מבוא לצינורות של Gemini Enterprise Agent Platform | Google Cloud Documentation

דילוג לתוכן הראשי

תחומים טכנולוגיים

‫AI ו-ML
פיתוח אפליקציות
אירוח אפליקציות
Compute
ניתוח נתונים וצינורות עיבוד נתונים
מסדי נתונים
סביבות מבוזרות, היברידיות ומרובות עננים (multi-cloud)
פתרונות לתעשייה
העברה
קשרים מקצועיים
ניראות ומעקב
אבטחה
Storage

כלים למכפלה וקטורית (cross product)

ניהול גישה ומשאבים
ניהול עלויות ושימוש
תשתית כקוד
‫SDK, שפות, frameworks וכלים

/

מסוף

English
Deutsch
Español – América Latina
Français
Indonesia
Italiano
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어

היכנס

Gemini Enterprise Agent Platform

התחלת תקופת ניסיון בחינם

סקירה כללית סטודיו סוכנים מודלים קובצי Notebook

Agent Platform
‫AI גנרטיבי

בלוג ההנדסה

תחומים טכנולוגיים
- עוד
- סקירה כללית
- סטודיו
- סוכנים
- מודלים
- קובצי Notebook
- תמחור
  - עוד
- בלוג ההנדסה
כלים למכפלה וקטורית (cross product)
- עוד
מסוף

סקירה כללית
מדריך למתחילים
מתחילים
תחילת העבודה עם Agent Platform
פיתוח קוד Gemini API באמצעות Gen AI SDK
קבלת מפתח API
הגדרת Application Default Credentials
העברה מ-Google AI Studio ל-Agent Platform
איך מתחילים להשתמש ב-Gemini 3
מדריך לכתיבת הנחיות ל-Gemini 3
ספריות של Google GenAI
אוסף פתרונות ל-AI גנרטיבי
גישה למודלים של Gemini באמצעות ספריות של OpenAI
מצב אקספרס
בחירת דגמים
- ‏Model Garden
- סקירה כללית של Model Garden
- שימוש במודלים ב-Model Garden
- בדיקת היכולות של המודל
- המודלים של Google
- כל המודלים של Google
- Gemini
- Veo
- Lyria
  - Lyria 2
  - Lyria 3
- גרסאות המודלים
- מודלים של שותפים
- סקירה כללית על מודלים של שותפים
- Claude
- Grok
  - סקירה כללית
  - Responses API
  - בקשה להפעלת פונקציה
  - פלט מובנה
  - חשיבה רציונלית
  - פרטי המודל
  - Grok 4.1 Fast
  - Grok 4.20
  - Grok 4.3
- Mistral AI
  - סקירה כללית
  - פרטי המודל
  - ‫Mistral Medium 3
  - Mistral OCR (25.05)
  - ‫Mistral Small 3.1 ‏ (25.03)
  - Codestral 2
- פריסת מודלים של שותפים מ-Model Garden
- הוצאה משימוש של מודלים של שותפים
- מודלים פתוחים
- סקירה כללית
- AlphaGenome
- DeepSeek
- הטמעה (e5)
  - Multilingual E5 Small
  - ‫Multilingual E5 Large
- Google Gemma
- קימי
  - סקירה כללית
  - Kimi K2 Thinking
- Llama
  - סקירה כללית
  - בקשת חיזויים
  - פרטי המודל
  - Llama 4 Maverick
  - Llama 4 Scout
  - Llama 3.3
- MiniMax
  - סקירה כללית
  - MiniMax M2
- OpenAI
- Qwen
- ZAI.org
- מודלים פתוחים מנוהלים (MaaS)
- מודלים פתוחים שמוטמעים באופן עצמאי
פיתוח פתרונות
- עיצוב הנחיות
- מבוא לכתיבת הנחיות
- שיטות ליצירת הנחיות
- הנחיות ספציפיות למשימה
  - עיצוב הנחיות מולטי-מודאליות
  - הנחיות לעיצוב בצ'אט
- יכולות
- בטיחות
- יצירת טקסט וקוד
- יצירת תמונות
- יצירת סרטונים
- יצירת מוזיקה
- ניתוח מדיה
- עיגון
- ההקשר של כתובת ה-URL
- העמקה
  - סקירה כללית
  - חתימות של מחשבות
- שימוש במחשב
- Live API
- הטמעות
- תרגום
- יצירת דיבור מטקסט
- תמלול הדיבור
- כלים למפתחים
- שימוש בכלים מבוססי-AI לניסוח טקסט
  - סקירה כללית
  - אופטימיזציה של הנחיות
    סקירה כללית
    אופטימיזציה ישירה (Zero-shot)
    אופטימיזציה של מעט דוגמאות
    כלי אופטימיזציה מבוסס-נתונים
  - שימוש בתבניות של הנחיות
- כוונון מודל
- מבוא לכוונון
- התאמה של מודלים של Gemini
  - כוונון מפוקח (SFT)
    מידע על כוונון מפוקח (SFT)
    הכנת הנתונים
    שימוש בכוונון מפוקח (SFT)
    
    אמצעי תקשורת נתמכים
    שיפור הטקסט
    כוונון מסמכים
    שיפור התמונה
    כוונון אודיו
    כוונון סרטונים
    שיפור בקשות להפעלת פונקציות
  - כוונון עדין של למידה חיזוקית
    מידע על כוונון עדין של למידת חיזוק
    התחלה מהירה
    
    משימת כוונון עדין של למידה חיזוקית
    סקירה כללית
    מערך נתונים לכוונון
    היפר-פרמטרים
    פונקציות של תגמולים
    מדדים ומעקב
    כוונון רציף
  - שינוי ההעדפות
    מידע על כוונון העדפות
    הכנת הנתונים
    שימוש בהתאמת ההעדפות
  - שימוש בנקודות ביקורת להתאמה
  - שימוש בכוונון מתמשך
  - המלצות לשיפור הביצועים באמצעות LoRA ו-QLoRA
  - זיקוק
- מודלים פתוחים
  - כוונון עדין של למידה מונחית וזיקוק
- מודלים של הטמעות
  - שיפור מודלים של הטמעת טקסט
- מודלים לתרגום
- העברה
- איך קוראים למודלים של Agent Platform באמצעות ספריות OpenAI
בדיקה
- סקירה כללית
- הדרכה: ביצוע הערכה באמצעות המסוף
- ביצוע הערכה באמצעות GenAI Client ב-Agent Platform SDK
- שיטות הערכה חלופיות
- הערכה באמצעות מודול ההערכה ב-Agent Platform SDK
- הרצת צינור AutoSxS
- הפעלת צינור לעיבוד נתונים לצורך הערכה
כלים לפריסה
ניהול
יצירת מודל משלכם
- סקירה כללית
- ‫MLOps ב-Agent Platform
- ממשקים ל-Agent Platform
- מדריכים למתחילים ב-Agent Platform
  - אימון מודל AutoML
  - אימון מודל בהתאמה אישית
  - קבלת מסקנות ממודל בהתאמה אישית
  - אימון מודל באמצעות Agent Platform ו-Python SDK
    מבוא
    דרישות מוקדמות
    יצירת מחברת
    יצירת מערך נתונים
    יצירת סקריפט הדרכה
    אימון מודל
    הסקת מסקנה
- מסגרות משולבות של למידת מכונה
  - PyTorch
  - TensorFlow
- Agent Platform למשתמשי BigQuery
- מילון מונחים
- מתחילים
- הגדרת פרויקט וסביבת פיתוח
- התקנה של Agent Platform SDK ל-Python
- אימות ב-Agent Platform
- בחירת שיטת אימון
- ניסיון של מדריך
  - סקירה כללית של מדריכים
  - מדריכים ל-AutoML
    
    נתוני תמונות
    סקירה כללית
    הגדרת הפרויקט והסביבה
    יצירה של מערך נתונים וייבוא תמונות
    אימון מודל לסיווג תמונות באמצעות AutoML
    הערכה וניתוח של ביצועי המודל
    פריסת מודל לנקודת קצה והסקת מסקנות
    פינוי מקום בפרויקט
    
    שלום נתונים בטבלה
    סקירה כללית
    הגדרת הפרויקט והסביבה
    יצירת מערך נתונים ואימון מודל סיווג של AutoML
    פריסת מודל ובקשת הסקה
    פינוי מקום בפרויקט
  - מדריכים בנושא אימון בהתאמה אישית
    אימון מודל טבלאי בהתאמה אישית
    
    אימון מודל לסיווג תמונות ב-TensorFlow Keras
    סקירה כללית
    הגדרת הפרויקט והסביבה
    אימון מודל מותאם אישית לסיווג תמונות
    הצגת תחזיות ממודל סיווג תמונות בהתאמה אישית
    פינוי מקום בפרויקט
    ביצוע התאמה עדינה של מודל לסיווג תמונות באמצעות נתונים בהתאמה אישית
- שימוש בכלים לפיתוח בפלטפורמת האגנטים
- סקירה כללית של כלי פיתוח
- שימוש ב-Agent Platform SDK
  - סקירה כללית
  - היכרות עם Agent Platform SDK ל-Python
  - ‫Agent Platform SDK for Python classes
    סקירה כללית של מחלקות Agent Platform SDK
    סיווגי נתונים
    שיעורי אימון
    סוגי מודלים
    סיווג חיזוי
    מעקב אחרי כיתות
- תמיכה ב-Terraform ל-Agent Platform
- Agent Platform Training
- סקירה כללית
- הדרכה ללא שרת (serverless) ב-Agent Platform
  - סקירה כללית של אימון ללא שרת בפלטפורמת הסוכנים
  - טעינה והכנה של נתונים
    סקירה כללית על תהליך הכנת הנתונים
    שימוש ב-Cloud Storage כמערכת קבצים מוטענת
    צירוף שיתוף NFS לאימון ללא שרת
    שימוש במערכי נתונים מנוהלים
  - הכנת אפליקציית אימון
    הסבר על שירות האימון ללא שרת
    הכנת קוד האימון
    
    שימוש במאגרי תגים מוכנים מראש
    יצירת אפליקציית אימון ב-Python לקונטיינר מוכן מראש
    קונטיינרים מוכנים מראש לאימון בלי שרת
    
    שימוש במאגרי תגים מותאמים אישית
    קונטיינרים בהתאמה אישית לאימון ללא שרת
    יצירת קונטיינר בהתאמה אישית
    יצירת קונטיינר והרצת קוד אימון באופן מקומי
  - אימון על משאב מתמשך
    סקירה כללית
    יצירת משאב מתמשך
    הרצה של משימות אימון במשאב מתמשך
    קבלת מידע קבוע על משאבים
    הפעלה מחדש של משאב מתמשך
    מחיקת משאב מתמשך
  - הגדרת משימת אימון
    בחירת שיטת אימון מותאמת אישית
    הגדרת הגדרות קונטיינר לאימון
    הגדרת משאבי מחשוב לאימון
    איך שומרים מקום בעזרת אימון
    שימוש במכונות וירטואליות מסוג Spot לאימון
  - שליחת משימת אימון
    יצירת משרות בהתאמה אישית
    
    כוונון היפר-פרמטרים
    סקירה כללית על כוונון היפר-פרמטרים
    שימוש בכוונון היפר-פרמטרים
    יצירת צינורות עיבוד נתונים לאימון
    תזמון משימות על סמך זמינות המשאבים
    שימוש באימון מבוזר
    אימון באמצעות מכונות וירטואליות של Cloud TPU
    שימוש בכתובת IP פרטית לאימון בהתאמה אישית
    שימוש בממשק Private Service Connect לאימון (מומלץ)
  - מעקב וניפוי באגים