成为会员时间：2025
Deploy a RAG application with vector search in Firestore
Earned Jan 11, 2026 EST
Implement Hybrid Search
Earned Jan 9, 2026 EST
Implement RAG with Vertex AI
Earned Jan 9, 2026 EST
使用 BigQuery 创建嵌入、向量搜索和 RAG
Earned Jan 4, 2026 EST
生成式 AI 应用：改变工作方式
Earned Sep 10, 2025 EDT
生成式 AI：不只是聊天机器人
Earned Sep 9, 2025 EDT
This lab tests your ability to develop a real-world Generative AI Q&A solution using a RAG framework. You will use Firestore as a vector database and deploy a Flask app as a user interface to query a food safety knowledge base.
Learn how to create Hybrid Search applications using Vertex AI Vertex Search to combine semantic searching with keyword search to return results based on both semantic meaning and keyword matching.
Learn how to build your own Retrieval-Augmented Generation (RAG) solutions for greater control and flexibility than out-of-the-box implementations. Create a custom RAG solution using Vertex AI APIs, vector stores, and the LangChain framework.
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。
“生成式 AI 应用：改变工作方式”是 Generative AI Leader 学习路线的第四门课程。本课程介绍 Google 的生成式 AI 应用，例如 Gemini for Workspace 和 NotebookLM。它将引导您逐一了解接地、检索增强生成、构建有效提示和构建自动化工作流等概念。
“生成式 AI：不只是聊天机器人”是 Generative AI Leader 学习路线中的第一门课程。学习本课程没有知识门槛。本课程旨在帮助您超越对聊天机器人的基本认知,探索生成式 AI技术为您的组织带来的真正潜力。您将探索基础模型和提示工程等概念,这些知识对利用生成式 AI 的强大功能至关重要。本课程还将说明,为组织制定成功的生成式 AI 策略时,需要考虑哪些重要因素。