ساخت دستیار جستجوی پتنت با AlloyDB و Vertex AI Agent Builder - قسمت 2، ساخت دستیار جستجوی پتنت با AlloyDB و Vertex AI Agent Builder - قسمت 2

1. بررسی اجمالی

تحقیقات ثبت اختراع گسترده و پیچیده است. غربال کردن چکیده‌های فنی بی‌شماری برای یافتن نوآوری‌های مرتبط، کاری دلهره‌آور است. جستجوهای سنتی مبتنی بر کلمات کلیدی اغلب نادرست و وقت گیر هستند. چکیده ها طولانی و فنی هستند و درک سریع ایده اصلی را دشوار می کند. این می تواند منجر به از دست دادن پتنت های کلیدی توسط محققان یا اتلاف وقت برای نتایج نامربوط شود.

سس مخفی پشت این انقلاب در جستجوی برداری نهفته است. جستجوی برداری به جای تکیه بر تطبیق کلمات کلیدی ساده، متن را به نمایش های عددی (جاسازی ها) تبدیل می کند. این به ما امکان می دهد بر اساس معنای پرس و جو جستجو کنیم، نه فقط کلمات خاص مورد استفاده. در دنیای جستجوهای ادبیات، این یک تغییر دهنده بازی است. تصور کنید که حق ثبت اختراعی برای یک «مانیتور ضربان قلب قابل پوشیدن» پیدا کنید، حتی اگر عبارت دقیق آن در سند استفاده نشده باشد.

چالش: انتظار می‌رود که جستجوهای ادبیات مدرن پاسخ‌های فوری و توصیه‌های هوشمندانه‌ای را ارائه دهند که با اولویت‌های منحصربه‌فرد آن‌ها هماهنگ باشد. روش های جستجوی سنتی اغلب در ارائه این سطح از شخصی سازی کوتاهی می کنند.

راه حل: برنامه چت مبتنی بر دانش ما با این چالش مقابله می کند. این یک پایگاه دانش غنی مشتق شده از مجموعه داده های ثبت اختراع شما را برای درک هدف مشتری، پاسخ هوشمندانه و ارائه نتایج بسیار مرتبط به کار می گیرد.

چیزی که خواهی ساخت

به عنوان بخشی از این آزمایشگاه (قسمت 2)، شما:

1. یک عامل Vertex AI Agent Builder بسازید
2. ابزار AlloyDB را با عامل ادغام کنید

الزامات

• مرورگری مانند کروم یا فایرفاکس
• یک پروژه Google Cloud با فعال کردن صورت‌حساب.

2. معماری

جریان داده: بیایید نگاهی دقیق تر به نحوه حرکت داده ها در سیستم خود بیندازیم:

بلع :

داده های ثبت اختراع در AlloyDB بارگذاری می شود.

موتور تجزیه و تحلیل:

ما از AlloyDB به عنوان موتور تجزیه و تحلیل برای انجام موارد زیر استفاده خواهیم کرد:

1. استخراج زمینه: موتور داده های ذخیره شده در AlloyDB را برای درک مجموعه داده های پتنت تجزیه و تحلیل می کند.
2. ایجاد جاسازی: جاسازی ها (نمایش های ریاضی متن) هم برای درخواست کاربر و هم برای اطلاعات ذخیره شده در AlloyDB ایجاد می شوند.
3. جستجوی برداری: موتور جستجوی شباهت را انجام می دهد و جاسازی پرس و جو را با جاسازی چکیده های پتنت مقایسه می کند. این موضوع مرتبط ترین "نزدیک ترین همسایه" را به زمینه ای که کاربر در جستجوی آن است، شناسایی می کند.

تولید پاسخ:

پاسخ های تایید شده در یک آرایه JSON ساختار یافته و کل موتور در یک تابع اجرای ابری بدون سرور بسته بندی می شود که از Agent Builder فراخوانی می شود.

مراحل فوق قبلاً در بخش 1 آزمایشگاه پوشش داده شده است.

ما در مورد جزئیات فنی ایجاد یک موتور تجزیه و تحلیل دانش محور که به دستیار جستجوی ثبت اختراع هوشمند ما قدرت می دهد، بحث کردیم. اکنون، بیایید بررسی کنیم که چگونه از جادوی Agent Builder برای زنده کردن این موتور در یک رابط مکالمه استفاده می کنیم. مطمئن شوید که URL نقطه پایانی را قبل از شروع قسمت 2 آماده کرده اید. این مرحله بعدی همان چیزی است که در این آزمایشگاه پوشش می دهیم:

تعامل مکالمه:

Agent Builder پاسخ ها را در قالب زبان طبیعی به کاربر ارائه می دهد و گفتگوی رفت و برگشت را تسهیل می کند.

3. قبل از شروع

یک پروژه ایجاد کنید

1. در Google Cloud Console ، در صفحه انتخاب پروژه، یک پروژه Google Cloud را انتخاب یا ایجاد کنید.
2. مطمئن شوید که صورتحساب برای پروژه Cloud شما فعال است. نحوه بررسی فعال بودن صورت‌حساب در پروژه را بیاموزید.
3. شما از Cloud Shell استفاده خواهید کرد، یک محیط خط فرمان در حال اجرا در Google Cloud که با bq از قبل بارگذاری شده است. روی Activate Cloud Shell در بالای کنسول Google Cloud کلیک کنید.

4. پس از اتصال به Cloud Shell، با استفاده از دستور زیر بررسی می‌کنید که قبلاً احراز هویت شده‌اید و پروژه به ID پروژه شما تنظیم شده است:

gcloud auth list

5. دستور زیر را در Cloud Shell اجرا کنید تا تأیید کنید که دستور gcloud از پروژه شما اطلاع دارد.

gcloud config list project

6. اگر پروژه شما تنظیم نشده است، از دستور زیر برای تنظیم آن استفاده کنید:

gcloud config set project <YOUR_PROJECT_ID>

7. API های مورد نیاز را فعال کنید. جایگزین دستور gcloud از طریق کنسول با جستجوی هر محصول یا استفاده از این پیوند است.

اگر هر یک از API از دست رفته است، همیشه می توانید آن را در طول پیاده سازی فعال کنید.

برای دستورات و استفاده از gcloud به اسناد مراجعه کنید.

نکته مهم: همچنین مطمئن شوید که قسمت 1 آزمایشگاه را برای تکمیل این کار تکمیل کرده اید.

4. ایجاد عامل

معرفی Agent Builder

Agent Builder یک ابزار قدرتمند و کم‌کد است که به ما اجازه می‌دهد تا به سرعت و کارآمد عوامل مکالمه ایجاد کنیم. این فرآیند طراحی جریان های گفتگو، یکپارچه سازی پایگاه های دانش و اتصال به API های خارجی را ساده می کند. در مورد ما، از Agent Builder برای اتصال یکپارچه با نقطه پایانی Cloud Function که در قسمت 1 ساخته‌ایم، استفاده می‌کنیم، و به دستیار جستجوی پتنت ما امکان می‌دهد به پایگاه دانش ثبت اختراع ما دسترسی داشته باشد و به سؤالات کاربر به طور هوشمند پاسخ دهد.

مطمئن شوید که Java Cloud Run Function در قسمت 1 ایجاد شده است و به جای متن ساده، یک آرایه JSON را برمی گرداند.

ساخت عامل

بیایید با ایجاد این عامل جدید برای پاسخ به سوالات کاربران برای محصولات پوشاک شروع کنیم.

1. با ورود به پلتفرم Agent Builder شروع کنید. اگر از شما خواست که API را فعال کنید، ادامه دهید و روی Continue AND ACTIVE THE API کلیک کنید.
2. روی "ایجاد برنامه" کلیک کنید و به نماینده خود یک نام توصیفی بدهید (به عنوان مثال، "دستیار جستجوی ثبت اختراع").
3. نوع برنامه "عامل" را کلیک کنید.

4. . به نماینده خود یک نام توصیفی مانند " دستیار جستجوی ثبت اختراع " بدهید و منطقه را به عنوان us-central1 تنظیم کنید
5. مشخصات نماینده را وارد کنید:
6. نام عامل را به " نماینده جستجوی ثبت اختراع " تغییر دهید.
7. "هدف" زیر را اضافه کنید:

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. آن را در این مرحله ذخیره کنید و دستورالعمل ها را فعلا خالی بگذارید.
4. سپس از منوی ناوبری Tools را کلیک کنید و روی CREATE کلیک کنید.

نام ابزار را وارد کنید: ابزار جستجوی ثبت اختراع

نوع: OpenAPI

توضیحات ابزار را وارد کنید:

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.

Schema — OpenAPI در قالب YAML را وارد کنید:

این قسمتی است که در آن از نقطه پایانی backend برای تامین انرژی عامل استفاده می کنیم. مشخصات OpenAPI زیر را کپی کنید و مکان‌نمای URL (که در پرانتزهای زاویه قرار دارد) را با نقطه پایانی Cloud Function خود جایگزین کنید :

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.

تنظیمات دیگر را به مقادیر پیش فرض خود رها کرده و روی «ذخیره» کلیک کنید.

7. در این مرحله به Agent برگردید زیرا می‌خواهیم پیکربندی «ابزار» را به «دستورالعمل‌های» عامل اضافه کنیم. موارد زیر را به مکان‌بان دستورالعمل‌ها اضافه کنید (به یاد داشته باشید که تورفتگی‌ها در تعریف جریان مهم هستند):

- 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.

اطمینان حاصل کنید که ابزار "ابزار جستجوی ثبت اختراع" در بخش "ابزارهای موجود" انتخاب شده است و سپس دوباره عامل را ذخیره کنید.

5. عامل را تست کنید

در قسمت سمت راست، باید بخش Preview Agent را ببینید که به شما امکان می دهد نماینده خود را آزمایش کنید.

همانطور که در تصویر زیر می بینید، من به عنوان یک کاربر خوش آمد گفته ام و چت خود را با درخواست "تطابق حق ثبت اختراع برای هر ایده ردیاب تناسب اندام" آغاز کرده ام:

این پاسخ JSON است:

این نتیجه JSON خام از تابع Cloud است که جستجوی مشابهت AlloyDB را پردازش می کند. همین! ما اکنون با نماینده آماده هستیم.

6. استقرار و ادغام

هنگامی که از عامل خود راضی شدید، می توانید به راحتی آن را با استفاده از ادغام های Agent Builder در کانال های مختلف مستقر کنید. می توانید آن را در وب سایت خود جاسازی کنید، آن را با پلتفرم های پیام رسانی محبوب ادغام کنید یا حتی یک برنامه اختصاصی موبایل ایجاد کنید. همچنین می‌توانیم از Agent Builder API مستقیماً در برنامه‌های کلاینت وب خود استفاده کنیم که در این وبلاگ به آن پرداخته‌ایم.

7. پاکسازی کنید

برای جلوگیری از تحمیل هزینه به حساب Google Cloud خود برای منابع استفاده شده در این پست، این مراحل را دنبال کنید:

1. در کنسول Google Cloud، به مدیریت بروید
2. صفحه منابع
3. در لیست پروژه، پروژه ای را که می خواهید حذف کنید انتخاب کنید و سپس روی Delete کلیک کنید.
4. در محاوره، شناسه پروژه را تایپ کنید و سپس روی Shut down کلیک کنید تا پروژه حذف شود.

8. تبریک می گویم

تبریک می گویم! با ادغام قدرت موتور تجزیه و تحلیل سفارشی ما با رابط بصری Agent Builder، ما یک دستیار جستجوی ادبیات هوشمند را ایجاد کرده‌ایم که جستجوهای ادبیات را در دسترس، کارآمد و واقعاً معنادار می‌کند. با ترکیب قابلیت‌های AlloyDB ، Vertex AI ، و Vector Search ، ما جهشی بزرگ در ایجاد جستجوهای متنی و برداری در دسترس، کارآمد، واقعاً معنادار و عاملی انجام داده‌ایم!

1. بررسی اجمالی

تحقیقات ثبت اختراع گسترده و پیچیده است. غربال کردن چکیده‌های فنی بی‌شماری برای یافتن نوآوری‌های مرتبط، کاری دلهره‌آور است. جستجوهای سنتی مبتنی بر کلمات کلیدی اغلب نادرست و وقت گیر هستند. چکیده ها طولانی و فنی هستند و درک سریع ایده اصلی را دشوار می کند. این می تواند منجر به از دست دادن پتنت های کلیدی توسط محققان یا اتلاف وقت برای نتایج نامربوط شود.

سس مخفی پشت این انقلاب در جستجوی برداری نهفته است. جستجوی برداری به جای تکیه بر تطبیق کلمات کلیدی ساده، متن را به نمایش های عددی (جاسازی ها) تبدیل می کند. این به ما امکان می دهد تا بر اساس معنای پرس و جو جستجو کنیم، نه فقط کلمات خاص مورد استفاده. در دنیای جستجوهای ادبیات، این یک تغییر دهنده بازی است. تصور کنید که حق ثبت اختراعی برای یک «مانیتور ضربان قلب قابل پوشیدن» پیدا کنید، حتی اگر عبارت دقیق آن در سند استفاده نشده باشد.

چالش: انتظار می‌رود که جستجوهای ادبیات مدرن پاسخ‌های فوری و توصیه‌های هوشمندانه‌ای را ارائه دهند که با اولویت‌های منحصربه‌فرد آن‌ها هماهنگ باشد. روش های جستجوی سنتی اغلب در ارائه این سطح از شخصی سازی کوتاهی می کنند.

راه حل: برنامه چت مبتنی بر دانش ما با این چالش مقابله می کند. این یک پایگاه دانش غنی مشتق شده از مجموعه داده های ثبت اختراع شما را برای درک هدف مشتری، پاسخ هوشمندانه و ارائه نتایج بسیار مرتبط به کار می گیرد.

چیزی که خواهی ساخت

به عنوان بخشی از این آزمایشگاه (قسمت 2)، شما:

1. یک عامل Vertex AI Agent Builder بسازید
2. ابزار AlloyDB را با عامل ادغام کنید

الزامات

• مرورگری مانند کروم یا فایرفاکس
• یک پروژه Google Cloud با فعال کردن صورت‌حساب.

2. معماری

جریان داده: بیایید نگاهی دقیق تر به نحوه حرکت داده ها در سیستم خود بیندازیم:

بلع :

داده های ثبت اختراع در AlloyDB بارگذاری می شود.

موتور تجزیه و تحلیل:

ما از AlloyDB به عنوان موتور تجزیه و تحلیل برای انجام موارد زیر استفاده خواهیم کرد:

1. استخراج زمینه: موتور داده های ذخیره شده در AlloyDB را برای درک مجموعه داده های پتنت تجزیه و تحلیل می کند.
2. ایجاد جاسازی: جاسازی ها (نمایش های ریاضی متن) هم برای درخواست کاربر و هم برای اطلاعات ذخیره شده در AlloyDB ایجاد می شوند.
3. جستجوی برداری: موتور جستجوی شباهت را انجام می دهد و جاسازی پرس و جو را با جاسازی چکیده های پتنت مقایسه می کند. این موضوع مرتبط ترین "نزدیک ترین همسایه" را به زمینه ای که کاربر در جستجوی آن است، شناسایی می کند.

تولید پاسخ:

پاسخ های تایید شده در یک آرایه JSON ساختار یافته و کل موتور در یک تابع اجرای ابری بدون سرور بسته بندی می شود که از Agent Builder فراخوانی می شود.

مراحل فوق قبلاً در بخش 1 آزمایشگاه پوشش داده شده است.

ما در مورد جزئیات فنی ایجاد یک موتور تجزیه و تحلیل دانش محور که به دستیار جستجوی ثبت اختراع هوشمند ما قدرت می دهد، بحث کردیم. اکنون، بیایید بررسی کنیم که چگونه از جادوی Agent Builder برای زنده کردن این موتور در یک رابط مکالمه استفاده می کنیم. مطمئن شوید که URL نقطه پایانی را قبل از شروع قسمت 2 آماده کرده اید. این مرحله بعدی همان چیزی است که در این آزمایشگاه پوشش می دهیم:

تعامل مکالمه:

Agent Builder پاسخ ها را در قالب زبان طبیعی به کاربر ارائه می دهد و گفتگوی رفت و برگشت را تسهیل می کند.

3. قبل از شروع

یک پروژه ایجاد کنید

1. در Google Cloud Console ، در صفحه انتخاب پروژه، یک پروژه Google Cloud را انتخاب یا ایجاد کنید.
2. مطمئن شوید که صورتحساب برای پروژه Cloud شما فعال است. با نحوه بررسی فعال بودن صورت‌حساب در پروژه آشنا شوید.
3. شما از Cloud Shell استفاده خواهید کرد، یک محیط خط فرمان در حال اجرا در Google Cloud که با bq از قبل بارگذاری شده است. روی Activate Cloud Shell در بالای کنسول Google Cloud کلیک کنید.

4. پس از اتصال به Cloud Shell، با استفاده از دستور زیر بررسی می‌کنید که قبلاً احراز هویت شده‌اید و پروژه به ID پروژه شما تنظیم شده است:

gcloud auth list

5. دستور زیر را در Cloud Shell اجرا کنید تا تأیید کنید که دستور gcloud از پروژه شما اطلاع دارد.

gcloud config list project

6. اگر پروژه شما تنظیم نشده است، از دستور زیر برای تنظیم آن استفاده کنید:

gcloud config set project <YOUR_PROJECT_ID>

7. API های مورد نیاز را فعال کنید. جایگزین دستور gcloud از طریق کنسول با جستجوی هر محصول یا استفاده از این پیوند است.

اگر هر یک از API از دست رفته است، همیشه می توانید آن را در طول پیاده سازی فعال کنید.

برای دستورات و استفاده از gcloud به اسناد مراجعه کنید.

نکته مهم: همچنین مطمئن شوید که قسمت 1 آزمایشگاه را برای تکمیل این کار تکمیل کرده اید.

4. ایجاد عامل

معرفی Agent Builder

Agent Builder یک ابزار قدرتمند و کم‌کد است که به ما این امکان را می‌دهد تا عوامل مکالمه را سریع و کارآمد ایجاد کنیم. این فرآیند طراحی جریان های گفتگو، ادغام پایگاه های دانش و اتصال به API های خارجی را ساده می کند. در مورد ما، از Agent Builder برای اتصال یکپارچه با نقطه پایانی Cloud Function که در قسمت 1 ساخته‌ایم، استفاده می‌کنیم، و به دستیار جستجوی پتنت ما امکان می‌دهد به پایگاه دانش ثبت اختراع ما دسترسی داشته باشد و به سؤالات کاربر به طور هوشمند پاسخ دهد.

مطمئن شوید که Java Cloud Run Function در قسمت 1 ایجاد شده است و به جای متن ساده، یک آرایه JSON را برمی گرداند.

ساخت عامل

بیایید با ایجاد این عامل جدید برای پاسخ به سوالات کاربران برای محصولات پوشاک شروع کنیم.

1. با ورود به پلتفرم Agent Builder شروع کنید. اگر از شما خواست که API را فعال کنید، ادامه دهید و روی Continue AND ACTIVE THE API کلیک کنید.
2. روی "ایجاد برنامه" کلیک کنید و به نماینده خود یک نام توصیفی بدهید (به عنوان مثال، "دستیار جستجوی ثبت اختراع").
3. نوع برنامه "عامل" را کلیک کنید.

4. . به نماینده خود یک نام توصیفی مانند " دستیار جستجوی ثبت اختراع " بدهید و منطقه را به عنوان us-central1 تنظیم کنید
5. مشخصات نماینده را وارد کنید:
6. نام عامل را به " نماینده جستجوی ثبت اختراع " تغییر دهید.
7. "هدف" زیر را اضافه کنید:

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. آن را در این مرحله ذخیره کنید و دستورالعمل ها را فعلا خالی بگذارید.
4. سپس از منوی ناوبری Tools را کلیک کنید و روی CREATE کلیک کنید.

نام ابزار را وارد کنید: ابزار جستجوی ثبت اختراع

نوع: OpenAPI

توضیحات ابزار را وارد کنید:

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.

Schema — OpenAPI در قالب YAML را وارد کنید:

این قسمتی است که در آن از نقطه پایانی backend برای تامین انرژی عامل استفاده می کنیم. مشخصات OpenAPI زیر را کپی کنید و مکان‌نمای URL (محصور در پرانتزهای زاویه‌ای) را با نقطه پایانی Cloud Function خود جایگزین کنید :

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.

تنظیمات دیگر را به مقادیر پیش فرض خود رها کرده و روی «ذخیره» کلیک کنید.

7. در این مرحله به Agent برگردید زیرا می‌خواهیم پیکربندی «ابزار» را به «دستورالعمل‌های» عامل اضافه کنیم. موارد زیر را به مکان‌بان دستورالعمل‌ها اضافه کنید (به یاد داشته باشید که تورفتگی‌ها در تعریف جریان مهم هستند):

- 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.

اطمینان حاصل کنید که ابزار "ابزار جستجوی ثبت اختراع" در بخش "ابزارهای موجود" انتخاب شده است و سپس دوباره عامل را ذخیره کنید.

5. عامل را تست کنید

در قسمت سمت راست، باید بخش Preview Agent را ببینید که به شما امکان می دهد نماینده خود را آزمایش کنید.

همانطور که در تصویر زیر می بینید، من به عنوان یک کاربر خوش آمد گفته ام و چت خود را با درخواست "تطابق حق ثبت اختراع برای هر ایده ردیاب تناسب اندام" آغاز کرده ام:

این پاسخ JSON است:

این نتیجه JSON خام از تابع Cloud است که جستجوی مشابهت AlloyDB را پردازش می کند. همین! اکنون همه با نماینده آماده هستیم.

6. استقرار و ادغام

هنگامی که از عامل خود راضی شدید، می توانید به راحتی آن را با استفاده از ادغام های Agent Builder در کانال های مختلف مستقر کنید. می توانید آن را در وب سایت خود جاسازی کنید، آن را با پلتفرم های پیام رسانی محبوب ادغام کنید یا حتی یک برنامه موبایل اختصاصی ایجاد کنید. ما همچنین می‌توانیم از Agent Builder API مستقیماً در برنامه‌های کلاینت وب خود استفاده کنیم که در این وبلاگ به آن پرداخته‌ایم.

7. پاکسازی کنید

برای جلوگیری از تحمیل هزینه به حساب Google Cloud خود برای منابع استفاده شده در این پست، این مراحل را دنبال کنید:

1. در کنسول Google Cloud، به مدیریت بروید
2. صفحه منابع
3. در لیست پروژه، پروژه ای را که می خواهید حذف کنید انتخاب کنید و سپس روی Delete کلیک کنید.
4. در محاوره، شناسه پروژه را تایپ کنید و سپس روی Shut down کلیک کنید تا پروژه حذف شود.

8. تبریک می گویم

تبریک می گویم! با ادغام قدرت موتور تجزیه و تحلیل سفارشی ما با رابط بصری Agent Builder، ما یک دستیار جستجوی ادبیات هوشمند را ایجاد کرده‌ایم که جستجوهای ادبیات را در دسترس، کارآمد و واقعاً معنادار می‌کند. با ترکیب قابلیت‌های AlloyDB ، Vertex AI ، و Vector Search ، ما جهشی بزرگ در ایجاد جستجوهای متنی و برداری در دسترس، کارآمد، واقعاً معنادار و عاملی انجام داده‌ایم!

1. بررسی اجمالی

تحقیقات ثبت اختراع گسترده و پیچیده است. غربال کردن چکیده‌های فنی بی‌شماری برای یافتن نوآوری‌های مرتبط، کاری دلهره‌آور است. جستجوهای سنتی مبتنی بر کلمات کلیدی اغلب نادرست و وقت گیر هستند. چکیده ها طولانی و فنی هستند و درک سریع ایده اصلی را دشوار می کند. این می تواند منجر به از دست دادن پتنت های کلیدی توسط محققان یا اتلاف وقت برای نتایج نامربوط شود.

سس مخفی پشت این انقلاب در جستجوی برداری نهفته است. جستجوی برداری به جای تکیه بر تطبیق کلمات کلیدی ساده، متن را به نمایش های عددی (جاسازی ها) تبدیل می کند. این به ما امکان می دهد تا بر اساس معنای پرس و جو جستجو کنیم، نه فقط کلمات خاص مورد استفاده. در دنیای جستجوهای ادبیات، این یک تغییر دهنده بازی است. تصور کنید که حق ثبت اختراعی برای یک «مانیتور ضربان قلب قابل پوشیدن» پیدا کنید، حتی اگر عبارت دقیق آن در سند استفاده نشده باشد.

چالش: انتظار می‌رود که جستجوهای ادبیات مدرن پاسخ‌های فوری و توصیه‌های هوشمندانه‌ای را ارائه دهند که با اولویت‌های منحصربه‌فرد آن‌ها هماهنگ باشد. روش های جستجوی سنتی اغلب در ارائه این سطح از شخصی سازی کوتاهی می کنند.

راه حل: برنامه چت مبتنی بر دانش ما با این چالش مقابله می کند. این یک پایگاه دانش غنی مشتق شده از مجموعه داده های ثبت اختراع شما را برای درک هدف مشتری، پاسخ هوشمندانه و ارائه نتایج بسیار مرتبط به کار می گیرد.

چیزی که خواهی ساخت

به عنوان بخشی از این آزمایشگاه (قسمت 2)، شما:

1. یک عامل Vertex AI Agent Builder بسازید
2. ابزار AlloyDB را با عامل ادغام کنید

الزامات

• مرورگری مانند کروم یا فایرفاکس
• یک پروژه Google Cloud با فعال کردن صورت‌حساب.

2. معماری

جریان داده: بیایید نگاهی دقیق تر به نحوه حرکت داده ها در سیستم خود بیندازیم:

بلع :

داده های ثبت اختراع در AlloyDB بارگذاری می شود.

موتور تجزیه و تحلیل:

ما از AlloyDB به عنوان موتور تجزیه و تحلیل برای انجام موارد زیر استفاده خواهیم کرد:

1. استخراج زمینه: موتور داده های ذخیره شده در AlloyDB را برای درک مجموعه داده های پتنت تجزیه و تحلیل می کند.
2. ایجاد جاسازی: جاسازی ها (نمایش های ریاضی متن) هم برای درخواست کاربر و هم برای اطلاعات ذخیره شده در AlloyDB ایجاد می شوند.
3. جستجوی برداری: موتور جستجوی شباهت را انجام می دهد و جاسازی پرس و جو را با جاسازی چکیده های پتنت مقایسه می کند. این موضوع مرتبط ترین "نزدیک ترین همسایه" را به زمینه ای که کاربر در جستجوی آن است، شناسایی می کند.

تولید پاسخ:

پاسخ های تایید شده در یک آرایه JSON ساختار یافته و کل موتور در یک تابع اجرای ابری بدون سرور بسته بندی می شود که از Agent Builder فراخوانی می شود.

مراحل فوق قبلاً در بخش 1 آزمایشگاه پوشش داده شده است.

ما در مورد جزئیات فنی ایجاد یک موتور تجزیه و تحلیل دانش محور که به دستیار جستجوی ثبت اختراع هوشمند ما قدرت می دهد، بحث کردیم. اکنون، بیایید بررسی کنیم که چگونه از جادوی Agent Builder برای زنده کردن این موتور در یک رابط مکالمه استفاده می کنیم. مطمئن شوید که URL نقطه پایانی را قبل از شروع قسمت 2 آماده کرده اید. این مرحله بعدی همان چیزی است که در این آزمایشگاه پوشش می دهیم:

تعامل مکالمه:

Agent Builder پاسخ ها را در قالب زبان طبیعی به کاربر ارائه می دهد و گفتگوی رفت و برگشت را تسهیل می کند.

3. قبل از شروع

یک پروژه ایجاد کنید

1. در Google Cloud Console ، در صفحه انتخاب پروژه، یک پروژه Google Cloud را انتخاب یا ایجاد کنید.
2. مطمئن شوید که صورتحساب برای پروژه Cloud شما فعال است. با نحوه بررسی فعال بودن صورت‌حساب در پروژه آشنا شوید.
3. شما از Cloud Shell استفاده خواهید کرد، یک محیط خط فرمان در حال اجرا در Google Cloud که با bq از قبل بارگذاری شده است. روی Activate Cloud Shell در بالای کنسول Google Cloud کلیک کنید.

4. پس از اتصال به Cloud Shell، با استفاده از دستور زیر بررسی می‌کنید که قبلاً احراز هویت شده‌اید و پروژه به ID پروژه شما تنظیم شده است:

gcloud auth list

5. دستور زیر را در Cloud Shell اجرا کنید تا تأیید کنید که دستور gcloud از پروژه شما اطلاع دارد.

gcloud config list project

6. اگر پروژه شما تنظیم نشده است، از دستور زیر برای تنظیم آن استفاده کنید:

gcloud config set project <YOUR_PROJECT_ID>

7. API های مورد نیاز را فعال کنید. جایگزین دستور gcloud از طریق کنسول با جستجوی هر محصول یا استفاده از این پیوند است.

اگر هر یک از API از دست رفته است، همیشه می توانید آن را در طول پیاده سازی فعال کنید.

برای دستورات و استفاده از gcloud به اسناد مراجعه کنید.

نکته مهم: همچنین مطمئن شوید که قسمت 1 آزمایشگاه را برای تکمیل این کار تکمیل کرده اید.

4. ایجاد عامل

معرفی Agent Builder

Agent Builder یک ابزار قدرتمند و کم‌کد است که به ما اجازه می‌دهد تا به سرعت و کارآمد عوامل مکالمه ایجاد کنیم. این فرآیند طراحی جریان های گفتگو، یکپارچه سازی پایگاه های دانش و اتصال به API های خارجی را ساده می کند. در مورد ما، از Agent Builder برای اتصال یکپارچه با نقطه پایانی Cloud Function که در قسمت 1 ساخته‌ایم، استفاده می‌کنیم، و به دستیار جستجوی پتنت ما امکان می‌دهد به پایگاه دانش ثبت اختراع ما دسترسی داشته باشد و به سؤالات کاربر به طور هوشمند پاسخ دهد.

مطمئن شوید که Java Cloud Run Function در قسمت 1 ایجاد شده است و به جای متن ساده، یک آرایه JSON را برمی گرداند.

ساخت عامل

بیایید با ایجاد این عامل جدید برای پاسخ به سوالات کاربران برای محصولات پوشاک شروع کنیم.

1. با ورود به پلتفرم Agent Builder شروع کنید. اگر از شما خواست که API را فعال کنید، ادامه دهید و روی Continue AND ACTIVE THE API کلیک کنید.
2. روی "ایجاد برنامه" کلیک کنید و به نماینده خود یک نام توصیفی بدهید (به عنوان مثال، "دستیار جستجوی ثبت اختراع").
3. نوع برنامه "عامل" را کلیک کنید.

4. . به نماینده خود یک نام توصیفی مانند " دستیار جستجوی ثبت اختراع " بدهید و منطقه را به عنوان us-central1 تنظیم کنید
5. مشخصات نماینده را وارد کنید:
6. نام عامل را به " نماینده جستجوی ثبت اختراع " تغییر دهید.
7. "هدف" زیر را اضافه کنید:

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. آن را در این مرحله ذخیره کنید و دستورالعمل ها را فعلا خالی بگذارید.
4. سپس از منوی ناوبری Tools را کلیک کنید و روی CREATE کلیک کنید.

نام ابزار را وارد کنید: ابزار جستجوی ثبت اختراع

نوع: OpenAPI

توضیحات ابزار را وارد کنید:

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.

Schema — OpenAPI در قالب YAML را وارد کنید:

این قسمتی است که در آن از نقطه پایانی backend برای تامین انرژی عامل استفاده می کنیم. مشخصات OpenAPI زیر را کپی کنید و مکان‌نمای URL (محصور در پرانتزهای زاویه‌ای) را با نقطه پایانی Cloud Function خود جایگزین کنید :

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.

تنظیمات دیگر را به مقادیر پیش فرض خود رها کرده و روی «ذخیره» کلیک کنید.

7. در این مرحله به Agent برگردید زیرا می‌خواهیم پیکربندی «ابزار» را به «دستورالعمل‌های» عامل اضافه کنیم. موارد زیر را به مکان‌بان دستورالعمل‌ها اضافه کنید (به یاد داشته باشید که تورفتگی‌ها در تعریف جریان مهم هستند):

- 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.

اطمینان حاصل کنید که ابزار "ابزار جستجوی ثبت اختراع" در بخش "ابزارهای موجود" انتخاب شده است و سپس دوباره عامل را ذخیره کنید.

5. عامل را تست کنید

در قسمت سمت راست، باید بخش Preview Agent را ببینید که به شما امکان می دهد نماینده خود را آزمایش کنید.

همانطور که در تصویر زیر می بینید، من به عنوان یک کاربر خوش آمد گفته ام و چت خود را با درخواست "تطابق حق ثبت اختراع برای هر ایده ردیاب تناسب اندام" آغاز کرده ام:

این پاسخ JSON است:

این نتیجه JSON خام از تابع Cloud است که جستجوی مشابهت AlloyDB را پردازش می کند. همین! ما اکنون با نماینده آماده هستیم.

6. استقرار و ادغام

هنگامی که از عامل خود راضی شدید، می توانید به راحتی آن را با استفاده از ادغام های Agent Builder در کانال های مختلف مستقر کنید. می توانید آن را در وب سایت خود جاسازی کنید، آن را با پلتفرم های پیام رسانی محبوب ادغام کنید یا حتی یک برنامه اختصاصی موبایل ایجاد کنید. همچنین می‌توانیم از Agent Builder API مستقیماً در برنامه‌های کلاینت وب خود استفاده کنیم که در این وبلاگ به آن پرداخته‌ایم.

7. پاکسازی کنید

برای جلوگیری از تحمیل هزینه به حساب Google Cloud خود برای منابع استفاده شده در این پست، این مراحل را دنبال کنید:

1. در کنسول Google Cloud، به مدیریت بروید
2. صفحه منابع
3. در لیست پروژه، پروژه ای را که می خواهید حذف کنید انتخاب کنید و سپس روی Delete کلیک کنید.
4. در محاوره، شناسه پروژه را تایپ کنید و سپس روی Shut down کلیک کنید تا پروژه حذف شود.

8. تبریک می گویم

تبریک می گویم! با ادغام قدرت موتور تجزیه و تحلیل سفارشی ما با رابط بصری Agent Builder، ما یک دستیار جستجوی ادبیات هوشمند را ایجاد کرده‌ایم که جستجوهای ادبیات را در دسترس، کارآمد و واقعاً معنادار می‌کند. با ترکیب قابلیت‌های AlloyDB ، Vertex AI ، و Vector Search ، ما جهشی بزرگ در ایجاد جستجوهای متنی و برداری در دسترس، کارآمد، واقعاً معنادار و عاملی انجام داده‌ایم!