成为会员时间：2026
优化智能体行为
Earned Mar 19, 2026 EDT
使用智能体开发套件 (ADK) 打造您的首个智能体
Earned Mar 11, 2026 EDT
智能体基础知识
Earned Mar 11, 2026 EDT
使用 BigQuery 实现多模态向量搜索
Earned Mar 10, 2026 EDT
使用 BigQuery 创建嵌入、向量搜索和 RAG
Earned Mar 10, 2026 EDT
在 BigQuery 中使用 Gemini 模型
Earned Mar 9, 2026 EDT
使用 Gemini in BigQuery 提高效率
Earned Mar 5, 2026 EST
使用 BigQuery 构建数据仓库
Earned Jan 30, 2026 EST
您已经创建了自己的第一个智能体，现在是时候更进一步了。在本课程中，您将通过学习应用高级指令、模型选择、规划功能以及结构化输出模式来精进技能，将基础 AI 智能体升级为一个精确、专业的智能助理。加入社区论坛，提出问题并参与讨论
使用 Google 的智能体开发套件 (ADK) 构建、配置和运行您的第一个 AI 智能体，将您对智能体的理解转化为实际应用。 在本实操课程中，您将设置一个完整的 ADK 开发环境，使用 Python 代码和 YAML 配置两种方式创建智能体，并通过多个界面运行智能体。您还将学习定义智能体行为的核心参数，将您在课程 1 中学到的知识应用到实际代码中。
AI 智能体代表着超越传统大语言模型 (LLM) 的重大转变：AI 智能体不再仅仅只是生成基于文本的解决方案，更能自主行动来执行这些方案。 本课程将介绍 AI 智能体的基础知识、AI 智能体与 LLM API 的区别，以及 AI 智能体在现实世界中的价值所在。本课程基于 Google 的智能体白皮书，将为您提供必要的理论基础知识，以助您编写首行智能体代码 — 非常适合希望从自主、目标导向行为（而不仅仅是文本生成）的角度理解 AI 系统的开发者、架构师和技术决策者。 加入社区论坛，提出问题并参与讨论。
完成中级技能徽章课程“使用 BigQuery 实现多模态向量搜索”， 展示自己在以下方面的技能：使用 Gemini in BigQuery 生成和调试 SQL；进行情感分析； 总结文本和识别关键字；生成嵌入；创建 RAG（检索增强生成）流水线； 以及实现多模态向量搜索。
本课程探讨 BigQuery 中用于减轻 AI 幻觉的检索增强生成 (RAG) 解决方案。BigQuery 引入了 RAG 工作流，其中涵盖了创建嵌入、搜索向量空间和生成更优质的回答。本课程解释了这些步骤背后的概念原理，以及这些步骤在 BigQuery 中的实际实施过程。学完本课程后，学员将能够使用 BigQuery 和生成式 AI 模型（如 Gemini）以及嵌入模型来构建 RAG 流水线，以解决在具体情况下遇到的 AI 幻觉问题。
本课程展示了如何在 BigQuery 中使用 AI/机器学习模型处理生成式 AI 任务。通过一个涉及客户关系管理的实际应用场景，您将学习到使用 Gemini 模型解决业务问题的工作流程。为了便于理解，本课程还将通过使用 SQL 查询和 Python 笔记本的编码解决方案提供分步指导。
此课程将探索如何使用 AI 功能套件 Gemini in BigQuery 为“数据到 AI”工作流提供助力。其中涉及到的功能包括数据探索和准备、代码生成和问题排查，以及工作流发现和可视化。此课程包含概念解释、真实使用场景以及实操实验等内容，可帮助数据从业者提升效率并加快流水线开发速度。
完成中级技能徽章课程使用 BigQuery 构建数据仓库，展示以下技能： 联接数据以创建新表、排查联接故障、使用并集附加数据、创建日期分区表， 以及在 BigQuery 中使用 JSON、数组和结构体。