GSP1264

Visão geral

O embasamento na Vertex AI permite usar modelos de texto generativos para gerar conteúdo baseado nos seus próprios documentos e dados. Esse recurso permite que o modelo acesse informações no ambiente de execução que vão além dos dados de treinamento. Ao embasar as respostas do modelo nos resultados da Pesquisa Google ou em repositórios de dados na Vertex AI para Pesquisa, os LLMs baseados em dados podem produzir respostas mais precisas, atualizadas e relevantes.

O embasamento oferece os seguintes benefícios:

Reduz as alucinações do modelo (situações em que o modelo gera conteúdo que não é factual) Vincula as respostas do modelo a informações, documentos e fontes de dados específicos Melhora a confiabilidade, a precisão e a aplicabilidade do conteúdo gerado

É possível configurar duas fontes diferentes de embasamento na Vertex AI:

1. Resultados da Pesquisa Google para dados que estão disponíveis e indexados publicamente.

• Se você usar esse serviço em um aplicativo de produção, também precisará usar um ponto de entrada da Pesquisa Google.

2. Repositórios de dados na Vertex AI para Pesquisa, que podem incluir seus próprios dados no formato de dados de site, dados não estruturados ou dados estruturados

Gemini

Gemini é uma família de modelos avançados de IA generativa desenvolvido pelo Google DeepMind. Ele é capaz de entender e gerar várias formas de conteúdo, como texto, código, imagens, áudio e vídeo.

API Gemini na Vertex AI

A API Gemini na Vertex AI oferece uma interface unificada de interação com os modelos do Gemini. Com isso, desenvolvedores podem integrar esses recursos avançados de IA aos aplicativos com facilidade. Para conferir os detalhes mais recentes e recursos específicos dos últimos lançamentos, consulte a documentação oficial do Gemini.

Modelos do Gemini

• O Gemini Pro foi projetado para tarefas de raciocínio complexo, incluindo:
  • Análise e resumo de grandes quantidades de informações.
  • Raciocínio multimodal avançado (em texto, código, imagens etc.).
  • Solução eficaz de problemas em bases de código complexas.
• O Gemini Flash conta com velocidade e eficiência otimizadas, oferecendo:
  • Tempos de resposta com menos de um segundo e alta capacidade de processamento.
  • Alta qualidade com custos reduzidos para diversas tarefas.
  • Recursos multimodais avançados, incluindo melhor compreensão espacial, novas modalidades de saída (texto, áudio, imagens) e o uso de ferramentas nativas (Pesquisa Google, execução de código e funções de terceiros).

Pré-requisitos

Antes de fazer este laboratório, você precisa saber os seguintes conceitos:

• Noção básica de programação em Python.
• Conceitos gerais sobre APIs.
• Executar códigos Python em um notebook do Jupyter no Vertex AI Workbench.

Objetivos

Neste laboratório, você vai aprender a:

• Gerar texto de LLM e respostas de modelo de chat embasadas nos resultados da pesquisa do Google.
• Comparar os resultados das respostas de LLM não embasadas com as respostas de LLM embasadas.
• Criar e usar um repositório de dados na Vertex AI para Pesquisa para embasar respostas em documentos e dados personalizados.
• Gerar texto de LLM e respostas de modelo de chat embasadas nos resultados da Vertex AI para Pesquisa.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

   {{{user_0.username | "Username"}}}

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

   {{{user_0.password | "Password"}}}

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1: abrir o notebook no Vertex AI Workbench

1. No menu de navegação () do console do Google Cloud, clique em Vertex AI > Workbench.

2. Ache a instância e clique no botão Abrir o JupyterLab.

A interface do JupyterLab para sua instância do Workbench é aberta em uma nova guia do navegador.

Tarefa 2: configurar o notebook

1. Abra o arquivo .

2. Na caixa de diálogo Selecionar Kernel, escolha Python 3 na lista de kernels disponíveis.

3. Execute as seções Vamos começar e Importar bibliotecas do notebook.

   • Para ID do projeto, use , e em Local, use .

Observação: é possível pular as células do notebook que tenham a indicação Somente Colab. Se você receber uma resposta 429 de uma das execuções de células do notebook, aguarde 1 minuto antes de executar a célula novamente para prosseguir.

Clique em Verificar meu progresso para conferir o objetivo. Instalar pacotes e importar bibliotecas.

Tarefa 3: embasamento com os resultados da Pesquisa Google

1. Execute a seção Exemplo: embasamento com os resultados da Pesquisa Google do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Embasamento com os resultados da Pesquisa Google.

Tarefa 4: criar um Datastore da Vertex AI

Nesta seção, você vai criar um Datastore da Vertex AI no console do Cloud.

1. Na caixa de pesquisa na parte de cima, digite Aplicativos de AI e selecione Aplicativos de AI nos resultados.

2. Na página de destino Bem-vindo aos aplicativos de IA, clique em CONTINUAR E ATIVAR A API.

3. Acesse a página Repositórios de dados > Criar repositório de dados.

4. No painel Selecionar uma fonte de dados, escolha Conteúdo do site.

5. No painel Especificar os sites para seu repositório de dados, verifique se a indexação avançada de sites está desativada.

6. No campo Sites a incluir, insira:

cloud.google.com/generative-ai-app-builder/*

7. Clique em Continuar.

8. No painel Configure seu repositório de dados, selecione global (Global) como o local do seu repositório de dados.

9. Insira um nome para o repositório de dados. Observe o ID que é gerado. Você vai precisar dele mais tarde.

10. Clique em Criar.

Clique em Verificar meu progresso para conferir o objetivo. Crie um Datastore da Vertex AI.

Tarefa 5: criar um aplicativo da Vertex AI para Pesquisa

Nesta seção, você vai criar um aplicativo da Vertex AI para Pesquisa no console do Cloud.

1. Acesse a página Apps > Criar app.

2. Na página "Criar app", em Pesquisar no site, clique em Criar.

3. Verifique se a opção Recursos da edição Enterprise está ativada.

4. No campo Nome do app, insira um nome para seu app. O ID do app aparece abaixo do nome dele.

5. No campo Nome externo da sua empresa ou organização, insira o nome da empresa ou organização. Neste tutorial, é possível usar o Google Cloud, porque o app vai pesquisar um site do Google Cloud.

6. Selecione global (Global) como o local do app e clique em Continuar.

7. Na lista de repositórios de dados, selecione aquele que você criou anteriormente e clique em Criar.

Observação: depois de criar a pesquisa, aguarde pelo menos cinco minutos para o aplicativo indexar os sites incluídos. Aguarde a criação do índice antes de prosseguir para as próximas células do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Criar um aplicativo da Vertex AI para Pesquisa.

Tarefa 6: embasamento com documentos e dados personalizados

1. Confira a seção Exemplo: embasamento com documentos e dados personalizados do notebook. Use o ID do repositório de dados criado nas tarefas anteriores quando necessário.

Clique em Verificar meu progresso para conferir o objetivo. Embasamento com documentos e dados personalizados.

Tarefa 7: respostas de chat embasadas

1. Confira a seção Exemplo: respostas de chat embasadas do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Respostas de chat embasadas.

Parabéns!

Neste laboratório, você aprendeu a fundamentar modelos de linguagem grandes (LLMs) na Pesquisa Google e em fontes de dados personalizadas. Ao comparar respostas de LLMs com e sem embasamento, você percebeu o impacto significativo que o embasamento tem na qualidade e na precisão da resposta. Além disso, você ganhou experiência prática criando e usando um repositório de dados na Vertex AI para Pesquisa, o que permite embasar modelos de chat e texto de LLM nos seus próprios documentos e dados.

Próximas etapas / Saiba mais

Confira os recursos a seguir para saber mais sobre o Gemini:

• Visão geral do Gemini
• IA generativa na documentação da Vertex AI
• IA generativa no YouTube
• Confira o manual da Vertex AI para acessar uma galeria selecionada e pesquisável de notebooks da IA generativa.
• Conheça outros notebooks e exemplos no Repositório da IA generativa do Google Cloud (em inglês).

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 3 de abril de 2025

Laboratório testado em 3 de abril de 2025

Copyright 2025 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.