Codelab ב-Looker Dashboard לסיכום לוח הבקרה

1. לפני שמתחילים

בסדנת הקוד הזו (1) תגדירו את התוסף של Looker Dashboard Summarization באופן מקומי כדי לנסות אותו ולפתח אותו באופן מקומי. לאחר מכן (2) תפרסו את התוסף בסביבת הייצור כדי שגם משתמשי Looker אחרים במכונה שלכם יוכלו להשתמש בו. לבסוף, (3) אפשר לבצע שלבים נוספים כדי לשפר את הפונקציונליות של התוסף. יש למלא את כל הקטעים שאינם אופציונליים בסדר כרונולוגי.

סקירה כללית על התוסף של Looker Dashboard Summarization

מבחינה פונקציונלית, התוסף לסיכום לוח הבקרה של Looker שולח את הנתונים של מרכז הבקרה מ-Looker למודל Gemini של Vertex AI. לאחר מכן, מודל Gemini מחזיר סיכום של נתוני מרכז הבקרה ומרשם לשלבים הבאים. התוסף מציג את הסיכום ואת השלבים הבאים כמשבצת בלוח הבקרה, ומשתלב בחוויית השימוש בלוח הבקרה. בנוסף, התוסף יכול לייצא את הסיכום ואת השלבים הבאים ל-Slack או ל-Google Chat. התוסף משתמש באפליקציית חזית של React בשילוב עם שירות לקצה עורפי מסוג websocket כדי לשלוח ולקבל נתונים אל מודל Gemini של Vertex AI וממנו.

דרישות מוקדמות

• היכרות בסיסית עם פיתוח ב-Node,‏ Docker ו-Terraform
• היכרות עם הגדרת פרויקט LookML ב-Looker

מה תלמדו

• איך להגדיר ולפתח את התוסף באופן מקומי
• איך לפרוס את התוסף בסביבת הייצור כדי שמשתמשי Looker אחרים במכונה שלכם יוכלו להשתמש בו
• איך לשפר את הביצועים של התוסף ולהרחיב את הפונקציונליות שלו.
• איך מנהלים את התוסף שנפרס בסביבת הייצור

מה צריך להכין

• מכונה של Looker, באמצעות רישיון מקורי של Looker, תקופת ניסיון פעילה של Looker Core או רישיון פעיל של Looker Core.
• הרשאות develop ו-deploy במכונה של Looker.
• הרשאות לעריכת מרכז בקרה שרוצים לנסות עם התוסף.
• מפתח API של Looker ממכונה ב-Looker.
• פרויקט ב-Google Cloud שמופעל בו חיוב.
• Cloud Run API,‏ Vertex AI API ו-Artifact Registry API מופעלים בפרויקט.
• גישה לסביבה מקומית שבה מותקן ה-CLI של gcloud. השלבים בקודלהב מבוססים על סביבת Linux.

2. הגדרת הקצה העורפי לפיתוח מקומי

בקטע הזה תגדירו את השירות לקצה העורפי Websocket שתוכלו לנסות ולפתח באופן מקומי. לשירות תהיה גישה ל-Vertex AI.

1. מתקינים את Node בגרסה 18 ואילך בסביבה המקומית. יש לבצע את ההוראות האלה כדי להתקין את הצומת.
2. משכפלים את המאגר של התוסף לספריית הבית המקומית, ונכנסים לתיקיית השורש של המאגר. לצורך ה-Codelab הזה, כל דוגמאות הקוד יתבססו על המאגר המשוכפל נמצא בספריית הבית המקומית שלך.

cd ~
git clone [e-mail]:looker-open-source/dashboard-summarization.git

3. עוברים לספריית הבסיס של המאגר המשוכפל ומשנים את השם של הקובץ .env.example ל-.env כדי שתוכלו להגדיר משתני סביבה בקטעים מאוחרים יותר של ה-Codelab הזה.

cd ~/dashboard-summarization
mv .env.example .env

4. עוברים לספרייה src של הקצה העורפי של שקע ה-web במאגר המשובץ. הספרייה הזו מכילה את קוד המקור של השרת.

cd ~/dashboard-summarization/websocket-service/src   

5. מתקינים את יחסי התלות של השירות באמצעות NPM.

npm install  

6. משנים את שם הקובץ looker-example.ini לשם looker.ini.

mv looker-example.ini looker.ini  

7. מעדכנים את הקובץ looker.ini:
8. את הערכים client_id ו-client_secret עם הערכים שמופיעים במפתח ה-API של Looker.
9. את base_url עם כתובת ה-URL של מופע Looker בפורמט: https://<YOUR_LOOKER_URL_MINUS_PROTOCOL>:19999
10. הטקסט שבין הסוגריים המרובעים (כותרת הקטע) עם המארח של כתובת ה-URL של המכונה של Looker.

לדוגמה, אם מזהה הלקוח הוא ABC123, הסוד של הלקוח הוא XYZ789 וכתובת ה-URL של מכונה של Looker היא https://mycompany.cloud.looker.com, קובץ ה-looker.ini ייראה בדיוק כך:

[mycompany]
base_url=https://mycompany.cloud.looker.com:19999
client_id=ABC123
client_secret=XYZ789
verify_ssl=true 

8. בוחרים את מזהה הפרויקט ב-Google Cloud ומגדירים אותו במשתנה הסביבה PROJECT. מחליפים את YOUR_PROJECT_ID במזהה הפרויקט.

export PROJECT="YOUR_PROJECT_ID"

9. Vertex AI מספק את מודל Gemini במספר אזורים שמפורטים כאן. קובעים באיזה אזור הקצה העורפי המקומי ישלח ויקבל נתונים ממודל Gemini של Vertex AI. מגדירים את האזור במשתנה הסביבה REGION. מחליפים את YOUR_VERTEX_REGION באזור שלכם, למשל us-central1.

export REGION="YOUR_VERTEX_REGION"

10. עכשיו אפשר להפעיל את השירות המקומי.

npm start

11. שירות הקצה העורפי המקומי Websocket יפעל ב-http://localhost:5000.

סיימתם להגדיר את שירות הקצה העורפי של WebSocket בסביבה המקומית!!

השירות משמש כממשק בין התוסף של הקצה הקדמי לבין מודל Gemini של Vertex AI. השירות יאסוף נתונים של לוח בקרה ונתוני LookML מהתוסף של ממשק הקצה, עם נתונים שנשלחו לשאילתה מ-Looker, ויפעיל את מודל Gemini של Vertex AI. לאחר מכן, השירות יעביר את התשובה של Gemini לתוסף הקצה הקדמי שיוצג במרכז הבקרה.

אפשר גם לבצע שינויים בקוד המקור של השירות לקצה העורפי. קודם צריך להפסיק את תהליך השירות, לבצע שינויים בקוד ואז להריץ שוב את npm start.

הערה: השירות המקומי לקצה העורפי Websocket יבצע קריאות ל-Vertex AI.

3. הגדרת הקצה הקדמי לפיתוח מקומי

בקטע הזה תגדירו את התוסף לקצה הקדמי כדי לנסות אותו ולפתח אותו באופן מקומי.

1. באותה סביבה מקומית מהשלבים הקודמים, עוברים לספריית השורש של המאגר המשוכפל ומתקינים את יחסי התלות של שרת הקצה הקדמי.

cd ~/dashboard-summarization
npm install

2. הפעלת שרת הפיתוח המקומי של הקצה הקדמי

npm run develop

3. שרת הקצה הקדמי המקומי שלכם מציג עכשיו את ה-JavaScript של התוסף בכתובת http://localhost:8080/bundle.js.
4. פותחים דפדפן אינטרנט ומתחברים למכונה של Looker.
5. מבצעים את ההוראות האלה כדי להגדיר פרויקט LookML ריק. נותנים שם ללוח הבקרה של הסיכום של הפרויקט. עכשיו הפרויקט הריק של LookML אמור להיפתח באופן אוטומטי בסביבת הפיתוח המשולבת (IDE) של Looker בכרטיסייה הנוכחית בדפדפן.
6. יוצרים קובץ מניפסט של פרויקט ברמה הבסיסית (root) של פרויקט LookML. שם הקובץ יהיה manifest.lkml. אם אתם לא יודעים איך לעשות זאת, תוכלו לפעול לפי ההוראות האלה להוספת קובץ לפרויקט LookML.
7. צריך להחליף את התוכן של קובץ Manas.lKML החדש בתוכן של Mana.list.lKML בתיקיית השורש של המאגר הסגור. לוחצים על הלחצן Save Changes (שמירת השינויים) בפינה הימנית העליונה כדי לשמור את השינויים בקובץ.
8. בכרטיסייה נפרדת בדפדפן, עוברים לרשימה של חיבורי מסדי הנתונים במכונת Looker. יש לפעול לפי ההוראות האלה אם לא יודעים איך לעשות זאת.
9. צריך לבחור את השם של חיבור אחד למסד הנתונים של Looker. לא משנה באיזה חיבור תבחרו. אם אין לכם הרשאה לראות את החיבורים למסד הנתונים, עליכם לפנות לאדמין ב-Looker ולבקש את השם של חיבור אחד למסד הנתונים ב-Looker.
10. חוזרים לכרטיסייה בדפדפן שבה פרויקט LookML פתוח בסביבת פיתוח משולבת (IDE) של Looker. יוצרים קובץ מודל בפרויקט LookML ונותנים שם לסיכום לוח הבקרה של הקובץ.
11. צריך להחליף את התוכן של הקובץ Dashboard-summarization.model.lKML בדוגמת הקוד הבאה. מקפידים להחליף את המחרוזת שבתוך המירכאות הכפולות בשם החיבור של מסד הנתונים שבחרתם בשלב 9. שומרים את השינויים בקובץ.

connection: "<YOUR_CONNECTION_NAME>"

הערה: החיבור למסד הנתונים שאתם מגדירים בפרויקט הזה לא מגדיר את מסד הנתונים שתוסף הסיכום של מרכז השליטה ישלח אליו. כשהתוסף יתווסף למרכז הבקרה, הוא ישלח שאילתה למסד הנתונים שמשויך למרכז הבקרה הזה.

12. מגדירים מאגר שבו תשמרו את הפרויקט. לוחצים על הלחצן Configure Git (הגדרת Git) בפינה הימנית העליונה. בוחרים באפשרות 'Set up a bare repository instead' (הגדרת מאגר בסיסי במקום זאת). בוחרים באפשרות 'יצירת מאגר'.
13. עכשיו יש לכם מאגר בסיסי לאחסון קובצי פרויקט של LookML. כדי לחזור לפרויקט בסביבת הפיתוח המשולבת ב-Looker, בוחרים באפשרות 'Back to project' (חזרה לפרויקט) או חוזרים ידנית.
14. לוחצים על הלחצן 'אימות LookML' בפינה הימנית העליונה. הלחצן ישתנה ל'התחייבות לשינויים והעברה (push)'.
15. לוחצים על הלחצן 'שמירת שינויים ודחיפה'. מוסיפים הודעה כלשהי ובוחרים באפשרות 'ביצוע'.
16. בוחרים באפשרות Deploy to Production (פריסה לסביבת ייצור) בפינה הימנית העליונה של סביבת הפיתוח המשולבת (IDE) של Looker. עכשיו התוסף מופיע במכונה ב-Looker!
17. עוברים למרכז הבקרה של Looker שאליו רוצים להוסיף את התוסף.
18. פועלים לפי ההוראות כדי להוסיף משבצת של תוסף למרכז הבקרה. מוסיפים את התוסף החדש ללוח הבקרה כמשבצת.
19. מוודאים ששירות הקצה העורפי המקומי של WebSocket שהגדרתם מקודם פועל.

מעולה! עכשיו אפשר לנסות את התוסף של Looker Dashboard Summarization בלוח הבקרה. התוסף ישלח את המטא-נתונים של מרכז הבקרה לשירות הקצה העורפי המקומי של Websocket, ויציג את הפלט של Gemini מהשירות לקצה העורפי ממש בתוך משבצת התוסף במרכז הבקרה.

בזמן שהשרת הקדמי המקומי פועל, אפשר לבצע שינויים בקוד המקור ב-JavaScript של התוסף, והשרת יבנה ויציג את השינויים באופן אוטומטי. כדי לראות את השינויים, תצטרכו לטעון מחדש את הדף של התוסף או של מרכז הבקרה.

הערה: תוכלו להשלים את הקטע האופציונלי בסוף ה-Codelab הזה כדי לאפשר לתוסף לייצא את הסיכומים שלו, ואת השלבים הבאים ל-Slack או ל-Gchat.

הערה: אפשר גם לשפר את הדיוק, הפירוט והעומק של הסיכומים והשלבים הבאים של התוסף באמצעות הקטע האופציונלי שבסוף ה-codelab הזה.

4. פריסת הקצה העורפי בסביבת הייצור

בקטע הזה, תגדירו עכשיו את השירות לקצה העורפי Websocket כך שיציג מופעים של תוסף הסיכום של מרכז הבקרה בכל מרכז בקרה במכונה של Looker. כך משתמשי Looker אחרים יוכלו לנסות את התוסף במרכזי הבקרה שלהם בלי להגדיר שירות לקצה העורפי משלהם. ההנחה היא שכבר פרסתם את הקצה העורפי לפיתוח מקומי באותה סביבה מקומית.

1. צריך לפעול לפי ההוראות האלה כדי להגדיר Application Default Credentials בסביבה המקומית יחד עם מזהה הפרויקט, ולפעול לפי השלבים הבאים.
2. יצירת מאגר של Artifact Registry לאחסון קובצי אימג' של Docker בשירות הקצה העורפי. מחליפים את YOUR_REGION באזור שבו רוצים שהמאגר יהיה.

gcloud artifacts repositories create dashboard-summarization-repo \
    --repository-format=docker \
    --location=YOUR_REGION \

3. עוברים לספריית src של המאגר העורפי של המאגר המשוכפל.

cd ~/dashboard-summarization/websocket-service/src

4. צריך לערוך את הקובץ cloudbuild.yaml ולהחליף את כל המופעים של YOUR_REGION ושל YOUR_PROJECT_ID באזור ובמזהה הפרויקט. שומרים את השינויים בקובץ.
5. שולחים גרסת build באמצעות Cloud Build שתבנה את קובץ האימג' של Docker לשירות הקצה העורפי ותעביר אותה כלפי מעלה למאגר של Artifact Registry שיצרתם. מחליפים את YOUR_REGION באזור שבו רוצים להשתמש בשירות Cloud Build.

gcloud builds submit --region=YOUR_REGION --config cloudbuild.yaml

6. חשוב לזכור, כתובת ה-URL החדשה של תמונת Docker היא ב-YOUR_REGION-docker.pkg.dev/YOUR_PROJECT_ID/dashboard-summarization-repo/websocketserviceimage:latest. מחליפים את YOUR_PROJECT_ID במזהה הפרויקט. מחליפים את YOUR_REGION באזור משלב 2 שבו השתמשתם כדי ליצור את המאגר של Artifact Registry.
7. עוברים לספרייה websocket-service/terraform במאגר המשוכפל.

cd ~/dashboard-summarization/websocket-service/terraform

8. קובעים באיזה מיקום של Google Cloud Run רוצים להריץ את השירות לקצה העורפי Websocket. בוחרים מבין המיקומים האלה.
9. עורכים את הקובץ variable.tf ומחליפים את YOUR_PROJECT_ID ואת YOUR_DOCKER_IMAGE_URL בערכים המתאימים. בודקים בשלב 6 את כתובת ה-URL של תמונת ה-Docker. מחליפים את YOUR_REGION באזור שבחרתם בשלב הקודם (8). שומרים את השינויים בקובץ.
10. פריסת המשאבים שבהם ישתמש השירות לקצה העורפי באמצעות terraform.

terraform init
terraform plan
terraform apply

11. שומרים את נקודת הקצה (endpoint) Deployed של כתובת ה-URL של Cloud Run בקטע הבא.

מזל טוב! פרסתם את שירות הקצה העורפי של ה-WebSocket והוא פועל עכשיו ב-Google Cloud Run. מעכשיו כל המופעים של תוסף Looker Dashboard Summarization יכולים לתקשר עם השירות לקצה העורפי. מומלץ תמיד להפעיל לפחות מכונה אחת של שירות הקצה העורפי של ה-WebSocket ב-Cloud Run. העקביות של שירות הקצה העורפי שומרת על תקינות הסטרימינג של הנתונים בין שירות הקצה העורפי של ה-Websocket לבין חזית התוסף, ומסייעת לשמור על הסשן של כל משתמש בזמן השימוש בתוסף.

הערה: השירות לקצה העורפי Websocket שנפרס להרצה בענן בשיעור ה-Lab הזה חשוף באופן ציבורי.

הערה: בכל פעם שמשתמש מורה לממשק הקצה של התוסף ליצור סיכומים למרכז הבקרה, שירות הקצה העורפי יוצר קריאה ל-Vertex AI לכל שאילתה במרכז הבקרה, וקריאה אחרונה אחת כדי לעצב את כל הסיכומים. אתם יכולים לרשום ביומן את הקריאות של שירות הקצה העורפי של Vertex AI שלכם כדי להעריך עלויות ולעקוב אחריהן. בקטע האופציונלי 'הגדרת רישום של מודל Gemini' ב-Codelab הזה מוסבר איך עושים את זה.

5. פריסת הקצה הקדמי בסביבת הייצור

בקטע האחרון הזה, תבצעו את השלבים האחרונים לפריסה של ממשק הקצה של התוסף, כדי שהוא יהיה זמין לכל משתמשי Looker במכונה שלכם.

1. עוברים לספריית הבסיס (root) של המאגר המשובט.

cd ~/dashboard-summarization

2. עורכים אתהקובץ env. מחליפים את YOUR_CLOUD_RUN_URL בנקודת הקצה של כתובת ה-URL ב-Cloud Run מהקטע הקודם. שומרים את השינויים בקובץ. הפעולה הזו תפנה את הקצה הקדמי של תוסף הייצור אל שירות הקצה העורפי Websocket שפועל ב-Cloud Run.
3. יוצרים את קובץ ה-JavaScript של התוסף. תיוצר באופן אוטומטי ספרייה dist עם קובץ bundle.js וקבצים אחרים.

npm run build

4. פותחים דפדפן אינטרנט ומתחברים למכונה של Looker. פותחים את תפריט הניווט הימני ומפעילים את המתג 'מצב פיתוח' למטה.
5. כשחלונית הניווט הצדדית הימנית פתוחה, בוחרים באפשרות 'פיתוח', גוללים למטה ובוחרים באפשרות 'dashboard-summarization', הפרויקט של LookML של התוסף. עכשיו אתם אמורים להיות בסביבת הפיתוח המשולבת של Looker בפרויקט LookML.
6. גוררים את כל הקבצים מספריית Dist שנוצרה קודם ומשחררים אותם בספריית השורש של הפרויקט ב-File Browser (דפדפן הקבצים). אם דרושה לך עזרה נוספת, אפשר לפעול לפי ההוראות האלה.
7. פותחים את הקובץ manifest.lkml בסביבת הפיתוח המשולבת של Looker. בתוך הקובץ, מחליפים את השורה

url: "http://localhost:8080/bundle.js"

עם

file: "bundle.js"

מחליפים את YOUR_CLOUD_RUN_URL בנקודת הקצה של כתובת ה-URL ב-Cloud Run שמופיעה בסוף הקטע האחרון. שומרים את השינויים שבוצעו בקובץ.

8. לוחצים על הלחצן 'אימות LookML' בפינה השמאלית העליונה. הלחצן ישתנה ל'התחייבות לשינויים והעברה (push)'.
9. לוחצים על הלחצן 'שמירת שינויים ודחיפה'. מוסיפים הודעה כלשהי ובוחרים באפשרות 'ביצוע'.
10. בוחרים באפשרות Deploy to Production (פריסה לסביבת ייצור) בפינה הימנית העליונה של סביבת הפיתוח המשולבת (IDE) של Looker.

מזל טוב! עכשיו כל המשתמשים ב-Looker במכונה שלכם יוכלו להוסיף את התוסף של סיכום מרכזי הבקרה ב-Looker למרכזי הבקרה שלהם. כשמשתמשים אחרים ב-Looker ישתמשו בתוסף, כל המופעים שלו יבצעו קריאות לשירות הקצה העורפי של ה-websocket שנפרס ופועל ב-Google Cloud Run.

חשוב לזכור: אם מבצעים שינויים בקוד המקור, צריך:

1. יצירת קוד ה-JavaScript של התוסף מחדש
2. מחליפים את הקבצים שנוצרו שהוספתם לפרויקט LookML בקבצים החדשים שנוצרו מהספרייה dist.
3. אימות, שמירה ופריסה של השינויים בפרויקט LookML בסביבת הייצור

כדאי לנסות את התוסף Looker Dashboard Summarization אנחנו מעודדים אתכם לתרום לתוסף ולעזור לו לענות טוב יותר על הצרכים של קהילת Looker. אפשר ליצור בקשת משיכה במאגר.

בקטעים האופציונליים הבאים מוסבר איך להפעיל את הייצוא מ-Slack או מ-Google Chat, לשפר את הסיכומים ואת השלבים הבאים של Gemini ולהגדיר רישום ביומן של Gemini.

6. [אופציונלי] הגדרת יכולות הייצוא

עכשיו, אחרי שניסיתם את התוסף 'סיכום של מרכז הבקרה ב-Looker' עם משתמשי Looker, הגיע הזמן לשתף את התובנות של התוסף עם קהל רחב יותר. כדי לאפשר לתוסף לשלוח סיכומים והשלבים הבאים ל-Google Chat או ל-Slack, פועלים לפי ההוראות בקטע הזה. כדי להמשיך בחלק הזה של ה-Codelab, עליך להכיר את ההגדרה של OAuth.

הפעלת ייצוא מ-Google Chat

1. מפעילים את Chat API בפרויקט ב-Google Cloud.
2. פועלים לפי שלב 1 בהוראות ההגדרה של OAuth ב-Google Workspace. להיקפים צריך לכלול את spaces.messages.create.
3. פועלים לפי שלב 2 בהוראות ההגדרה של OAuth ב-Google Workspace. צריך להוסיף את כתובת ה-URL של המופע של ה-looker בתור URI בקטע Authorized JavaScript Sources (מקורות JavaScript מורשים), לדוגמה https://mycompany.cloud.looker.com. שימו לב למזהה הלקוח שנוצר.
4. קובעים מה המזהה של המרחב ב-Google Chat שאליו רוצים לייצא את הסיכומים. אם אתם לא בטוחים איך, פעלו לפי ההוראות האלה.
5. עורכים את .קובץ env. מחליפים את YOUR_GOOGLE_CLIENT_ID במזהה הלקוח. מחליפים את YOUR_GOOGLE_SPACE_ID במזהה המרחב ב-Google Chat. שומרים את השינויים בקובץ. הפעולה הזו תגדיר את ממשק הקצה של התוסף כך שיוכל לשלוח את התובנות שלו למרחב המשותף ב-Google Chat.
6. אם אתם מפעילים את חזית התוסף באופן מקומי, צריך לבנות מחדש את התוסף. אם אתם פורסים את החזית של התוסף, עליכם לפרוס מחדש את החזית של התוסף.

הפעלת הייצוא של Slack

1. פועלים לפי שלבים 1 ו-2 במסמכים הרשמיים למפתחים ב-Slack כדי להגדיר אפליקציית OAuth. להיקפים צריך לכלול את השדות chat:write ו-channels:read. שימו לב למזהה הלקוח ולסוד הלקוח שנוצרו.
2. קובעים את המזהה של ערוץ Slack שאליו רוצים לייצא את הסיכומים.
3. עורכים את .קובץ env. מחליפים את YOUR_SLACK_CLIENT_ID במזהה הלקוח. מחליפים את YOUR_SLACK_CLIENT_SECRET ב-Client Secret. מחליפים את YOUR_SLACK_CHANNEL_ID במזהה הערוץ. שומרים את השינויים בקובץ. הפעולה הזו תגדיר את הקצה הקדמי של התוסף כך שיוכל לשלוח את התובנות שלו לערוץ Slack הרצוי.
4. אם מפעילים את החזית של התוסף באופן מקומי, צריך לבנות מחדש את התוסף. אחרת, אם אתם פורסים את הקצה הקדמי של התוסף, פורסים מחדש את הקצה הקדמי של התוסף.

עכשיו התוסף יכול לייצא את הסיכומים ישירות ל-Slack או ל-Google Chat. חשוב לזכור שהתוסף יכול לשלוח סיכומים רק למרחב משותף ספציפי ב-Google Chat או לערוץ ספציפי ב-Slack שהוגדרו מראש. אפשר להוסיף עוד היקפי הרשאות OAuth ולשנות את הקוד כדי לאחזר ולהציג רשימה של מרחבים משותפים וערוצים שאפשר לשלוח אליהם סיכומים.

7. [אופציונלי] שיפור הסיכום והשלבים הבאים

התוסף מספק למודל של Gemini את כל נתוני השאילתות והמטא-נתונים של מרכז הבקרה. כדי לשפר את הדיוק, הפרטים והעומק של הסיכומים והשלבים המפורטים, מומלץ להוסיף כמה שיותר מטא-נתונים והקשר ללוח הבקרה עצמו. כדאי לנסות את השלבים הבאים בכל מרכז בקרה שבו התוסף נכלל:

• פועלים לפי ההוראות האלה כדי להוסיף פרטים למרכז הבקרה. כך אפשר לתת ל-LLM מידע כללי לגבי ההקשר הכללי של מרכז הבקרה.
• כדי להוסיף הערות למשבצת של כל מרכז בקרה, צריך לפעול לפי ההוראות האלה. כך אפשר לעדכן את ה-LLM לגבי ההקשר של כל שאילתה במרכז הבקרה. הערות קטנות תלויות הקשר ייכללו בסיכומים שנוצרו.

ככל שתוסיפו יותר מידע למרכזי הבקרה, כך הסיכוי לקבל סיכומים טובים יותר של התוסף והצעות טובות יותר לשלבים הבאים יגדל. אפשר לשנות את הקוד כך שיכלול מטא-נתונים נוספים ממרכז הבקרה בהנחיה למודל Gemini.

8. [אופציונלי] הגדרת רישום ביומן של מודל Gemini

בכל פעם שמשתמש מורה לתוסף ליצור סיכומים למרכז הבקרה, התוסף יוצר קריאה ל-Vertex AI לכל שאילתה במרכז הבקרה, וקריאה סופית אחת כדי לעצב את כל הסיכומים. אתם יכולים להיעזר בסעיף הזה כדי לתעד את השיחות מ-Vertex AI שהתוסף שלכם מבצע, כדי שתוכלו להעריך את העלויות ותעבורת הנתונים של Vertex AI ולעקוב אחריהם. יש לפעול לפי ההוראות האלה רק אם פרסת את השירות לקצה העורפי Websocket.

1. קביעת המיקום של Cloud Run של השירות לקצה העורפי שנפרס.
2. כדי להגדיר sink ביומן שינתב יומנים אל BigQuery, צריך לבצע את ההוראות האלה. יעד ה-sink צריך להיות BigQuery. צריך להגדיר את מסנן ההכללה עם דוגמת הקוד הבאה באמצעות YOUR_CLOUD_RUN_LOCATION שהוחלף במיקום של Cloud Run מהשלב הקודם.

resource.type = "cloud_run_revision"
resource.labels.service_name = "websocket-service"
resource.labels.location = "YOUR_CLOUD_RUN_LOCATION"
 severity>=DEFAULT
jsonPayload.component="dashboard-summarization-logs"

9. מעולה!

הגדרתם את התוסף Looker Dashboard Summarization באופן מקומי כדי לנסות אותו. בנוסף, פרסתם את התוסף ב-Google Cloud כדי שמשתמשים אחרים יוכלו לנסות אותו גם כן. עכשיו לך ולמשתמשים אחרים יש גישה לסיכומים שמבוססים על Gemini ולצעדים הבאים ישירות מתוך מרכזי הבקרה.

10. המאמרים הבאים

• שינוי ה-codebase של התוסף כך שיתאים לפונקציונליות שלו לצורכי הארגון.
• לתרום למאגר של התוסף ולשפר אותו בשבילכם ובשביל קהילת Looker.
• לפתח תוסף משלכם כדי לשפר את חוויית השימוש ב-Looker
• משלבים את התוסף במרכז הבקרה כמשבצת כדי לשפר את החוויה במרכז הבקרה.