Dieser Abschnitt enthält eine Sammlung von Beispielen und verwandten Ressourcen für die Bibliothek für Google Publisher-Tags (GPT).
Viele Inhalte dieses Abschnitts finden Sie auch in unserem GitHub-Repository. Beispielcode und die zugehörige Dokumentation wurden unter der Apache License 2.0 als Open-Source-Version veröffentlicht.
Erstellen Sie Ihr eigenes benutzerdefiniertes Beispiel mit dem GPT-Beispiel-Builder (Beta).
KI-Chatbots mit Vertex AI Agent Builder erstellen
In diesem Codelab erfahren Sie, wie Sie mit den leistungsstarken Tools und der Infrastruktur von Google Cloud generative KI-Agenten erstellen und bereitstellen. Wir gehen auf die wichtigsten Konzepte ein und führen Sie durch die ersten Schritte, um Ihren ersten Kundenservicemitarbeiter einzurichten.
Codelab zu Trusted Space
In diesem Codelab erfahren Sie, wie Sie eine KI-/ML-Arbeitslast mit einem Beschleuniger mithilfe der Lösung für Trusted Spaces ausführen.
Full-Stack-JavaScript-Anwendung mit Cloud SQL for PostgreSQL in Cloud Run bereitstellen
Cloud Run ist eine vollständig verwaltete Plattform, mit der Sie Ihren Code direkt auf der skalierbaren Infrastruktur von Google ausführen können. In diesem Codelab wird gezeigt, wie Sie eine Next.js-Anwendung in Cloud Run mit einer Cloud SQL for
Codelab für die logistische Regression
In diesem Codelab erfahren Sie, wie Sie mithilfe der logistischen Regression feststellen können, inwieweit Merkmale wie Geschlecht, Altersgruppe, Zeitpunkt der Impression und Browsertyp im Zusammenhang mit der Wahrscheinlichkeit stehen, mit der
Codelab für die logistische Regression
In diesem Codelab erfahren Sie, wie Sie mithilfe der logistischen Regression feststellen können, inwieweit Merkmale wie Geschlecht, Altersgruppe, Zeitpunkt der Impression und Browsertyp im Zusammenhang mit der Wahrscheinlichkeit stehen, mit der
Codelab für die lineare Regression
In diesem Codelab erfahren Sie, wie Sie mithilfe der linearen Regression ein Modell zur Vorhersage des Cost-per-Click erstellen. Für dieses Codelab benötigen Sie Folgendes: Ausreichend hochwertige Kampagnendaten zum Erstellen eines Modells Führen Sie
Codelab für die lineare Regression
In diesem Codelab erfahren Sie, wie Sie mithilfe der linearen Regression ein Modell zur Vorhersage des Cost-per-Click erstellen. Für dieses Codelab benötigen Sie ausreichend hochwertige Kampagnendaten zum Erstellen eines Modells. Führen Sie die
Erste Schritte mit der Vektorsuche in Cloud Spanner
In diesem Codelab erstellen Sie eine Spanner-Instanz und führen mithilfe der integrierten Vektorsuche von Spanner und der Einbindung in Vertex AI-Modelle eine Ähnlichkeitssuche für Vektoreinbettungen durch.
Aidemy: Building Multi-Agent Systems with LangGraph, EDA, and Generative AI on Google Cloud
Entwicklung eines funktionalen KI-gestützten Lehrassistentensystems namens „Aidemy“ auf der Google Cloud Platform, das die Leistungsfähigkeit von Multi-Agenten-Systemen demonstriert. Sie sammeln praktische Erfahrungen beim Entwerfen, Erstellen und Bereitstellen eines komplexen Multi-Agenten-Systems in Google Cloud, beherrschen die wichtigsten Konzepte bei der Entwicklung von LLM-Anwendungen und verstehen die Vorteile ereignisgesteuerter Architekturen.
- Python
Suchanwendung für Spielzeuggeschäfte mit Cloud-Datenbanken, serverlosen Laufzeiten und Open-Source-Integrationen
In diesem Codelab erstellen Sie eine RAG-basierte Vektorsuchanwendung, die passende Spielzeuge für die Kundensuche (über Texte und Bilder) finden, benutzerdefinierte Spielzeuge auf der Grundlage von Nutzeranfragen erstellen und den Preis für das benutzerdefinierte Spielzeug mit AlloyDB, Gemini, Imagen, LangChain4j und der GenAI Toolbox for Databases vorhersagen soll.
- Python
- Objective-C
Private Service Connect-Schnittstelle für Vertex AI Pipelines
In dieser Anleitung erfahren Sie, wie Sie Vertex AI-Pipelines mit Private Service Connect konfigurieren und validieren.
- Python
Mit AlloyDB AI und LangChain eine LLM- und RAG-basierte Chat-App erstellen
In diesem Codelab erfahren Sie, wie Sie einen AlloyDB-Cluster erstellen, den Gen AI Databases Retrieval Service für Datenbanken bereitstellen und mit dem Dienst eine Beispielanwendung erstellen.
AlloyDB Omni und lokales KI-Modell in Kubernetes
In diesem Codelab erfahren Sie, wie Sie AlloyDB Omni in einem GKE-Cluster bereitstellen, ein I-Modell in demselben Cluster bereitstellen, das Modell in AlloyDB Omni registrieren und die beiden zusammenarbeiten lassen.
Beschleunigung analytischer Abfragen mit der spaltenbasierten Engine in AlloyDB Omni
In diesem Codelab erfahren Sie, wie Sie AlloyDB Omni auf einer Compute-VM bereitstellen, Daten laden und die Leistung mit der AlloyDB Columnar Engine verbessern.
Erste Schritte mit Vektoreinbettungen mit AlloyDB AI
In diesem Codelab erfahren Sie, wie Sie AlloyDB AI in Kombination mit der Vektorsuche verwenden und einen Index für die Vektordaten erstellen.
Gemini Code Assist Standard und Enterprise für Entwickler im Google Cloud Shell-Editor kennenlernen
In diesem Codelab verwenden Sie Gemini Code Assist, einen KI-gestützten Mitbearbeiter in Google Cloud. Sie lernen, wie Sie mit Gemini Chat und Inline-Code-Unterstützung Code generieren, Code verstehen und andere KI-gestützte Programmieraufgaben erledigen können.
Erste Schritte mit Vektoreinbettungen in Cloud SQL for PostgreSQL
In diesem Codelab erfahren Sie, wie Sie die Cloud SQL-KI-Integration in Kombination mit der Vektorsuche verwenden und einen Index für die Vektordaten erstellen.
AVIF-Bilder bereitstellen
Bilder machen mehr als 60% der Bytes aus, die zum Laden einer Webseite durchschnittlich benötigt werden. Mit AVIF können Sie Ihre Bilder verkleinern und die Ladezeit Ihrer Website verkürzen. AVIF ist ein Bildformat, das vom AV1-Videobitstream
Private Service Connect für AlloyDB erstellen
In diesem Codelab erfahren Sie, wie Sie eine Private Service Connect-Verbindung für AlloyDB erstellen.
Gemini-basierten YouTube-Zusammenfassungsdienst erstellen
In diesem Codelab erfahren Sie, wie Sie einen Gemini-basierten Video-Zusammenfassungsdienst erstellen, mit dem YouTube-Videos zusammengefasst werden können.
- Python
Private Service Connect für Cloud SQL erstellen
In diesem Codelab erfahren Sie, wie Sie eine Private Service Connect-Verbindung für Cloud SQL erstellen.
Toolbox für Ihre Gen AI- und Agentic-Anwendungen in AlloyDB installieren und einrichten
In diesem Codelab erstellen und stellen Sie eine Toolbox für Ihre Preisvorhersage-Anwendung bereit, die AlloyDB und generative KI-Funktionen mit dem Gen AI Toolbox for Databases-Dienst verwendet.
- Python
Praktische Verfahren zur Beobachtbarkeit von Anwendungen mit generativer KI in Go
Generative KI-Anwendungen erfordern wie alle anderen Anwendungen Beobachtbarkeit. Sind für generative KI spezielle Verfahren zur Beobachtung erforderlich? In diesem Lab erstellen Sie eine einfache Gen AI-Anwendung. Stellen Sie sie in Cloud Run
- Go
Codelab – Eine kontextbezogene Empfehlungs-App für Yoga-Posen mit Firestore, Vector Search, LangChain und Gemini erstellen (Python-Version)
In diesem Codelab erfahren Sie, wie Sie eine App erstellen, die Yoga-Posen empfiehlt. Die App beantwortet Nutzerfragen, indem sie passende Yoga-Posen vorschlägt. Sie lernen, eine Firestore-Sammlung von Yoga-Posen aus einem Hugging Face-Dataset zu erstellen, die Firestore Vector Search einzurichten und alles in eine Flask-Anwendung einzubinden.
- Python
Praktische Methoden zur Beobachtbarkeit von Anwendungen mit generativer KI in JavaScript
Generative KI-Anwendungen erfordern wie alle anderen Anwendungen Beobachtbarkeit. Sind für generative KI spezielle Verfahren zur Observabilität erforderlich? In diesem Lab erstellen Sie eine einfache Gen AI-Anwendung. Stellen Sie sie in Cloud Run
Praktische Methoden zur Beobachtbarkeit von Anwendungen mit generativer KI in Python
Generative KI-Anwendungen erfordern wie alle anderen Anwendungen Beobachtbarkeit. Sind für generative KI spezielle Verfahren zur Observabilität erforderlich? In diesem Lab erstellen Sie eine einfache Gen AI-Anwendung. Stellen Sie sie in Cloud Run
- Python
Praktische Methoden zur Beobachtbarkeit von Anwendungen mit generativer KI in Java
Generative KI-Anwendungen erfordern wie alle anderen Anwendungen Beobachtbarkeit. Sind für generative KI spezielle Verfahren zur Observabilität erforderlich? In diesem Lab erstellen Sie eine einfache Gen AI-Anwendung. Stellen Sie sie in Cloud Run
- Java
Anwendungen im Zeitalter der KI entwickeln
In diesem Lab verwenden Sie die generativen KI-Produkte von Google, um mithilfe von Gemini Cloud Assist eine Infrastruktur in Google Cloud zu erstellen, BigQuery-Daten mithilfe von SQL-Funktionen von Data Canvas in natürlicher Sprache abzufragen,
- Python
Kontextbezogene Yoga-Posen-Empfehlungs-App mit Firestore, Vector Search und Gemini 2.0 erstellen
In diesem Codelab erstellen Sie eine kontextbezogene Such-App für Yoga-Posen, die Nutzerfragen zu Yoga-Posen beantworten soll. Außerdem kannst du damit administrative Aufgaben wie das Erstellen und Bearbeiten von Yoga-Posen erledigen.