Descubre la aplicación de conversación en Vertex AI en Google Cloud
📑 Contenido
- Introducción
- Creación de una aplicación de conversación en Vertex AI en Google Cloud
- Paso 1: Crear una nueva aplicación
- 3.1 Crear una aplicación de búsqueda
- 3.2 Crear una aplicación de chat
- 3.3 Crear un motor de recomendación y contenido
- Paso 2: Proporcionar el nombre de la empresa y del agente
- Paso 3: Crear un almacén de datos
- 5.1 Almacenamiento de datos estructurados
- 5.2 Almacenamiento de datos no estructurados
- Paso 4: Importar datos manualmente o mediante API
- 6.1 Importar datos desde BigQuery
- 6.2 Importar datos desde Cloud Storage
- Paso 5: Conectores disponibles
- Paso 6: Configuración de almacén de datos existente
- Previsualización y prueba de la aplicación de chatbot
- 9.1 Consola de diálogo
- 9.2 Personalización del chatbot con Dialogflow
- 9.3 Configuración del modelo de generación de AI
- 9.4 Prueba de agentes y preguntas
- Publicación y opciones adicionales
- 10.1 Generación de un fragmento de código para una interfaz de chatbot
- 10.2 Restricción de acceso de dominio
- 10.3 Implementación de la interfaz de chatbot en un sitio web
- Conclusión
📝 Artículo
🚀 Introducción
En este artículo, exploraremos cómo crear una aplicación de conversación en Vertex AI en Google Cloud. Vertex AI es una plataforma potente que utiliza inteligencia generativa para crear chatbots y motores de recomendación de contenido. Veremos paso a paso cómo realizar esta creación y configuración, así como las diferentes opciones y personalizaciones disponibles.
Paso 1: Crear una nueva aplicación
Para comenzar, necesitamos crear una nueva aplicación. En Vertex AI, tenemos tres opciones disponibles: una aplicación de búsqueda, una aplicación de chat y un motor de recomendación y contenido. Dado que estamos interesados en crear un chatbot, seleccionamos la opción de "chat".
3.1 Crear una aplicación de búsqueda
La primera opción es crear una aplicación de búsqueda, la cual es una aplicación de búsqueda empresarial lista para usar, impulsada por inteligencia generativa. Esta opción es ideal si deseamos implementar una plataforma de búsqueda avanzada en nuestra empresa.
3.2 Crear una aplicación de chat
La segunda opción es crear una aplicación de chat, la cual es un chatbot potenciado por inteligencia generativa. Aquí es donde centraremos nuestro enfoque, ya que deseamos desarrollar un chatbot conversacional capaz de responder preguntas y brindar información relevante.
3.3 Crear un motor de recomendación y contenido
La tercera opción es crear un motor de recomendación y contenido. Esta opción es ideal si deseamos ofrecer a nuestros usuarios recomendaciones personalizadas en función de sus preferencias y comportamientos.
Paso 2: Proporcionar el nombre de la empresa y del agente
Una vez seleccionada la opción de chat, se nos solicitará proporcionar el nombre de nuestra empresa y el nombre del agente. Estos nombres serán utilizados para identificar nuestra aplicación y personalizar la experiencia del chatbot según nuestra marca.
Paso 3: Crear un almacén de datos
El siguiente paso es crear un almacén de datos. Este almacén contendrá la información que el chatbot utilizará para proporcionar respuestas relevantes. Tenemos varias opciones para seleccionar el tipo de datos que almacenaremos.
5.1 Almacenamiento de datos estructurados
Si tenemos datos estructurados en nuestro almacén de datos, podemos utilizar BigQuery como opción de almacenamiento. BigQuery nos permite almacenar y consultar datos estructurados de manera eficiente.
5.2 Almacenamiento de datos no estructurados
Si tenemos datos no estructurados, podemos utilizar Cloud Storage como opción de almacenamiento. Cloud Storage admite una variedad de formatos de datos no estructurados y nos proporciona la flexibilidad necesaria para importar datos manualmente o mediante API.
Paso 4: Importar datos manualmente o mediante API
Una vez configurado el almacén de datos, podemos proceder a importar datos. Si tenemos datos estructurados en BigQuery, podemos importarlos directamente desde allí. Por otro lado, si tenemos datos no estructurados en Cloud Storage, podemos importarlos manualmente o mediante API.
6.1 Importar datos desde BigQuery
Si seleccionamos la opción de importar datos desde BigQuery, debemos asegurarnos de que nuestros datos estén estructurados y almacenados correctamente en la plataforma. Vertex AI se encargará de extraer y utilizar esta información para entrenar nuestro chatbot.
6.2 Importar datos desde Cloud Storage
Si optamos por importar datos desde Cloud Storage, debemos asegurarnos de que los datos estén en uno de los formatos admitidos. Podemos utilizar diversos formatos, como texto plano, JSON o XML. Estos datos se utilizarán para entrenar a nuestro chatbot con la información relevante.
Paso 5: Conectores disponibles
Además de las opciones mencionadas anteriormente, también contamos con conectores para facilitar la importación de datos desde diferentes fuentes. Estos conectores permiten integrar nuestra aplicación con diversos servicios externos, como bases de datos, aplicaciones web o redes sociales.
Paso 6: Configuración de almacén de datos existente
Si ya tenemos un almacén de datos configurado previamente, podemos utilizarlo en lugar de crear uno nuevo. Esto nos permite reutilizar información existente y combinarla con nuevas fuentes de datos para enriquecer la base de conocimientos de nuestro chatbot.
Continua...