Создание помощника по патентному поиску с помощью AlloyDB и Vertex AI Agent Builder — часть 2. Создание помощника по патентному поиску с помощью AlloyDB и Vertex AI Agent Builder — часть 2.

1. Обзор

Патентные исследования обширны и сложны. Проанализировать бесчисленные технические рефераты в поисках соответствующих инноваций — непростая задача. Традиционный поиск по ключевым словам часто бывает неточным и отнимает много времени. Тезисы длинные и технические, что затрудняет быстрое понимание основной идеи. Это может привести к тому, что исследователи упустят ключевые патенты или потратят время на получение нерелевантных результатов.

Секрет этой революции кроется в векторном поиске. Вместо того чтобы полагаться на простое сопоставление ключевых слов, векторный поиск преобразует текст в числовые представления (вложения). Это позволяет нам осуществлять поиск по смыслу запроса, а не только по конкретным используемым словам. В мире поиска литературы это меняет правила игры. Представьте себе, что вы нашли патент на «носимой пульсометр», даже если точная фраза не используется в документе.

Задача: Ожидается, что современный поиск литературы даст мгновенные ответы и разумные рекомендации, соответствующие их уникальным предпочтениям. Традиционные методы поиска часто не обеспечивают такого уровня персонализации.

Решение: Наше чат-приложение, основанное на знаниях, справится с этой задачей. Он использует богатую базу знаний, полученную на основе вашего набора патентных данных, для понимания намерений клиентов, разумного реагирования и предоставления сверхрелевантных результатов.

Что ты построишь

В рамках этой лабораторной работы (Часть 2) вы:

1. Создайте агент Vertex AI Agent Builder.
2. Интегрируйте инструмент AlloyDB с агентом

Требования

• Браузер, например Chrome или Firefox.
• Проект Google Cloud с включенной оплатой.

2. Архитектура

Поток данных. Давайте подробнее рассмотрим, как данные перемещаются через нашу систему:

Проглатывание :

Данные патентов загружаются в AlloyDB.

Аналитический механизм:

Мы будем использовать AlloyDB в качестве аналитической системы для выполнения следующих задач:

1. Извлечение контекста: механизм анализирует данные, хранящиеся в AlloyDB, чтобы понять набор данных о патентах.
2. Создание встраивания: встраивания (математические представления текста) создаются как для запроса пользователя, так и для информации, хранящейся в AlloyDB.
3. Векторный поиск: механизм выполняет поиск по сходству, сравнивая встраивание запроса с встраиванием рефератов патентов. Это определяет наиболее релевантного «ближайшего соседа» для контекста, который ищет пользователь.

Генерация ответа:

Проверенные ответы структурируются в массив JSON, а весь механизм упаковывается в бессерверную функцию запуска облака, которая вызывается из Agent Builder.

Вышеуказанные шаги уже рассмотрены в части 1 лабораторной работы.

Мы обсудили технические детали создания аналитической системы, основанной на знаниях, которая станет основой нашего умного помощника по патентному поиску. Теперь давайте рассмотрим, как мы можем использовать магию Agent Builder, чтобы воплотить этот механизм в жизнь в диалоговом интерфейсе. Прежде чем приступить к части 2, убедитесь, что у вас готов URL-адрес конечной точки. Следующий шаг — это то, что мы рассмотрим в этой лабораторной работе:

Разговорное взаимодействие:

Agent Builder представляет ответы пользователю в формате естественного языка, облегчая двусторонний диалог.

3. Прежде чем начать

Создать проект

1. В Google Cloud Console на странице выбора проекта выберите или создайте проект Google Cloud.
2. Убедитесь, что для вашего облачного проекта включена оплата. Узнайте, как проверить, включена ли оплата в проекте .
3. Вы будете использовать Cloud Shell , среду командной строки, работающую в Google Cloud, в которую предварительно загружен bq. Нажмите «Активировать Cloud Shell» в верхней части консоли Google Cloud.

4. После подключения к Cloud Shell вы проверяете, что вы уже прошли аутентификацию и что для проекта установлен идентификатор вашего проекта, используя следующую команду:

gcloud auth list

5. Выполните следующую команду в Cloud Shell, чтобы убедиться, что команда gcloud знает о вашем проекте.

gcloud config list project

6. Если ваш проект не установлен, используйте следующую команду, чтобы установить его:

gcloud config set project <YOUR_PROJECT_ID>

7. Включите необходимые API. Альтернатива команде gcloud — через консоль, выполнив поиск по каждому продукту или воспользовавшись этой ссылкой .

Если какой-либо API пропущен, вы всегда можете включить его в ходе реализации.

Обратитесь к документации по командам и использованию gcloud.

Важное примечание: Кроме того, убедитесь, что вы выполнили ЧАСТЬ 1 лабораторной работы, чтобы выполнить это задание.

4. Создание агента

Представляем Agent Builder

Agent Builder — это мощный инструмент с низким уровнем написания кода, который позволяет нам быстро и эффективно создавать диалоговые агенты. Он упрощает процесс проектирования диалоговых потоков, интеграции баз знаний и подключения к внешним API. В нашем случае мы будем использовать Agent Builder для беспрепятственного подключения к конечной точке облачной функции, которую мы создали в части 1 , что позволит нашему помощнику по патентному поиску получить доступ к нашей базе патентных знаний и разумно отвечать на запросы пользователей.

Убедитесь, что у вас есть функция Java Cloud Run, созданная в части 1 , возвращающая МАССИВ JSON вместо обычного текста.

Создание агента

Давайте начнем с создания нового агента для ответов на вопросы пользователей по швейной продукции.

1. Начните с входа на платформу Agent Builder . Если вам будет предложено активировать API, нажмите «ПРОДОЛЖИТЬ И АКТИВИРОВАТЬ API».
2. Нажмите «СОЗДАТЬ ПРИЛОЖЕНИЕ» и дайте своему агенту описательное имя (например, «Помощник по патентному поиску»).
3. Нажмите Тип приложения «Агент».

4. . Дайте своему агенту описательное имя, например « Помощник по патентному поиску », и установите регион как us-central1.
5. Введите данные агента:
6. Измените имя агента на « Агент по патентному поиску ».
7. Добавьте ниже «Цель»:

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. Сохраните его на этом этапе и пока оставьте инструкции пустыми.
4. Затем нажмите «Инструменты» в меню навигации и нажмите «СОЗДАТЬ».

Введите название инструмента: Инструмент патентного поиска

Тип: OpenAPI

Введите описание инструмента:

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.

Введите схему — OpenAPI в формате YAML:

Это та часть, где мы используем конечную точку бэкэнда для питания агента. Скопируйте приведенную ниже спецификацию OpenAPI и замените заполнитель URL-адреса (заключенный в угловые скобки) конечной точкой облачной функции:

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.

Для остальных конфигураций оставьте значения по умолчанию и нажмите «Сохранить».

7. На этом этапе вернитесь к агенту, потому что мы хотим добавить конфигурацию «Инструмент» в «Инструкции» агента. Добавьте приведенный ниже заполнитель инструкций (помните, что отступы важны для определения потока):

- 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.

Убедитесь, что в разделе «Доступные инструменты» выбран инструмент «Инструмент патентного поиска», а затем снова сохраните агент.

5. Проверьте агента

На правой панели вы должны увидеть раздел «Предварительный просмотр агента», который позволяет вам протестировать ваш агент.

Как вы можете видеть на скриншоте ниже, я поприветствовал пользователя и начал чат с запроса «Соответствие патента любой идее фитнес-трекера» :

Это ответ JSON:

Это необработанный результат JSON от облачной функции, которая обрабатывает поиск сходства AlloyDB. Вот и все! Теперь у нас все готово с агентом.

6. Развертывание и интеграция

Если вы удовлетворены своим агентом, вы можете легко развернуть его в различных каналах с помощью интеграции Agent Builder. Вы можете встроить его на свой веб-сайт, интегрировать с популярными платформами обмена сообщениями или даже создать специальное мобильное приложение. Мы также можем использовать API Agent Builder непосредственно в наших веб-клиентских приложениях, о которых мы рассказали в этом блоге .

7. Очистка

Чтобы избежать списания средств с вашей учетной записи Google Cloud за ресурсы, используемые в этом посте, выполните следующие действия:

1. В консоли Google Cloud перейдите в раздел «Управление» .
2. страница ресурсов .
3. В списке проектов выберите проект, который хотите удалить, и нажмите «Удалить» .
4. В диалоговом окне введите идентификатор проекта, а затем нажмите «Завершить работу» , чтобы удалить проект.

8. Поздравления

Поздравляем! Объединив возможности нашей специально созданной аналитической системы с интуитивно понятным интерфейсом Agent Builder, мы создали интеллектуального помощника по поиску литературы, который делает поиск литературы доступным, эффективным и действительно целенаправленным. Объединив возможности AlloyDB , Vertex AI и Vector Search , мы сделали гигантский шаг вперед в том, чтобы сделать контекстный и векторный поиск доступным, эффективным, по-настоящему осмысленным и агентным!