收到以 ERROR:

与任何其他应用一样，生成式 AI 应用也需要可观测性。 生成式 AI 是否需要特殊的可观测性技术？ 在本实验中，您将创建一个简单的生成式 AI 应用。将其部署到 Cloud Run 。并使用 Google Cloud 可观测性服务和产品为其添加基本监控和日志记录功能。 如果您还没有 Google 账号，则必须 创建一个新账号 。 在终端中，启用本实验所需的 Google API： 此命令需要一些时间才能完成。最终，它会生成类似于以下内容的成功消息： 如果您收到以 ERROR:

在本实验中，您将使用 Google 的生成式 AI 产品，借助 Gemini Cloud Assist 在 Google Cloud 中构建基础架构，使用 Data Canvas 的自然语言 SQL 功能查询 BigQuery 数据，借助 Gemini Code Assist 在 Colab Enterprise Jupyter 笔记本和 Eclipse Theia（Visual Studio Code）中编写代码，并在 Vertex AI Agent Builder 中集成基于 Cloud

在此 Codelab 中，您将构建一个知识驱动的上下文瑜伽姿势搜索应用，旨在根据用户的瑜伽姿势问题回答相应问题。还可以执行创建和修改瑜伽姿势等管理任务。

了解如何使用 Activity Recognition Transition API 在应用中构建强大的上下文功能

此 Codelab 将引导您创建一个依托知识的瑜伽姿势推荐应用。该应用会通过建议匹配的瑜伽姿势来回答用户问题。您将学习如何根据 Hugging Face 数据集构建包含瑜伽姿势的 Firestore 集合、设置 Firestore 向量搜索，并将所有内容集成到 Node.js 应用中。

在此 Codelab 中，您将对旧 PHP 应用进行现代化改造，将其迁移到 Google Cloud，将其容器化，部署到 Cloud Run，然后将其连接到 Cloud SQL。此外，您还将探索使用 Cloud Build 实现应用 CI/CD，并使用 Secret Manager 对其进行保护。

在此 Codelab 中，您将学习如何将 PSC 后端与全球外部应用负载平衡器搭配使用，以访问其他网络中的生产者服务。

通过添加身份验证、性能监控、声明式界面和功能标志，构建待办事项列表 Android 应用的功能，所有这些都可以借助 Firebase 和 Jetpack Compose 完成。

若要完成此 Codelab，您需要满足一些前提条件。每个要求都会相应地标记为“本地测试”或“汇总服务”所需。 若要进行本地测试，您需要下载本地测试工具。该工具将根据未加密的调试报告生成摘要报告。 您可以在 GitHub 中的 Lambda JAR 归档 中下载本地测试工具。该文件应命名为 LocalTestingTool_{version}.jar 。 打开“ 终端 ”，然后使用 java --version 检查您的机器是否安装了 Java 或 openJDK。 如果未安装，您可以从 Java

预计完成时间：1-2 小时 您可以通过以下 2 种模式完成此 Codelab： 本地测试 或 汇总服务 。本地测试模式需要本地计算机和 Chrome 浏览器（无需创建/使用 Google Cloud 资源）。汇总服务模式需要在 Google Cloud 上完整部署汇总服务。 无论您想以哪种模式完成此 Codelab，都需要满足一些前提条件。每个要求都会标记为本地测试或汇总服务所需。 如需使用 Privacy Sandbox API，请确保您已为 Chrome 和 Android 完成 注册和认证

在本实验中，我们将了解如何在将数据从 Cloud Storage 转移到 BigQuery 数据集时，使用 VPC Service Controls 保护 BigQuery Data Transfer Service 。然后，我们会保护 Cloud Storage ，并重复上述过程，以便将数据从 Cloud Storage 转移到 BigQuery。Cloud Storage 的保护功能会导致 VPC Service Controls 违规，您需要解决此问题才能成功完成转移。最后，我们还保护了

在此 Codelab 中，您将向使用 Dart 后端服务验证和管理的 Flutter 应用添加应用内购商品。

了解如何使用 Firestore 矢量搜索

在此 Codelab 中，您将了解如何构建使用 Cloud Firestore 的 Web 应用。

在此 Codelab 中，您将学习如何构建一个使用 Cloud Firestore 的 iOS 应用。

在此 Codelab 中，您将学习如何构建一个使用 Cloud Firestore 的 Android 应用。

在此 Codelab 中，您将使用 Firebase Extensions 向在线购物平台 Web 应用添加功能。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Go 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Java 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Go 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Python 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Node.js 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Node.js 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Next.js 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Svelte 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

首次部署 Web 应用可能令人望而生畏。即使在首次部署后，如果该流程的工作量太大，您也可能会避免部署应用的新版本。借助持续部署，您可以轻松自动部署应用更改。 在本实验中，您将编写一个 Web 应用，并配置 Cloud Run ，以便在应用的源代码发生更改时自动部署应用。然后，修改应用并重新部署。 在终端中，启用以下 API： 此命令可能需要几分钟才能完成，但最终应该会显示如下所示的成功消息： 如需使用 Node.js 编写应用，请执行以下操作： 应用的初始代码已完成，可以存储在版本控制系统中。

了解如何使用 Cloud Scheduler 和 Cloud Run 服务在 VPC SC 边界内按计划运行 Cloud Run 作业

在已启用专用服务访问网络的现有 CloudSQL 实例上启用 PSC 附加项。然后，通过其他项目中的 PSC 端点连接到该服务

在此 Codelab 中，您将学习如何在 Flutter 中使用动画。您将构建一个同时对大小和颜色进行动画处理的微件，添加 3D 卡片翻转效果，利用动画软件包中的效果，并添加 Android 的预测性返回手势支持。

在此 Codelab 中，您将学习如何使用 ABAP SDK for Google Cloud 和上传文件调用 Cloud Storage JSON API 的方法

在此 Codelab 中，您将使用 ABAP SDK 接收来自 Cloud Pub/Sub 的事件

借助 Google Wallet API，您可以通过各种类型的卡券（会员卡、优惠、礼品卡、活动门票、公交票券、登机牌等）与用户互动。每种卡券类型（或卡券类）都附带特定于用例的字段和功能，以提升用户体验。 不过，这些方法可能并不适用于所有用例。如需打造更个性化的体验，您可以使用通用卡券类型。以下是通用卡券类型的一些用例： 凡是能够以以下形式展示的用例，您都可以为其使用通用卡券： 如需详细了解 Google Wallet API 或如何向 Android 应用添加 添加到 Google 钱包

在此 Codelab 中，您将学习如何使用 ABAP SDK 调用 Translation API 的方法

在此 Codelab 中，您将使用 Gemini Pro 模型通过 ABAP SDK 对商品评价进行情感分析

在此 Codelab 中，您将学习如何将事件发布到 Google Cloud Pub/Sub 服务

创建具有 PSC 服务连接的 CloudSQL 实例。然后通过另一个项目中的 PSC 端点进行连接

在此 Codelab 中，您将了解 Google Cloud Functions（第 2 代）。更具体地说，您将部署响应 HTTP 调用、Pub/Sub 消息、Cloud Storage 事件和 Cloud 审核日志的函数。

在此 Codelab 中，您将创建一个 Spanner 实例，并学习如何使用 Spanner Graph。

在此 Codelab 中，您将使用 Imagen 模型通过 Cloud Run 在网页上创建图片。

GitHub - 利用 GenAI 实现代码审核自动化

在此 Codelab 中，您将学习如何集成配置为 Looker SMTP 南向访问服务生产者的 Internet NEG。

本实验将向您介绍如何在 Dataproc 上使用 PySpark 从 BigQuery 加载数据并将其保存到 Google Cloud Storage。

如何开始使用事件驱动型 Cloud Run 函数

了解如何在 Cloud Run GPU 上运行稳定扩散

在本 Codelab 中，您将学习如何使用 ABAP SDK for Google Cloud 从 ABAP 环境调用 Vertex AI PaLM 2 Text (text-bison) LLM

了解如何使用 Cloud Storage 存储分区事件通过 Eventarc 触发 Cloud Run 函数，以便使用 Google 的 Vision API 分析数据和处理图片，并将生成的图片信息作为对象元数据保存在 Cloud Storage 中。

了解如何使用 Cloud Run 部署网站，为容器化应用带来无服务器的敏捷性。

此 Codelab 将引导用户完成在 GKE 上部署 Jenkins 实例（包括自动扩缩的构建器代理）的步骤。

在此 Codelab 中，您将使用 Cloud KMS 非对称密钥加密和解密数据。

用于对文档和 API 调用进行质量检查的 GenAI 代理

在此 Codelab 中，您将了解如何将 IPv6 静态路由与新的下一个跃点属性（例如 next-hop-instance、next-hop-gateway 和 next-hop-address）搭配使用

在此 Codelab 中，您将与用户聊天，提出有关文档的问题，或通过函数调用来扩展模型、使用 Java 中的生成式 AI、在 Vertex AI 上集成 Gemini 大语言模型以及利用 LangChain4j 框架

了解如何使用 Firebase Genkit 和您已了解的应用开发技能和工具构建生成式 AI 功能。

了解如何在本地机器上的 Visual Studio Code 中编写、部署和调试 Cloud Functions for Node.js 函数。

了解如何使用 Dialogflow CX（一种用于构建虚拟客服的对话式 AI 平台 [CAIP]）构建零售聊天机器人

在此 Codelab 中，您将通过部署使用方网络和提供方网络，了解 Private Service Connect 66 的实现和验证。

使用 GenAI 实现 JIRA 用户故事

通过 Python SDK 和 PSC 端点从虚拟机访问 Vertex AI 上的 Anthropic

在此 Codelab 中，您将学习如何使用无服务器组件部署 Wagtail：Cloud Run 用于 Web 引擎、Cloud SQL 用于数据库，Cloud Build 用于媒体资源。

了解如何在 Cloud Run GPU 上运行稳定扩散

在本实验中，您将使用 Google 的生成式 AI 产品，借助 Gemini Cloud Assist 在 Google Cloud 中构建基础架构。

在此 Codelab 中，您将学习如何使用 Encrypt Space 通过多方计算处理数字资产。

借助 Artifact Registry，您可以存储不同的工件类型；在单个项目中创建多个代码库，并将某个特定区域或多区域与每个代码库相关联。代码库模式有多种。每种模式的用途各不相同。下图展示了您可以将不同模式的代码库搭配使用的方式之一。该图显示了两个 Google Cloud 项目之间的工作流。在开发项目中，开发者构建 Java 应用。在单独的运行时项目中，另一个 build 会创建包含应用的容器映像，以便部署到 Google Kubernetes Engine。

在此 Codelab 中，您将学习如何将 Cloud SQL PSC 与 Looker PSC 集成以实现南向访问。

在此 Codelab 中，您将学习如何使用 ABAP SDK for Google Cloud 从 Secret Manager 检索凭据/密钥

了解如何使用开源 Lustre Deployment Manager 脚本在 Google Cloud Platform 中部署 Lustre 并行文件系统。

在本教程中，您将创建三个名为“preview”“canary”和“prod”的 GKE 集群。然后，创建与每个集群对应的 Cloud Deploy 目标，以及一个 Cloud Deploy 流水线，该流水线将定义在这些目标中执行部署的步骤序列。 部署流程将由 cloudbuild 流水线触发，该流水线将创建 Cloud Deploy 版本并在预览集群中执行部署。确认预览版部署成功且运行正常后，您需要在 Canary 集群中手动提升版本。在生产集群中发布版本需要获得批准，您需要在 Cloud

在本教程中，您将学习如何将 Translation API 与 Python 搭配使用。

在此 Codelab 中，您将通过部署使用方和生产方网络来了解 Private Service Connect 64 的实现和验证。

在本 Codelab 中，您将在 BigQuery 中创建机器学习 (ML) 模型，并使用适用于 Google Cloud 的 ABAP SDK 在 SAP 中获取该模型的预测结果

在此 Codelab 中，您将学习如何使用 Cloud NGFW Enterprise 通过 TLS 检查来实现威胁防护。

了解如何使用 Jetpack Compose 向基于 View 的 Android 应用添加自适应布局。

在此 Codelab 中，您将向示例应用添加 Play Integrity API。您将使用 Play Integrity API 请求完整性判定，以帮助您确定应用的许可状态和完整性，以及运行该应用的设备的完整性状态。

在此 Codelab 中，您将构建一个列出一系列餐馆的 Android 应用。该课程旨在协助您设计、配置和验证 Android App Links。

此 Codelab 介绍了如何使用基准配置文件缩短应用启动时间和帧时间。

在本 Codelab 中，您将从一款简单的 3D 物理模拟游戏入手，并为其集成自适应功能。您将集成以下各项：

在此 Codelab 中，您将学习如何使用 Confidential Space 保护机器学习模型和知识产权

出价和竞价服务 (B&A) 由 4 项服务组成，可帮助买方和卖方进行 Protected Audience 竞价： 买方堆栈： 卖方堆栈： 此 Codelab 将引导您在本地环境中设置和测试端到端设置。本演示大约需要 1 小时（不包括初始服务构建时间）。 即使您可能只负责买方代码或卖方代码，在本地环境中设置端到端流程也很有用，这样可以更好地了解买方堆栈和卖方堆栈之间的协作方式。通过设置这两个堆栈，您日后在与另一方的买方或卖方堆栈集成时，会更有信心。在本地测试服务还可以节省开发费用。 在此

在本实验中，您将使用 BigQuery Studio 中 Python 笔记本中的 BigQuery DataFrame，通过 Python 从非结构化数据中获取数据洞见。

Artifact Registry 是一款全代管式软件包管理器，提供统一的工具来管理 OCI 容器映像和语言软件包（如 Maven 和 npm）。 Artifact Registry 与 Google Cloud 的众多其他 Google Cloud 服务完全集成，如下例所示： 本实验将以实操教程的形式向您介绍其中的许多功能。 本实验的学习目标是什么？ 在 Cloud Shell 中，设置您的项目 ID 和项目编号。将它们保存为 PROJECT_ID 和 PROJECT_NUMBER 变量。

在本实验中，您将使用 BigQuery Studio 中 Python 笔记本中的 BigQuery DataFrame 来清理和分析爱荷华州酒类销售公共数据集。

在此 Codelab 中，您将学习如何管理人工客服代表和聊天机器人代表之间的对话间转移。最后，您将拥有一个基本的网页界面，在该界面中，您可以查看与代理的所有正在进行的对话，以及以实时代理的身份加入或退出任何对话。

在此 Codelab 中，您将学习如何使用结构化数据捕获库构建 Android 应用。您的应用将使用结构化数据捕获库来呈现和处理 FHIR 调查问卷和回复。 此 Codelab 重点介绍 结构化数据捕获库 。对于不相关的概念，我们仅会略作介绍，但是会提供相应代码块供您复制和粘贴。如果您之前从未构建过 Android 应用，可以先 构建首个应用 。 如需下载此 Codelab 的代码，请克隆 Android FHIR SDK 代码库： git clone

Cloud Run 是一个完全托管的无服务器平台，供您运行可通过 HTTP 请求调用的无状态容器。本 Codelab 将演示如何使用 IAM 身份验证通过服务账号安全地将 Cloud Run 上的 Node.js 应用连接到 AlloyDB 。 在本实验中，您将学习如何完成以下操作： 在终端中，启用以下 API： 如果系统提示您进行授权，请点击 授权 继续。 此命令可能需要几分钟才能完成，但最终应该会显示类似以下内容的成功消息： 创建并配置供 Cloud Run 使用的 Google Cloud

学习如何利用 Local Home SDK 启用本地执行方式，从而增强智能家居与 Google 助理间的集成。

Cloud Run 是一个完全托管的无服务器平台，供您运行可通过 HTTP 请求调用的无状态容器。本 Codelab 将演示如何将 Cloud Run 上的 Node.js 应用连接到 Cloud SQL for PostgreSQL 数据库。 在本实验中，您将学习如何完成以下操作： 在终端中，启用以下 API： 如果系统提示您进行授权，请点击 授权 继续。 此命令可能需要几分钟才能完成，但最终应该会显示类似以下内容的成功消息： 创建并配置供 Cloud Run 使用的 Google Cloud

在此 Codelab 中，您将使用 FHIR Engine 库构建 Android 应用。您的应用将使用 FHIR Engine 库从 FHIR 服务器下载 FHIR 资源，并将所有本地更改上传到服务器。 如果您之前从未构建过 Android 应用，可以先 构建首个应用 。 HAPI FHIR 是一个广受欢迎的开源 FHIR 服务器。在本 Codelab 中，我们使用本地 HAPI FHIR 服务器供 Android 应用连接。 为了测试我们的应用，我们需要在服务器上提供一些测试数据。我们将使用

在此 Codelab 中，您将了解如何在向 Places API 发出请求之前，使用 Firebase AppCheck 和 reCAPTCHA 验证 Web 应用

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答客户问题、引导产品发现以及针对电子商务数据集定制搜索结果

在本教程中，您将学习如何通过 Airflow DAG 在 GKE 上使用 vLLM 训练和运行模型。

在本 Codelab 中，您将学习如何使用 Private Service Connect 访问区域级 Google API。本 Codelab 将详细介绍如何将 PSC 网络端点组设置为内部应用负载平衡器的后端。

在此 Codelab 中，您将学习如何利用已签名的容器映像功能来提高机密空间的易用性。

在此 Codelab 中，您将了解 Private Service Connect 的端口映射功能。您将了解它为何有用、何时使用它，以及如何在您的环境中将其配置为服务提供方。

在本 Codelab 中，您将在 Business Messages 对话平台上使用 Python 构建一个数字代理，后者扩展自本系列第 1 部分中的代理。在本 Codelab 中，我们将添加有意义的开场白，并引入库存查询体验。

在此 Codelab 中，您将在 Business Messages 对话平台上使用 Python 构建数字代理。它将引导您使用我们的 API 和 Business Communications 开发者控制台来创建可响应特定问题的数字代理。

了解如何让用户相互连接（即使没有互联网连接）

了解如何添加操作按钮、设置键盘操作以及使用 Switch 可组合函数。

了解如何构建交互式 Dice Roller 应用，使用户能够掷骰子，然后向用户显示结果。

在此 Codelab 中，您将学习如何使用与 activity 嵌入有关的新增功能来改善大屏设备上的应用体验。这些功能包括窗格展开、叠加层呈现、全屏对话框变暗和 activity 堆栈固定。

了解如何在 Kotlin 中使用类和对象。

了解如何使用数组和集合，包括列表、集和映射。

在 Kotlin Playground 中，了解如何使用 Kotlin 协程编写异步代码。

在此 Codelab 中，您将学习如何把 View 系统中某个界面的组成部分迁移到 Jetpack Compose。

了解如何创建展示您的名片的 Android 应用。

在本 Codelab 中，您将学习如何向表盘复杂功能提供数据，同时牢记平台的相关最佳做法。

了解如何在 Android 应用中使用 Kotlin 协程以及如何测试协程。

Vulkan 是一个高性能的现代图形 API。它提供了对 GPU 的低级别访问权限，并以各种方式优化了实现，但使用难度较高。替代方案 OpenGL ES 更为简单，但因其基于旧版硬件架构，功能和性能相对较差。OpenGL ES 在大多数其他平台上已废弃，不再处于积极开发状态。在 Android 平台上，我们计划逐渐废弃 OpenGL ES，转而采用 Vulkan，因此需要让开发者做好过渡准备。

activity 嵌入可让基于 activity 的应用在大屏设备上支持双窗格布局，而无需重构代码。您需要添加一些依赖项，创建一个 XML 配置文件，实现一个初始化程序，并向应用清单添加一些内容。或者，如果您更喜欢在代码中操作，可以通过主 activity 的 onCreate() 方法进行一些 Jetpack API 调用。在此 Codelab 中，您将使用 XML 和 API 开发方法将基于 activity 的应用更新为列表-详情双窗格布局。

在此 Codelab 中，您将学习如何向 SociaLite 应用添加预测性返回动画。

在此 Codelab 中，您将学习如何为 Wear OS 创建自己的功能块。您将使用 Tiles Material 组件，该库可帮助您更轻松地构建符合 Material Design 准则的界面。而且，在开发过程中，您还可以在 Android Studio 中预览功能块。

在此 Codelab 中，您将对应用进行更改，以便在设有工作资料的受管理设备上运行时提供更好的用户体验。

在此 Codelab 中，您将构建一个支持在 Health Connect 中读取和写入数据的健康与健身应用。

了解如何使用 Jetpack WindowManager 库针对可折叠设备和双屏设备等新型设备对应用进行调整。

学习使用 DragHelper 和 DropHelper 在应用内部和应用之间实现视图拖放功能。

了解如何通过实现一种规范布局模式，让应用适合在大屏幕上运行。

学习如何实现先进的技术，从而在 Android 应用中提供卓越的触控笔体验。

向 Affirmations 应用添加可滚动列表

在此 Codelab 中，您将了解如何测试使用 Jetpack Compose 创建的界面。您将编写您的第一项测试，并在此过程中了解隔离测试、调试测试、语义树和同步。

在本 Codelab 中，您将学习如何使用一些 Compose 动画 API。

运用您学到的有关按钮点击行为的知识来构建应用。

在此 Codelab 中，您将学习 Jetpack Compose 中状态和附带效应的高级概念。您可以了解如何为复杂的有状态可组合项创建状态容器，如何通过 Compose 代码创建协程和调用挂起函数，以及如何触发附带效应以完成不同的用例。

在此 Codelab 中，您将学习如何使用 ViewModel（架构组件之一）。您将实现一个 ViewModel，用于在配置更改期间保留应用状态。

了解状态，以及 Jetpack Compose 如何使用和操纵状态。

了解如何注册 Android Sleep API 以获取 SleepSegmentEvent 和 SleepClassifyEvent。

在 Android 中请求位置权限 1

了解如何将网络调用拆分为存储库，以进一步改进 Mars Photos 应用的架构。

了解如何使用 Vertex AI for Firebase 向 Android 应用添加简单的 Gemini API 功能。

在此 Codelab 中，您将学习如何为 Android Automotive OS 设备上在停车状态下使用的应用构建和测试出色的使用体验。您将了解如何充分利用汽车中各种各样的屏幕，以及如何让用户使用标准 Android 机制在汽车独有的各种场景中控制内容播放。

了解 Compose for TV 的基础知识，并创建 TV 应用中常用的两个页面。

了解如何使用 Compose 开发支持键盘和指控设备（例如鼠标和触控板）的应用。

了解如何使用修饰符在 Compose 中启用拖放功能。

多年来，Android 设备不断发展完善，演变出多种多样的尺寸、形状、显示屏和其他特点。不过，从一开始，使用手机拍照就一直是其中最重要的一种使用场景。如今，相机功能仍是消费者购买手机的首要原因之一。

本 Codelab 旨在通过新的 Material Design 3 和 Material You 实现，在 Jetpack Compose 中演示主题设置。

本 Codelab 是 Google Pay API for Web 101：基础知识 的后续内容，需要使用该 Codelab 中编写的代码。为了完成此 Codelab，请务必先完成该 Codelab。 以下是 ButtonOptions 的简要概述。如需更详细的说明，请参阅文档 选项 必要性 值 _trackEvent() 必填 JavaScript 事件处理脚本的名称 allowedPaymentMethods 可选 PaymentMethod[] buttonColor 可选

在此 Codelab 中，您将学习 Compose 的基础知识。

在此 Codelab 中，您将学习 Android 应用架构数据层的相关知识。您将构建存储库、数据模型和数据源，以便对本地数据库及网络服务执行数据读写操作。

在此 Codelab 中，您将学习如何把 View 系统中某个界面的组成部分迁移到 Jetpack Compose。

借助 Wear 中的 Ongoing Activity API，开发者只需编写少量代码即可在表盘以及应用启动器中与用户互动，让用户只需简单点按一下就返回到应用中进行重要的活动。

学习如何为 Compose 应用添加简单的弹簧动画。

了解如何使用数组和集合，包括列表、集和映射。

面向 Android 的 WorkManager API 可简化后台工作。WorkManager 可以创建可查询、可重用和可链接的任务。WorkManager 是 Android 平台上推荐的任务调度器。此 Codelab 将向您介绍 WorkManager 的详细信息：从编写简单的作业，到更为复杂的链式作业，涵盖方方面面。

了解如何使用 Nearby Messages API 发送和发现消息

在此 Codelab 中，您将学习为电视电影/剧集构建“接下来观看”的最佳实践。

在此 Codelab 中，您将向 TwoActivities 应用添加日志记录语句，并观察 activity 生命周期的变化。您将应对这些变化，并探索在此类条件下如何处理用户输入。

了解如何添加操作按钮、设置键盘操作以及使用 Switch 可组合函数。

上次更新日期 ：2022 年 5 月 6 日 Cronet 是以库的形式提供给 Android 应用使用的 Chromium 网络堆栈。Cronet 利用多种技术来减少延迟和提高网络请求吞吐量，以满足您的应用的运行需要。 很多每日用户量达到数百万的应用（如 YouTube 、 Google 应用 、 Google 相册 以及 Google 地图 - 导航和公交 ）都由 Cronet 库来处理请求。Cronet 支持 HTTP3，是使用极广的 Android 网络库。 如需了解详情，请参阅

在此 Codelab 中，您将学习如何通过 Compose 让应用更加易于使用。了解如何增大触摸目标以及如何添加内容描述、点击标签、自定义操作，等等。

了解如何创建 Android 应用来展示您自己的艺术空间。

在此 Codelab 中，您要将 Paging 库集成到一款显示列表的应用中。Paging 库可帮助您加载和显示来自本地存储空间或网络中更大的数据集中的数据页面。

在此 Codelab 中，您将了解如何通过管理状态来构建功能丰富的互动式 Compose 应用。

在此 Codelab 中，您将了解如何使用新版 Compose for Wear OS 将所学 Compose 知识运用到穿戴式设备应用的开发中。到最后，您将学会在适合腕戴设备的应用中创建简单和高级的可组合函数。

通过分析系统轨迹并解决常见延迟问题，让 Compose 应用快速运行。

了解如何应对 Android 15 强制执行的无边框措施。

在此 Codelab 中，您将学习如何通过使用由 Compose 以开箱即用的方式提供的可组合项和修饰符来实现真实的设计。

在前几个版本中，Android 发布了许多单独的隐私保护功能，我们很高兴能让您在应用中采用这些功能！此 Codelab 力图将各项单独的隐私保护功能联系起来，并向开发者展示如何才能了解应用对私密用户数据的访问以及如何在运行中的现有应用中采用隐私保护最佳实践。

在此 Codelab 中，您将了解 activity 生命周期和日志记录。

了解如何使用可组合函数构建简单的应用。

在此 Codelab 中，您将了解 Android 上的网络安全配置，并处理建立安全网络通信时遇到的一些常见错误。

在此 Codelab 中，您将学习什么是 gecko@003 模型，以及它的实际应用场景。

通过 Python SDK 和 PSC 端点从虚拟机访问 Gemini

这是一个互动式 Codelab，旨在帮助您了解如何使用 web-vitals 库衡量 Interaction to Next Paint (INP) 。 该代码位于 web-vitals-codelabs 代码库 中。 此 Codelab 使用 Gastropodicon（一个热门的蜗牛解剖学参考网站）来探索 INP 的潜在问题。 尝试与网页互动，了解哪些互动速度缓慢。 打开 DevTools ：依次选择 更多工具 > 开发者工具 菜单 ， 右键点击页面并选择 检查 ，或 使用快捷键 。

本实验的目标是通过连接到 NCC 中心的软件定义 WAN 设备 spoke，探索 NCC。

本实验的目标是探索使用 PSC 传播的 NCC

此 Cloud Functions 函数演示了如何使用 Vertex AI PaLM API 对 Google Cloud Storage 中的上传文件处理内容并执行摘要。

本实验将引导您完成使用媒体 CDN (CDN) 部署直播工作流演示的步骤 -Live Stream APICloud Storage媒体播放器。

在此 Codelab 中，您将学习如何将配置为使用 HTTPS 的互联网 NEG 集成为服务生产方，以便 Looker 南向访问 GitHub.com

我们将通过 BigQuery ML 创建一个仅使用 SQL 的电影得分预测模型

在此 Codelab 中，您将学习如何将混合 NEG 集成为服务生产方，以便 Looker 南向访问本地 postgres 数据库。

在此 Codelab 中，您将学习如何集成 L7 区域级外部应用负载平衡器以实现向北的 Looker 访问权限。

我们将使用 Vertex AI AutoML 创建电影得分预测模型，并将其部署到 API 端点，并通过 Java Cloud Functions 函数触发预测 API。

利用生成式 AI 实现代码审核自动化

在此 Codelab 中，我们将演示 Gemini 1.0 Pro 如何针对 BigQuery 公共数据集中提供的 citibike_stations 数据，简化丰富和去重等主数据管理应用。

在此 Codelab 中，您将学习如何使用 Gemini Pro 构建多模态问答系统。

在此 Codelab 中，您将学习如何使用 MediaPipe 解决方案为 Android 应用添加设备端文本到图像生成功能。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您将学习如何使用 Dataprep 转换 Google 表单调查问卷数据，并将其推送到 BigQuery 中以进行深入分析

在此 Codelab 中，您将使用 Vertex AI Conversation 创建、配置和部署 Data Store Agent 和聊天应用，以回答客户有关 Google 商店中商品的问题。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您将学习如何使用无服务器组件部署 Django：Cloud Run for Web Engine、Cloud SQL for 数据库和 Cloud Build（适用于媒体资源）。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在本 Codelab 中，我们将演示如何将 Gemini 1.5 Pro 与 AlloyDB 和 VertexAI 搭配使用来构建专利搜索应用。

在此 Codelab 中，您将了解 Events for Cloud Run。更具体地说，您将监听来自 Cloud Pub/Sub、审核日志、Cloud Storage、Cloud Scheduler 的事件，以及如何生成/使用自定义事件。

了解如何使用图片分类功能在 Android 中使用 MediaPipe 检测手写数字。

在此 Codelab 中，我们将演示如何将 Gemini 1.0 Pro 与 Spanner 和 VertexAI 搭配使用来构建专利搜索应用。

在此 Codelab 中

在此 Codelab 中，您将学习如何将使用 SSH 配置的 Internet NEG 集成为服务生产方，以便 Looker 南向访问 github.com

在此 Codelab 中，您将学习如何结合使用全球网络防火墙政策与标记来控制流量

在此 Codelab 中，您将学习如何使用 Vertex AI 对 LLM 进行监督式微调。

本实验的目标是探索以 VPC 作为 spoke 的 NCC

Spring Native 是一个新兴项目，将进入 Spring 6.x 和 Spring Boot 3.x 的主线，这意味着现在是发布前几个月熟悉它的最佳时机。

在此 Codelab 中，您将使用机器学习套件构建一个 Android 应用，该应用使用设备端机器学习技术来检测图片中的对象，然后允许用户进行可视化商品搜索。

安全源代码技术是指可用于提高源代码安全性的一系列做法。这些技术有助于识别和修复源代码中的漏洞，防止他人未经授权访问源代码，以及防止源代码遭到修改。

Container Analysis 为容器提供漏洞扫描和元数据存储服务。扫描服务会对 Artifact Registry 和 Container Registry 中的映像执行漏洞扫描，然后存储生成的元数据并通过 API 使其可供使用。借助元数据存储，您可以存储来自不同来源（包括漏洞扫描、Google Cloud 服务和第三方提供商）的信息。 漏洞扫描可自动或按需执行： 将 Container Analysis 集成到 CI/CD 流水线中之后，您可以根据该元数据做出决策。例如，您可以使用

在此 Codelab 中，您将创建具有后端服务的 TCP/SSL 负载平衡器，并限制只有一组特定的用户客户端可以访问该负载平衡器。

使用 Identity-Aware Proxy 为 Cloud Run 上运行的应用提供安全访问机制并要求用户登录

安全部署到 Cloud Run 的基本做法

在此 Codelab 中，您将了解如何配置和验证 Private Service Connect 自动 DNS

软件漏洞是可能导致意外系统故障或为不法分子入侵您软件的漏洞。Container Analysis 提供两种操作系统扫描来查找容器中的漏洞： 借助 On-Demand Scanning API，您可以扫描存储在计算机本地的映像，也可以扫描存储在 Container Registry 或 Artifact Registry 中的远程映像。这样，您就可以精细控制要扫描漏洞的容器。您可以在 CI/CD 流水线中使用“按需扫描”功能扫描映像，然后再决定是否将其存储在注册表中。 在本实验中，您将： 在

本 Codelab 展示了如何使用参数高效调优 (PET) 创建自定义文本分类器。PET 方法只会更新少量参数，而不是微调整个模型，因此训练起来相对容易且快速。这还可以让模型更轻松地利用相对较少的训练数据学习新行为。 Towards Agile Text Classifiers for Everyone 详细介绍了该方法，其中展示了如何将这些技术应用于各种安全任务，并仅使用几百个训练示例即可实现最先进的性能。 此 Codelab 使用 LoRA PET 方法和体积较小的 Gemma 模型 (

生成式 AI 产品相对较新，应用的行为可能比早期形式的软件更不稳定。因此，请务必探查所使用的机器学习模型、检查模型行为示例并调查意外情况。 Learning Interpretability Tool (LIT； 网站 、 GitHub ) 是一个用于调试和分析机器学习模型的平台，可帮助您了解模型为何会表现出特定行为以及如何表现出特定行为。 在此 Codelab 中，您将学习如何使用 LIT 充分利用 Google 的 Gemma 模型 。此 Codelab

构建和部署云到云集成，以便将虚拟智能洗衣机集成到 Google 助理。

了解如何使用 GCP 指标和 Logging 找出和解决生产问题。了解如何使用测试套件来发现功能和 API 问题。

了解如何在 Google Cloud 上使用基于日志的指标来跟踪模式和分析智能家居集成错误日志。

了解如何使用 GCP 指标和 Logging 找出和解决生产问题。了解如何使用测试套件来发现功能和 API 问题。了解如何在开发 Local Home 应用时使用 Chrome 开发者工具。

了解如何通过自定义设备特征来优化云到云集成并增强其安全性，以及如何使用双重身份验证来确保其安全。

了解如何使用 CameraStream 特征和 WebRTC 从摄像头流式传输到 Google Nest 显示设备。

了解如何使用 Cloud Deploy 部署 Cloud Run 应用。

了解如何使用 Cloud Scheduler 创建 Cloud Run 作业和配置作业执行。

在此 Codelab 中，您将构建一个用于自动执行销售订单流程的对话式 AI 客服应用

Cloud Run 上的入站流量设置

在此 Codelab 中，您将学习如何使用 Confidential Space 保护多方数据共享和机密性

在此 Codelab 中，您将使用 Google Sheets API 和 BigQuery 构建一个演示文稿，以报告对最常见的软件许可的分析。

OpenTelemetry 是针对跟踪记录和指标实现系统可观测性的业界标准。此外，持续分析工具可以识别最后一英里信息以进行性能调整。在此 Codelab 中，您将学习如何使用 OpenTelemetry 和 Profiler 代理对应用进行插桩，以及如何根据 Cloud Trace 和 Cloud Profiler 的直观图表识别瓶颈。

在本教程中，您将了解如何配置和验证 Private Service Connect 接口，以通过 VPC 对等互连访问服务。

在此 Codelab 中，您将学习如何配置和验证 Private Service Connect 对具有全局访问权限的 MongoDB 的访问权限。

您将学习如何使用 Procurement DocAI 智能地解析账单。

使用 Private Service Connect 和具有内部 HTTP(s) 负载平衡器的混合 NEG 通过混合网络连接到本地服务

在本教程中，您将了解如何配置和验证 Private Service Connect 接口。

本实验介绍如何使用 Spark MLlib 和 spark-nlp 对大量数据执行机器学习和 NLP。

在本实验中，您将学习如何使用 AI Platform Notebooks 对机器学习工作流进行原型设计。我们将介绍如何创建自定义笔记本实例、在 Git 中跟踪笔记本代码，以及如何使用 What-If 工具调试模型。

本实验将详细介绍如何在 Google Cloud Platform (GCP) 上部署 LIT 应用服务器，以与 Vertex AI Gemini 基础模型和自托管的第三方大语言模型 (LLM) 进行交互。其中还包含有关如何使用 LIT 界面进行快速调试和模型解读的指南。 通过本实验，用户将学习如何： LIT 是一款直观、交互式且支持文本、图片和表格数据的模型理解工具。它可以作为独立服务器运行，也可以在 Google Colab、Jupyter 和 Google Cloud Vertex AI

了解如何使用 Cloud Run 函数中的修订版本进行流量拆分、逐步发布和回滚。

在此 Codelab 中，您将学习如何将 Google Cloud Translation API 与 Python 搭配使用，以及如何在本地运行或部署到 Cloud 无服务器计算平台（App Engine、Cloud Functions 或 Cloud Run）。

在此 Codelab 中，您将了解 C# 中的 Google Cloud Run 函数。具体而言，您将部署 C# 函数来响应来自各种 Google Cloud 来源的 HTTP 和 CloudEvent。

了解如何使用 GKE 部署、扩缩和更新网站。

在本教程中，您将学习如何将 Natural Language API 与 Python 结合使用。

在此 Codelab 中，您将创建一个解决方案，使用 AdWords API 和 Content API For Shopping 来创建由 AdWords 经理账号和 Merchant Center 多客户账号管理的新账号。然后将新的子账号关联起来，以便新的 Merchant Center 子账号管理的商品可以用于新的 AdWords 子账号制作的购物广告系列。

本实验的目标是探索如何通过与 VPC spoke 进行动态路由交换来使用 NCC

通过在 Cloud Run 上部署微服务，并加入一场虚拟竞技场，您的微服务将彩虹见证其他微服务，争夺胜利，以此了解 Google Cloud！在此过程中，您将亲身体验如何部署 Kotlin、Java、Go、Python 或 Node.js 微服务，并在此过程中了解容器和 Cloud Run。看看通过不断完善你的算法，你能获得比其他冒险家更多的分数。

在此 Codelab 中，您将构建一个事件驱动型微服务编排，以使用 Eventarc 和 Workflows 处理映像

在此 Codelab 中，您将了解如何为智能家居集成设置自动提醒以检测服务中断情况。

了解 Gemini Code Assist Enterprise 的新变化，以及它如何帮助您的组织使用 Google Cloud 构建应用。

在此 Codelab 中，您将学习如何使用 Confidential Space 安全地进行多方数据共享，同时保护数据的机密性。此 Codelab 重点介绍了如何将 Confidential Space 与托管在 Google Cloud 以外位置的受保护资源搭配使用。您将了解如何通过提供 Nonce、受众群体和 PKI 令牌类型，向 Google 认证服务请求自定义令牌。

在此 Codelab 中，您将学习如何创建适用于 CloudSQL 的 Private Services Connect

完成此 Codelab 后，您将拥有一个集成了 Google Pay 且可正常运行的最小化可行网站。此项目会检索付款令牌，该令牌可能会发送给付款服务提供商进行处理。 Google Pay 付款请求需要包含请求对象。此处定义为 baseGooglePayRequest 的对象包含适用于所有请求的最低常见设置。系统会根据所发出的要求添加其他设置，我们将在此 Codelab 中对此进行介绍。 将 Google Pay 配置常量添加到空的 main.js 文件中：

在此 Codelab 中，您将学习如何使用 Cloud NGW Enterprise Intrusion Prevention Service 检查东西流量和南北流量

了解如何要求在调用时进行身份验证，从而保护 Cloud Functions 函数

在此 Codelab 中，您将学习如何构建适用于手机、平板电脑和可折叠设备的自适应应用，还将学习单手操作的相关知识。您还将学习 Material 3 自适应组件的最佳实践。

在此 Codelab 中，您将构建一个使用 Cast Live API 的自定义 Web 接收器应用。

在此 Codelab 中，您将构建一个使用 Cast Ad Breaks API 的自定义网络接收器应用。

在此 Codelab 中，您将向现有自定义 Web 接收器应用添加 Cast 调试日志记录器。

在此 Codelab 中，您将构建一个自定义 Web 接收器应用，以便在支持 Cast 的设备上播放内容。

在此 Codelab 中，您将修改现有 Android 视频应用，以便在支持 Google Cast 的设备上投射内容。

在此 Codelab 中，您将修改现有的网络视频应用，以便在支持 Google Cast 的设备上投射内容。

本指南介绍如何将现有网络负载平衡器从目标池后端转换为区域级后端服务。

在此 Codelab 中，您将了解 Google Cloud Operations Suite。本实验将介绍如何使用 gcloud 安装示例应用。部署示例应用后，您可以使用 Cloud Monitoring 来定义信息中心、提醒、拨测等。

在此 Codelab 中，您将修改现有 Android TV 应用，以支持从现有的 Cast 发送器应用进行投射和通信。

了解如何使用 BigQuery 远程函数向 Vertex AI Visual Question Answering (VQA) 提出有关存储在 Cloud Storage 对象表中的图片的问题。

了解如何使用 Flutter 为游戏添加音效、背景音乐和动态音频。

了解如何通过要求调用时进行身份验证来确保 Cloud Run 函数的安全

此 Codelab 概述了如何在使用 Flutter 进行开发时使用 Firebase Emulator Suite。此 Codelab 将使用 Auth 和 Firestore 模拟器来演示模拟器的使用方法。

了解如何使用新的 ARCore Geospatial API。

在本实验中，您将学习如何在 Vertex Pipelines 上使用 Kubeflow Pipelines SDK 运行自定义模型训练作业。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 5 美元 。 本实验使用 Vertex AI ，这是 Google Cloud 上端到端托管式机器学习平台。Vertex AI 将 Google Cloud 中 Google 的机器学习产品集成到无缝的开发体验中。除了模型训练和部署服务之外，Vertex AI 还包括各种 MLOps

在本实验中，您将使用 Vertex AI 从预训练的图片分类模型获取预测结果。 您将了解如何： 在 Google Cloud 上运行本实验的总费用约为 $1 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API 中。您还可以将现有项目迁移到 Vertex

在本实验中，您将学习如何使用 Vertex ML Metadata 分析 Vertex Pipelines 运行产生的元数据。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个

在本实验中，您将学习如何使用 Vertex Pipelines 创建和运行机器学习流水线。 您将了解如何： 在 Google Cloud 上运行本实验的总费用约为 25 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

了解如何转换简单的 Java App Engine 应用、使用 Buildpack 将其容器化，并将其迁移到 Cloud Run

在此 Codelab 中，初学者可以轻松上手，您将学习如何使用 Angular v14 独立组件构建示例应用

在本实验中，您将学习如何使用自动打包功能在 Vertex AI Training 上运行自定义训练作业。Vertex AI 上的自定义训练作业使用容器。如果您不想构建自己的映像，可以使用自动打包功能，该功能会根据您的代码构建自定义 Docker 映像，将映像推送到 Container Registry，并基于该映像启动 CustomJob 。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 您将使用 Hugging Face 中的库，基于 IMDB 数据集

https://ide.cloud.google.com gcloud config set project {{project-id}} export PROJECT_ID=$(gcloud config get-value project) export PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format='value(projectNumber)') gcloud services enable \

我们将借助 Gemini 来借助 BigQuery（仅限 SQL 的生成式 AI）创建图书推荐和摘要分析。

了解如何转换简单的 Java App Engine 应用，使用 Jib 将其容器化并迁移到 Cloud Run

在此 Codelab 中，您将学习如何为全球外部应用负载均衡设置高级负载均衡优化功能。

了解如何转换简单的 Java App Engine 应用、使用 Docker 将其容器化并迁移到 Cloud Run

此 Codelab 介绍了如何使用 Bigtable 变更数据流到 BigQuery 模板。您将使用示例数据集来熟悉如何查询变更日志，并使用 Looker 创建可视化信息中心。

此 Codelab 介绍了如何使用基准配置文件缩短应用启动时间和帧时间。

在此 Codelab 中，您将开始使用 Cloud Foundation Toolkit(CFT) 并完成一系列向 CFT 模块添加功能的步骤。

在此 Codelab 中，您将创建一个名为“Hello World”的 Apps 脚本项目，添加一个简单的函数 logThis（用于记录消息），然后创建一个 Appsheet 自动化操作并让它调用该脚本。

在此 Codelab 中，您将使用 Vertex AI 根据提供的一些规范生成知识问答。您将在云托管的开发者环境中测试测验生成器，然后通过将其部署到 Google Cloud Run 来公开发布。在实验结束时，您需要将测验生成器与一个完整的应用集成。

我们将使用 Cloud Functions 函数中的 Vertex AI 生成式 AI (Gemini) 作为 BigQuery 的远程函数，创建一个图书推荐和摘要应用。

在此 Codelab 中，您将构建一个 Google 优质搜索引擎，帮助您使用 Vertex AI Search/Agent Builder 回答文档和文本文件中的查询。

了解如何将预构建的 Material 组件扩展到适用于任何 Web 框架的组件中。

在此 Codelab 中，您将使用机器学习套件构建一个 Android 应用，该应用使用设备端机器学习技术来识别图片中的文本和面部特征。

在此 Codelab 中，您将使用机器学习套件构建一个 Android 应用，该应用使用设备端机器学习技术来识别和识别语言并在 59 种语言之间翻译文本。此外，您还将学习如何集成 CameraX 库，通过实时摄像头画面完成这些任务。

在本实验中，您将使用 Vertex AI 中的 共同托管模型功能 在同一虚拟机上托管多个模型，以进行在线预测。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在本实验中，您将学习如何在 Vertex AI 上使用自定义预测例程编写自定义预处理和后处理逻辑。虽然此示例使用的是 Scikit-learn，但自定义预测例程也可以与 XGBoost、PyTorch 和 TensorFlow 等其他 Python 机器学习框架搭配使用。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud

use-cmek-to-encrypt-cloud-functions

Skaffold 是一个工具，可处理构建、推送和部署应用的工作流。您可以使用 Skaffold 轻松配置本地开发工作区、简化内部开发循环，并与 Kustomize 和 Helm 等其他工具集成，以帮助管理 Kubernetes 清单。 在本教程中，您将深入了解 Skaffold 的一些核心概念，使用它来自动执行内部开发循环，然后部署应用。 您将学习以下内容： 允许使用第三方 Cookie。依次点击“网站无法正常运行”和“允许 Cookie”。 请注意 YAML 中类似 Kubernetes 的

此 Codelab 重点介绍如何创建用于监控实时路况视频流的端到端 Vertex AI Vision 应用。我们将使用预训练的专业模型占用分析。您还将学习如何创建要注入应用的视频流、如何构建和部署应用、如何使用 BigQuery 分析模型的 JSON 输出并在 Looker Studio 中直观呈现结果。

此 Codelab 将重点介绍如何创建一个端到端 Vertex AI Vision 应用，用于监控零售店中的队列检测场景。我们将使用预训练的专业模型占用分析。您还将学习如何创建要注入应用的视频流、如何构建和部署应用、如何使用 BigQuery 分析模型的 JSON 输出并在 Looker Studio 中直观呈现结果。

在本实验中，您将使用 Vertex AI ，用表格式数据训练和部署一个模型。这是 Google Cloud 中提供的最新 AI 产品，目前处于预览版阶段。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 22 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将使用 Vertex AI 在自定义容器中使用代码训练和部署 TensorFlow 模型。 虽然我们在此处使用 TensorFlow 构建模型代码，但您可以轻松将其替换为其他框架。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML

在本实验中，您将使用 Vertex AI 构建一个在 TensorFlow 中训练自定义 Keras 模型的流水线。然后，我们将使用 Vertex AI Experiments 中提供的新功能来跟踪和比较模型运行，以确定哪种超参数组合可获得较佳性能。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud

了解如何使用能够基本过滤垃圾评论的机器学习模型来更新应用。

此 Codelab 将重点介绍如何创建一个端到端 Vertex AI Vision 应用，以演示如何使用动作过滤功能发送视频。在本教程中，您将学习如何通过动态滤镜配置将视频串流注入应用。

此 Codelab 将重点介绍如何创建一个端到端 Vertex AI Vision 应用，以演示如何使用事件管理功能发送事件。我们将使用预训练的专业模型占用分析。您还将学习如何创建要提取到应用中的视频流，以及如何构建和部署应用。

在本实验中，您将学习如何通过 YAML 在 Google Cloud 上使用 Pulumi

在本实验中，您将使用 Vertex AI 为 TensorFlow 模型运行一项多工作器训练作业。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 5 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在本实验中，您将学习如何基于金融数据集训练 XGBoost 模型，将其部署到 Vertex AI，并使用 What-If 工具对其进行分析

在本实验中，您将学习如何使用 Vertex AI Workbench 进行数据探索和机器学习模型训练。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 1 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

如何开始使用事件驱动型 Cloud Run 函数

了解如何将 Ollama 用作辅助信息文件、Cloud Run GPU 和 Open WebUI 作为前端入站流量容器

了解如何使用分析工具排查 Matter 集成问题，并详细了解开发者支持资源。

了解如何在 Cloud Run 上构建和部署 LangChain 应用

了解 Dialogflow 中的 fulfillment 概念。

了解如何将 Vision API 与 Dialogflow 集成。

在此 Codelab 中，您将学习如何使用 GA4F iOS SDK 实现自定义事件，以及如何通过 Google Ads 投放行动号召广告系列。

在本实验中，您将学习如何将卷积层组装到能够识别花朵的神经网络模型中。这一次，您将从头开始自行构建模型，并利用 TPU 的强大功能在几秒钟内完成模型训练，并对其进行迭代设计。本实验包含关于卷积神经网络的必要理论解释，非常适合开发者学习深度学习知识。

您将了解如何以程序化方式监听嵌入式 Looker 内容中的事件以及向嵌入式 Looker 内容发送操作。

了解 Material Components for Android 如何助力您轻松地使用 Kotlin 语言通过设计来传达自己的品牌并使您的产品脱颖而出。

了解如何在 Java 中为 Android 结构和布局使用 Material。

在此 Codelab 中，您将学习如何在 Unity 环境中通过 GA4F iOS 实现自定义事件，以及如何通过 Google Ads 投放行动号召广告系列。

了解如何在 Kotlin 中使用 Material 来实现 Android 结构和布局。

您将学习如何使用 Looker Embed SDK 嵌入 Looker 信息中心

此 Codelab 将指导您使用 gcloud CLI 在 Jenkins 等现有 CI/CD 系统中以编程方式运行大型测试套件。此 Codelab 独立于平台。

在此 Codelab 中，您会将开源 Magento 电子商务平台与 Cloud Spanner 集成。

了解如何将各个 Material 组件整合到现有 Web 代码库中，而无需重新开始。

在此 Codelab 中，您将了解如何配置和验证从本地主机对 Google API 的 IPv6 访问

在本教程中，您将了解如何通过混合网络配置和验证 Looker Cloud Core 专用 IP。

在本实验中，您将学习如何从头开始构建、训练和调整您自己的卷积神经网络。现在，利用 TPU，这一过程在几分钟内即可完成。您还将探索多种方法，从非常简单的迁移学习到 Squeezenet 等现代卷积架构。本实验包含关于神经网络的必要理论解释，是开发者学习深度学习的一个很好的切入点。本实验使用 TensorFlow 2。

TPU 的速度非常快。训练数据流必须与其训练速度保持同步。在本实验中，您将学习如何使用 tf.data.Dataset API 从 GCS 加载数据，以便为 TPU 馈送数据。

在此 Codelab 中，您将学习如何为本地开发设置 Looker 信息中心摘要扩展程序，以及如何将扩展程序部署到生产环境中。

了解如何使用 Firebase Emulator Suite 开发 Web 应用。

在此 Codelab 中，您将学习如何使用 Private Service Connect 来链式 L7 负载平衡器。

了解如何使用 Material Design 在网页上构建适当的结构和布局。

在此 Codelab 中，您将创建两个 VPC，并使用不同类型的 IP 地址访问简单的 Apache 网站。

在本实验中，您将学习如何构建 Keras 分类器。我们并不尝试找出神经网络层的完美组合来识别花卉，而是首先使用一种名为迁移学习的技术使强大的预训练模型适应我们的数据集。本实验包含有关神经网络的必要理论解释，是开发者学习深度学习的一个很好的切入点。

在本实验中，您将了解现代卷积架构，并利用所学知识实现一个简单而有效的卷积神经网络，名为“squeezenet”。本实验包含关于卷积神经网络的必要理论解释，非常适合开发者学习深度学习知识。

在此 Codelab 中，您将亲身体验一种架构模式，该模式通常用于在处理实时数据时实现扩缩能力和弹性。您将构建一个测量天气数据的 IoT 设备 (Raspberry Pi)，然后使用 Google 的 Cloud Platform 创建一条数据流水线，其中包括消息队列、无服务器函数、云端数据仓库和分析信息中心。

此 Codelab 介绍了如何在 Cloud Composer 中创建和运行 Apache Airflow 工作流，该工作流会完成以下任务：

使用 Material Components for Android 库和 Kotlin 中的转场功能，将 Material 的运动系统构建到 Reply 应用中。

在此 Codelab 中，您将借助 lit-element 构建一个 Brick Viewer Web 组件。

了解如何使用安全规则保护您的 Firestore 数据

在本实验中，您将学习如何使用 Vertex AI Workbench 配置和启动笔记本执行作业。 您将了解如何： 在 Google Cloud 上运行此实验的总费用约为 2 美元 。 本实验使用的是 Google Cloud 上提供的最新 AI 产品。 Vertex AI 将整个 Google Cloud 的机器学习产品集成到无缝的开发体验中。以前，使用 AutoML 训练的模型和自定义模型是通过不同的服务访问的。现在，该新产品与其他新产品一起将这两种模型合并到一个 API

在此 Codelab 中，您将构建一个网页，与 BBC micro:bit 板进行交互，以便在其 5x5 LED 显示屏上显示图像。您将了解 Web Serial API，以及如何使用可读、可写和转换流通过浏览器与串行设备进行通信。

您将使用 Cloud Dataflow，使用 Cloud Dataflow SDK 创建 Maven 项目，并使用 Google Cloud Platform Console 运行分布式工作计数流水线。

在此 Codelab 中，您将学习如何创建数据库、为数据库部署 GenAI Retrieval Service，以及使用该服务创建示例聊天应用。

在此 Codelab 中，你将学习“设备权限”的运作方式，并构建一个处理身份验证及针对 Nest Thermostat 调用 Smart Device Management API 的 Web 应用。

与 FCM 旧版 API 相比，FCM HTTP v1 API 使用短期访问令牌提供更安全的授权模型。为 FCM v1 API 生成访问令牌的步骤与旧版 API 的步骤截然不同。 此 Codelab 将引导您完成客户端和服务器端的设置过程，以便使用 FCM HTTP v1 API 向 Android 应用发送推送通知。其中重点介绍了针对 v1 API 生成凭据的关键步骤。 如需了解详情，请访问： 最新的稳定版 Android Studio 下列任一设备： 您选择的 Java 开发环境或代码编辑器

Google 助理是一款虚拟智能个人助理，借助 Google 助理开发者平台，您可以打造软件，从而为超过 10 亿台设备（包括智能音箱、手机、汽车、电视、头戴式耳机等）扩展 Google 助理的功能。用户在对话中与 Google 助理互动以处理各种事务，例如购买日用品或约车。作为开发者，您可以使用 Google 助理开发者平台在用户和您自己的第三方执行方式服务之间轻松打造和管理令人愉悦且高效的对话体验。 此 Codelab 介绍了使用 Google 助理、Cloud Functions 和

借助 App Distribution Android SDK，将您的最新版本快速交付给测试人员。在此 Codelab 中，您将更新应用，以便在有新版本可用时向测试人员显示应用内通知。

在此 Codelab 中，您将学习如何编写自动化脚本。

自定义 Matter 的 Google Home 示例应用，以委托和管理设备。

在此 Codelab 中，您将学习如何在 100 行 Python / Keras 代码中让计算机以 99% 的准确率识别手写数字，

在本教程中，您将学习如何在 Python 中使用 Video Intelligence API。

开始使用 Cloud Functions，这是 Google 用于构建和连接云服务的无服务器执行环境。本实操实验将向您介绍如何使用 Google Cloud 控制台创建、部署和测试 Cloud Functions 函数

在此 Codelab 中，您将学习如何通过 C# 使用 Google Cloud Vision API。

在此 Codelab 中，您将学习如何使用 DLP API 自动对上传到 Cloud Storage 的数据进行分类。基于对上传到 Cloud Storage 的数据进行自动分类

在此 Codelab 中，您将学习如何将 ASP.NET Core 代码转换为在 Google Kubernetes Engine 上的 Kubernetes 上运行的复制应用。

了解如何在没有 Docker 或 Dockerfile 的情况下快速为 Spring Boot Kotlin 应用构建和发布经过优化的 Docker 映像，然后在 Cloud Run 上运行构建的映像。

在此 Codelab 中，您将学习如何使用 Istio 将 ASP.NET Core 应用部署到 Google Kubernetes Engine。

在此 Codelab 中，您将学习如何构建通过 gRPC 公开 API 的基于 Java 的服务。然后，您将为 gRPC 服务编写 Java 命令行客户端。

在此 Codelab 中，您将学习如何在 Kubeflow 流水线上构建和部署具有超参数调节的复杂数据科学流水线，而无需使用任何 CLI 命令或 SDK。

在此 Codelab 中，您将设置 Cloud KMS Autokey，并在创建资源时自动按需加密资源。

在此 Codelab 中，您将继续构建从第 1 部分开始的 ASP.NET Core 应用，并向其添加更多 Istio 功能。

在此 Codelab 中，您将学习如何将 Python 2 App Engine Cloud NDB 和 Cloud Tasks (v1) 应用迁移到 Python 3、Cloud Datastore 和 Cloud Tasks (v2)

在此 Codelab 中，您将使用 GKE 设置 Cloud AI Platforms 流水线安装（托管 KFP），使用 Kubeflow 流水线构建和运行机器学习工作流，并在 AI Platform Notebook (Jupyter) 中定义和运行流水线。

在此 Codelab 中，您将学习如何将 Micronaut 微服务转换为在 Google Kubernetes Engine 上运行的复制服务。

在此 Codelab 中，您将学习如何构建 C# 服务以通过 gRPC 公开 API，以及如何构建 C# 客户端来调用 gRPC 服务。

在此 Codelab 中，您将学习如何在不使用任何 CLI 命令或 SDK 的情况下，使用 Kubeflow 流水线构建和部署复杂的数据科学流水线。

在此 Codelab 中，您将学习如何在 Google Cloud Platform 上部署代管式 Active Directory

在此 Codelab 中，您将使用 Text-to-Speech API 和 Node.js，将音频文件转录为

在此 Codelab 中，您将创建一个具有后端服务的 TCP/SSL 代理负载平衡器，并使用 Cloud Armor 限制只有一组特定用户客户端可以访问该负载平衡器

在此 Codelab 中，您将了解 Cloud Armor 的预配置的 WAF 规则，通过规则集的简单名称，您可以防范 10 个最主要的 OWASP 漏洞。

在此 Codelab 中，您将了解 Private Service Connect for Google API。更具体地说，您将为 Storage API 创建服务端点、创建 Cloud Storage 存储分区，以及执行验证。

了解如何使用 Compute Engine 在 Google Cloud 中托管和扩缩 Web 应用。

在此 Codelab 中，您将学习如何通过 C# 使用 Video Intelligence API

在此 Codelab 中，您首先要探索 Node.js 应用，了解如何截取网页屏幕截图并将其存储到 Cloud Storage 中。然后，您将为该应用构建容器映像，以作业的形式在 Cloud Run 上运行应用，更新作业以处理更多网页，然后使用 Cloud Scheduler 按计划运行该作业。

在此 Codelab 中，您将获得构建具有自适应设计的应用的经验，该应用可在 Flutter 支持的所有六个平台上使用 Material 3 呈现流畅的动画效果。

构建和部署智能家居 Action，以便将虚拟智能洗衣机集成到 Google 助理。

了解如何基于您的组织及利益相关方定义透明度，并构建架构来记录会影响数据集结构的人为决策及无形的可解释因素。

通过数据绑定库，您可使用声明性格式而不是以编程方式将布局中的界面组件绑定到应用中的数据源。您将学习如何对该库进行全面设置、使用布局表达式、使用可观察对象，以及创建自定义绑定适配器以最大限度地减少样板文件。

了解 Google 助理相关开发的基础知识。

在本 Codelab 中，您需要将 Dagger 用作依赖项注入库的 Android 应用迁移到 Hilt 之中。

学习如何通过自定义设备特征来优化智能家居 Action 并增强其安全性，以及如何使用双重身份验证来确保其安全。

了解如何在 Adobe Aero 中使用 Geospatial Creator 工具。

了解 Google 助理相关开发的基础知识。

在本 Codelab 中，您将使用图像分类器，并使用 TensorFlow Lite 在 Android 手机上运行它。

Flutter 是 Google 的界面工具包，可用于通过单一代码库为移动设备、网络和桌面设备制作本机编译的精美应用程序。在此 Codelab 中，您将学习如何构建移动端的 Flutter 应用，此应用可使用能生成随机词对的软件包延迟加载无限列表。

在本 Codelab 中，您将学习 Compose 的基础知识。

In this codelab, you’ll learn how to convert your Java code to Kotlin

Flutter 是 Google 的界面工具包，可用于通过单一代码库为移动设备、网络和桌面设备制作本机编译的精美应用程序。在本 Codelab 中，您将扩展简单的移动应用，以添加交互性和导航，并更改其主题颜色。

在本 Codelab 中，您将了解 依赖项注入 (DI) 对于创建可靠且可扩展应用（扩展到大型项目）的重要性。我们将使用 Hilt 作为 DI 工具来管理依赖项。 依赖项注入是一种广泛用于编程的技术，非常适合 Android 开发。您需要遵循 DI 的原则，为打造优秀的应用架构奠定坚实的基础。 实施依赖项注入可带来以下优势： Hilt 是专为 Android 设计的依赖项注入库，可减少在项目中使用手动 DI 的样板。进行 手动依赖项注入 需要手工构造每个类及其依赖项，并使用容器重用和管理依赖项。

在此 Codelab 中，您将设置现有应用，以使其应用控件与手势导航功能一起发挥作用。您还将提供全屏体验。

在本 Codelab 中，您将学习 Android 无障碍功能的基础知识。您将通过练习来学习如何使用 Android 平台构建更易于使用的应用，以满足更广泛人群的各种无障碍需求。

了解如何为数据卡片读者撰写内容、通过优化提供清晰简洁的文档，以及如何利用不同的分析方法帮助读者更直观地认识您的数据集。

了解如何将用 Java 编写的简单示例转换为 Dart 代码，后者简洁、常用且易于学习。

学习如何利用 Local Home SDK 启用本地执行方式，从而增强智能家居与 Google 助理间的集成。

改进您的设计，学习使用 Flutter 的高级组件背景菜单。

了解 Material Components for Flutter 如何让您的产品与众不同并通过设计表达您的品牌。

了解如何系统地评估已经完成的数据卡片、衡量并跟踪透明度工作，以及如何利用框架来审核数据卡片，查看其中是否存在假设和盲点。

在本 Codelab 中，您将修改一个示例应用，以加入 Jetpack Preferences DataStore – 一个经过改进的新型数据存储解决方案，用于替代 SharedPreferences。

了解如何利用启发词语和维度发现当前文档架构中欠缺的信息，并评估受众群体阅读和理解数据集文档的难易程度。

了解如何在 ARCore 中将 Scene Semantics API 和 Geospatial Depth API 与 Kotlin 结合使用。

利用核心组件构建一个简单的应用，学习使用 Material Components for Flutter 的基础知识。

在此 Codelab 中，您将构建一个独立于 Angular 框架运行、可以导入到任何框架中并且非常易于集成的图像滑块。

了解如何使用适用于 Unity 的 ARCore Geospatial Creator。

了解如何在配置了 Kotlin 的 ARCore 中使用 Streetscape Geometry API 和 Rooftop Anchors API。

本 Codelab 介绍了如何使用 CameraX 创建相机应用，以显示取景器、拍照并分析相机的图像流。

了解如何在 Web 应用中通过表单自动填充功能实现通行密钥，从而构建更简单、更安全的登录方式。

学习如何将 Material 用于 Flutter 上的结构和布局。

了解如何利用 Google 的生成式 AI 功能，分析 YouTube 上的网红对于任何公司或产品的观点。

在此 Codelab 中，您将修改现有 iOS 视频应用，以在支持 Google Cast 的设备上投射内容。

了解如何使用 Cloud Run 作业创建 AlloyDB 数据库

在此 Codelab 中，我们将演示如何直接在 BigQuery 工作负载中集成 LLM 模型、Gemini 1.0 Pro（仅文本）和 Gemini 1.0 Pro Vision（多模态），以提供低代码生成式数据洞见生成体验。

在本实验中，您将创建 Cymbal Eats 菜单服务，公开用于添加、更新、删除和列出菜单项的 RESTful API。您将创建一个 Cloud SQL 数据库，作为菜单服务的后端数据库，该菜单服务将在 Cloud Run 中运行。由于 Cloud Run 与 Cloud SQL 数据库不位于同一 VPC，因此您需要配置无服务器 VPC 访问通道连接器，以允许 Cloud Run 通过专用 IP 地址与 Cloud SQL 通信。 在本实验中，您将学习如何完成以下操作：

此 Codelab 会通过命令行界面向用户介绍 DLP API。用户将下载项目代码，并查看示例目录中的一些工具及其底层函数。

在此 Codelab 中，您将使用 gcloud 创建 Cloud DNS ManagedZone 和相关的 ResourceRecordSet 来管理您的网域和子网域。分辨率。

在此 Codelab 中，您将学习如何使用 Dataproc 启动托管式 Spark/Hadoop 集群、提交示例 Spark 作业，以及使用命令行关停集群。

在此 Codelab 中，您将启动虚拟机、安装软件，并通过网络负载平衡器将虚拟机提供给互联网，从而熟悉 Google Compute Engine。

在此 Codelab 中，您将学习如何将 BigQuery 与 Python 搭配使用

在此 Codelab 中，您将创建负载平衡器和关联的后端服务。然后，您将创建一条 Cloud Armor 聊天机器人管理规则，并了解它如何保护您的后端。

在此 Codelab 中，您将了解如何使用 Workflows 的并行迭代功能针对维基百科数据集并行运行 BigQuery 作业。

在此 Codelab 中，您将首先学习如何为 HTTP 目标任务创建和使用常规 Cloud Tasks 队列。然后，您将学习如何使用队列级 HTTP URI 替换和新的 BufferTask API 来通过 Cloud Tasks 更轻松地缓冲 HTTP 请求。

在此 Codelab 中，您将创建负载平衡器和关联的后端服务。然后，您将创建一项 Cloud Armor 速率限制政策，并了解该政策如何保护您的后端。

在此 Codelab 中，您将增强由 Dialogflow 和 Google 日历提供支持的预约安排程序 Chat 应用，使其能够在 Google Chat 上运行。您将构建和部署自定义 Google Chat 消息。

在此 Codelab 中，您将体验几个全新或仅在标志后可用的 Web API。

了解如何构建前端 Django 客户端，为 Dialogflow 应用创建对话体验。

在此 Codelab 中，您将了解 Google Cloud Armor 的已命名 IP 地址列表。具体而言，您将在安全政策中配置已命名的 IP 地址列表，并验证连接。

在此 Codelab 中，您将学习如何通过 Google Cloud Shell 构建和启动 ASP.NET Core 应用，而无需离开浏览器。

在此 Codelab 中，您将通过 Java HBase 客户端了解 Cloud Bigtable。您将加载数据，然后运行一些查询并在地图上绘制数据。

在此 Codelab 中，您将学习如何将简单的 ASP.NET Core 应用部署到 Google App Engine

了解为简化在容器化环境中开发 Java 应用的软件工程师的开发工作流而设计的特性和功能。

将无服务器数据库与在 Cloud Run 中运行的应用集成，将服务配置为使用 Cloud Spanner 关系型数据库和 Cloud Firestore

了解为简化在容器化环境中开发 Java 应用的软件工程师的开发工作流而设计的特性和功能。

在此 Codelab 中，您将学习如何使用 VPC Service Controls 保护 BigQuery API。此 Codelab 一开始便没有受服务边界保护的 API 服务，该服务允许对公共数据集运行查询，并将结果保存在项目表中。该查询在一个项目中运行，表（保存结果的位置）在另一个项目中创建，这模拟了一种设置，在这种设置下，数据可以存储在一个项目中，但需要使用其他项目进行访问。

了解如何使用 Architect Registry 管理依赖项。

在本实验中，您将了解 GCP 上的完整机器学习工作流：从 BigQuery 提取数据、在 Cloud AI Platform Notebooks 实例中构建 XGBoost 模型，以及将模型部署到 AI Platform。

了解如何将 GKE Autopilot 上运行的应用连接到 AlloyDB 数据库的专用实例

在此 Codelab 中，您将学习如何使用 Node.js 和 Cloud Run 构建 Google Workspace 插件。

在本实验中，我们将创建一个 VPC Service Controls 边界，并用其保护项目。然后，我们会引发 VPC Service Controls 入站流量违规，并逐步介绍排查拒绝事件的过程。完成本实验后，您将对如何使用 VPC Service Controls 保护您的资源有了更深入的了解。

在此 Codelab 中，您将构建一个网页，与 BBC micro:bit 板进行交互，以便在其 5x5 LED 显示屏上显示图像。您将了解 Web Serial API，以及如何使用可读、可写和转换流通过浏览器与串行设备进行通信。

在此 Codelab 中，您将学习如何在 Vertex AI 上使用自定义预测例程编写自定义预处理和后处理逻辑

在本实验中，我们将创建一个 VPC Service Controls 边界，并使用它来保护项目。然后，我们将引发 VPC Service Controls 出站流量违规，并通过创建出站规则来演示对拒绝进行问题排查的过程。完成本实验后，您将对如何使用 VPC Service Controls 保护您的资源有了更深入的了解。

在本实验中，您将学习如何基于金融数据集训练 XGBoost 模型，将其部署到 Cloud AI Platform，并使用 What-If 工具对其进行分析

此 Codelab 介绍了如何使用 Google Cloud 控制台为项目的主账号授予 Identity and Access Management (IAM) 角色。

在本教程中，您将了解如何配置一个安全且由用户管理的笔记本

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答客户问题、引导产品发现以及针对电子商务数据集定制搜索结果

在此 Codelab 中，您将安装 ABAP 平台试用 202

在此 Codelab 中，您将构建一个知识驱动型聊天应用，该应用旨在回答与专利搜索相关的问题，并以专利数据集真实信息作为来源，提供与上下文相关的结果。

在此 Codelab 中，您将使用托管在 Compute Engine 虚拟机上的 SAP 令牌配置 ABAP SDK 身份验证，并执行 AddressValidation API

Thread 1.2 引入了跨 Thread 网络的多播，这支持在 Thread 网络和基础架构 (Wi-Fi/以太网)网络段之间进行多播通信。此 Codelab 将指导您完成设置和体验 Thread 1.2 多播功能的过程。

在此 Codelab 中，您将使用 OTBR 作为标准线程边界路由器，发现并连接到连接到同一 Wi-Fi 网络的手机中的 Thread 终端设备。

在此 Codelab 中，您将使用 OTNS CLI 和 Web 可视化功能在模拟的 Thread 网络中添加/移动/删除节点，并观察网络如何适应拓扑变化。

在此 Codelab 中，您将在真实硬件上对 OpenThread 进行编程，创建和管理 Thread 网络，以及在节点之间传递消息。

在此 Codelab 中，您将在真实硬件上编程 OpenThread、创建和管理 Thread 网络，以及在节点之间传递消息。

在此 Codelab 中，您将使用网页界面以可视化方式运行 OpenThread 功能测试。

在此 Codelab 中，您将构建一个支持 NAT64 的 OpenThread 边界路由器，并使用网络中的终端设备从互联网访问仅 IPv4 的资源。

在此 Codelab 中，您将使用 Docker 中的 OpenThread 模拟虚拟设备上的线程网络。

在此 Codelab 中，您将在真实硬件上对 OpenThread 进行编程，创建和管理 Thread 网络，以及在节点之间传递消息。

我们将使用 Spring Boot 和 Java 创建计算机视觉应用，使您能够在项目中释放图像识别和分析的潜力。

在此 Codelab 中，您将构建一个简单的 Web 应用，在私有开发者环境中运行该应用，然后使用 Docker 在容器中运行该应用，最后在云端部署同一应用。

在此 Codelab 中，您将以无服务器方式部署和运行无状态容器（而无需操心基础架构），从而学习如何开始使用 Cloud Run。Cloud Run 提供全代管式选项，还能够在 GKE 集群上运行。

了解如何开始使用 Cloud Run 函数

Docker 是一个用于开发、交付和运行应用的开放式平台。利用 Docker，您可以将应用与基础设施分开管理，并将基础设施作为托管式应用来处理。Docker 可帮助您加快代码的交付、测试和部署速度，并缩短从代码编写到运行的整个周期。 为了做到这一点，Docker 将内核容器化功能与用于管理和部署应用的工作流及工具相结合。 Docker 容器可以直接在 Kubernetes 中使用，方便您在 Kubernetes Engine 中运行它们。在学完有关 Docker 的基础知识后，您将能够开始开发

Binary Authorization 是一种部署时安全控制措施，可确保在 Google Kubernetes Engine (GKE) 或 Cloud Run 上仅部署可信的容器映像。借助 Binary Authorization，您可以要求在开发过程中由可信授权方对映像进行签名，然后在部署时强制执行签名验证。通过强制执行验证，您可以确保仅将经过验证的映像集成到构建和发布流程中，从而对容器环境实施更严格的控制。 下图显示了 Binary Authorization/Cloud Build

了解如何配置 Eventarc 以触发与 Cloud Run 和 Pub/Sub 集成的工作流，从而执行客户奖励业务流程。

在此 Codelab 中，您将为您的 iOS 或 Android Flutter 应用创建一个主屏幕 widget。您将从一个基本的 Flutter 新闻应用开始。然后，您将使用原生框架为 widget 本身创建界面。最后，您将学习如何共享资源并在 widget 和主应用之间建立通信。

在此 Codelab 中，您将全面了解 Dataproc Serverless，包括如何开始使用以及如何访问其丰富的功能集。

在此 Codelab 中，您将学习如何使用 Vertex AI 生成图片并将这些图片发送到 Google Ads

在此 Codelab 中，您将了解如何在 Google Compute Engine (GCE) 上使用 Dataproc。

在此 Codelab 中，我们将使用 Gemini 创建一个 Chrome 扩展程序。我们将添加迭代功能，以帮助我们向 Google Meet 页面添加功能。

在此 Codelab 中，您会将 Spark ML 作业提交到 Google 的 Dataproc 服务。

使用 Android-FHIR SDK、OHS 和 Google Cloud Healthcare API 构建安全、可扩缩、合规且以数据为依据的医疗保健移动应用

演示 Java 应用中的 Gemini 函数调用功能，具体方法是调用 Gemini 模型来编排函数调用的输入，调用 API，然后在另一个 Gemini 调用中处理响应并将其部署到 REST 端点。

了解如何配置 Eventarc 以触发与 GKE Autopilot 和 Pub/Sub 集成的工作流，以执行客户奖励业务流程。

在此 Codelab 中，您将了解新的外部 HTTPS 负载平衡器中提供的高级流量功能。

在此 Codelab 中，您将通过将事件转发到原生代码，运行如何在 WebView 中使用 GA4F 跟踪网页上的事件。

在此 Codelab 中，您将构建一个 Cloud Run 应用，该应用可使用 Gemini 1.0 Pro Vision、Gemini 1.5 Pro 等产品中的生成式 AI 模型，在几分钟内将绘图转换为网站代码。

开箱即用，Dialogflow 内置了许多针对 Web、Google 助理、社交媒体和电话网关的集成。但是，如果您希望将聊天机器人引入移动设备，则必须创建自定义集成。本实验将介绍如何将 Dialogflow Essentials 集成到 Flutter 应用中。

了解如何创建使用 localhost 端口和卷装载与 Sidecar 通信的 Cloud Run 服务。

在这个适合初学者的 Codelab 中，您将熟悉生成器功能。生成器使用 Google 最新的生成式大语言模型 (LLM) 来生成代理响应。在此 Codelab 的上下文中，您将使用生成器从数据存储区提取信息，从而做出明智的决策。

我们来创建您与 Google 助理之间的对话，以帮助您检索电视节目表信息。

我们来发起一个你与 Google 助理之间的对话，帮助你检索 Women in Voice 聚会群组的活动和文献信息。

本页介绍了如何使用 Dataflow SQL 和创建 Dataflow SQL 作业。

在这个适合初学者的 Codelab 中，您将熟悉生成式回退功能，该功能使用 Google 最新的生成式大语言模型 (LLM) 来生成虚拟客服响应。

了解如何为 Google Chat 构建具有动态卡片响应的自定义 Dialogflow 聊天机器人。

在此 Codelab 中，您将使用分阶段迁移方法将应用从 Apache Kafka 迁移到 Google Cloud Pubsub。

在此 Codelab 中，我将专注于创建一个将 Document AI API 与 Node.js 搭配使用的教程

在此 Codelab 中，您将学习如何构建面向 Android 用户的无障碍服务。

在本实验中，您将了解如何使用 Vertex AI 解决时间序列问题，涵盖 Notebooks、训练、预测和 BigQuery ML。

了解如何构建自适应网络表单，该表单会针对每个用户显示一个符合其特定时间偏好的定制界面。

在此 Codelab 中，您将了解从头开始构建网络组件，然后逐步将其增强为 Lit 元素。

使用 Gemini Code Assist 为您的代码编写测试

在本教程中，您将了解如何使用 HEY 和预测云监控指标执行基准测试。

此 Codelab 介绍了如何使用 Google Cloud Functions 在 Google Cloud Composer 中触发 Apache Airflow 工作流 (DAG)。此处的 DAG 使用 BashOperator 执行简单的 bash 命令

在本实验中，您将学习如何使用超参数调节在云端训练模型。我们将向您展示如何使用 PyTorch 执行此操作，但您可以在任何想要的框架中执行此操作。

在此 Codelab 中，您将学习如何通过 C# 使用 Translation API

在此 Codelab 中，您将学习如何通过 C# 使用 Text-to-Speech API

Cloud SQL Node.js 连接器 是将 Node.js 应用安全地连接到 Cloud SQL 数据库的最简单方法。 Cloud Run 是一个全代管式无服务器平台，供您运行可通过 HTTP 请求调用的无状态容器。此 Codelab 将演示如何使用 IAM 身份验证通过服务账号将 Cloud Run 上的 Node.js 应用安全地连接到 Cloud SQL for PostgreSQL 数据库。 在本实验中，您将学习如何完成以下操作： 点击搜索栏右侧的图标，激活 Cloud

在本教程中，您将学习如何将 Text-to-Speech API 与 Python 搭配使用。

在此 Codelab 中，您将学习如何使用 Workflows 来编排和自动执行 Google Cloud 服务和基于 HTTP 的 API 服务。

在本教程中，您将学习如何将 Vision API 与 Python 搭配使用。

在此 Codelab 中，您将学习如何安装和使用适用于 Windows PowerShell 的 Cloud 工具。

了解为简化使用 Cloud Workstations 在容器化环境中开发 Nodejs 应用的软件工程师的开发工作流而设计的特性和功能。

使用 BigQuery SQL 查询和 Vertex AI PaLM API 构建电影成功评分预测和处方应用。

了解为简化使用 Cloud Workstations 在容器化环境中开发 Python 应用的软件工程师的开发工作流而设计的特性和功能。

了解为使用 Cloud Workstations 在容器化环境中简化 Java 软件工程师开发工作流而设计的特性和功能。

在此 Codelab 中，您将学习如何使用 GenAI API 根据给定关键字生成图片。此过程分为两步，首先调用 text-bison API 以生成图片生成提示，然后调用 Imagen API 以根据生成的提示生成图片。整个工作流都是在使用 Gradio 应用的前端上启动的。

此 Codelab 将引导您使用 SchedMD 提供的 Slurm-GCP 解决方案在 Google Cloud Platform 上运行 Gromacs

在此 Codelab 中，您将学习如何使自定义颜色与动态主题协调一致。

以 BigQuery 公共数据集形式提供的 GitHub 代码库源代码摘要，使用 Vertex AI 大语言模型 (text-bison) 作为 BigQuery 中的托管式远程函数来生成文本。

借助新兴的 Web Bluetooth API，只需使用 JavaScript 即可创建一个 Web 应用，该应用可以控制 LED 无火蜡烛。

在此 Codelab 中，您将构建一个微服务，该微服务将在竞技场中通过将 jamón 相互“抛射”其他微服务来与其他微服务竞争。

了解为简化在容器化环境中开发 Java 应用的软件工程师的开发工作流而设计的特性和功能。

使用 Python Flask 框架和 Vertex AI PaLM API 模型开发聊天应用。