अंतिम समीक्षा: मई 2026
साधारण Terraform के साथ GAIL परीक्षा के AWS संसाधनों को बनाएं — एक समय में एक ब्लॉक, प्रत्येक परीक्षा डोमेन से जुड़ा हुआ। यही कोड OpenTofu पर भी काम करता है।
इस लैब के अंत तक, आप सीधे Terraform के साथ, सबसे छोटे यथार्थवादी Google GenAI सबस्ट्रेट को प्रावधानित कर चुके होंगे — Vertex AI और Discovery Engine APIs सक्षम होंगे, प्रोटोटाइपिंग के लिए एक Vertex AI Workbench इंस्टेंस, एक Discovery Engine डेटा स्टोर जो RAG और Vertex AI Search के लिए ग्राउंडिंग-स्रोत प्रिमिटिव है, और Vertex प्रेडिक्शन त्रुटि दर पर एक Cloud Monitoring अलर्ट। चार ब्लॉक; GAIL वैचारिक परिदृश्य को वास्तविक प्रावधानित इन्फ्रास्ट्रक्चर में मैप किया गया है।
स्निपेट्स को एक ही main.tf में डालें, terraform init चलाएं, फिर terraform apply को चरण-दर-चरण चलाएं।
>= 1.5 या OpenTofu >= 1.6।your-project-id को बदलें।यदि Workbench 24/7 चलता रहता है तो ~$50/माह। प्रत्येक लैब सत्र के बाद इसे रोक दें।
Vertex AI, Discovery Engine (Vertex AI Search), Cloud Notebooks, और Cloud Monitoring APIs को सक्षम करें।
terraform {
required_version = ">= 1.5"
required_providers {
google = { source = "hashicorp/google", version = "~> 6.0" }
}
}
provider "google" {
project = "your-project-id" # REPLACE
region = "us-central1"
}
locals {
labels = {
project = "certlabpro-gail"
managed_by = "terraform"
}
}
resource "google_project_service" "aiplatform" {
service = "aiplatform.googleapis.com"
disable_on_destroy = false
}
resource "google_project_service" "notebooks" {
service = "notebooks.googleapis.com"
disable_on_destroy = false
}
resource "google_project_service" "discoveryengine" {
service = "discoveryengine.googleapis.com"
disable_on_destroy = false
}
resource "google_project_service" "monitoring" {
service = "monitoring.googleapis.com"
disable_on_destroy = false
}Vertex AI Workbench वह Jupyter-in-the-cloud सतह है जिससे GCP पर हर GenAI प्रोटोटाइपिंग फ़्लो शुरू होता है — यह Amazon SageMaker Studio / Azure ML Workbench के समतुल्य है। GAIL परीक्षा इसे गो-टू डेटा-साइंटिस्ट सीट प्रिमिटिव के रूप में परीक्षण करती है।
हम GenAI Python लाइब्रेरीज़ के साथ पहले से लोड किया गया एक छोटा e2-standard-2 Workbench इंस्टेंस प्रावधान करते हैं। Workbench पर्दे के पीछे एक प्रबंधित Compute Engine VM में चलता है — आप इसे GCE कंसोल में भी देखेंगे। जब सक्रिय रूप से उपयोग न कर रहे हों तो Vertex AI Workbench कंसोल के माध्यम से इंस्टेंस को रोक दें ताकि निष्क्रिय रहने पर ~$50/माह से बचा जा सके।
resource "google_workbench_instance" "main" {
name = "certlabpro-gail-workbench"
location = "us-central1-a"
gce_setup {
machine_type = "e2-standard-2"
boot_disk {
disk_size_gb = 100
disk_type = "PD_STANDARD"
}
}
labels = local.labels
depends_on = [google_project_service.notebooks]
}Discovery Engine (पूर्व में Vertex AI Search) GAIL परीक्षा का प्रमुख RAG प्रिमिटिव है — इसे एक कॉर्पस (GCS बकेट, वेबसाइट क्रॉल, BigQuery डेटासेट, या संरचित JSON) पर इंगित करें, यह सामग्री को अनुक्रमित करता है, और डाउनस्ट्रीम Gemini कॉल अपने उत्तरों को उस कॉर्पस में ग्राउंड कर सकते हैं।
हम GENERIC प्रकार का एक डेटा स्टोर बनाते हैं — अनुक्रमित सामग्री के लिए वैचारिक कंटेनर। उत्पादन डिप्लॉयमेंट Discovery Engine API के माध्यम से स्टोर को दस्तावेज़ों से भरते हैं; लैब के लिए, खाली स्टोर यह प्रदर्शित करता है कि संसाधन मौजूद है और तदनुसार बिल करता है।
GAIL परीक्षा इस डेटा स्टोर → सर्च ऐप → ग्राउंडेड उत्तर त्रिभुज को मानक एंटरप्राइज़-RAG-ऑन-GCP आकार के रूप में परीक्षण करती है।
resource "google_discovery_engine_data_store" "main" {
data_store_id = "certlabpro-gail-store"
display_name = "GAIL lab data store"
location = "global"
industry_vertical = "GENERIC"
content_config = "CONTENT_REQUIRED"
solution_types = ["SOLUTION_TYPE_SEARCH"]
depends_on = [google_project_service.discoveryengine]
}GenAI वर्कलोड्स का एक ऑपरेशनल आयाम होता है जिसे GAIL परीक्षा लगातार सामने लाती है: प्रेडिक्शन त्रुटियां, विलंबता, प्रति-टोकन लागत। हम Vertex AI के प्रेडिक्शन त्रुटि मेट्रिक पर एक Cloud Monitoring अलर्ट सेट करते हैं — यह तब ट्रिगर होता है जब त्रुटि दर 5 मिनट में 5% से अधिक हो जाती है।
चार ब्लॉकों के साथ (प्रोवाइडर+APIs, प्रोटोटाइपिंग के लिए Workbench, ग्राउंडिंग के लिए Discovery Engine डेटा स्टोर, और ऑपरेशनल स्वास्थ्य के लिए एक Cloud Monitoring ट्रिपवायर), GAIL वैचारिक परिदृश्य को वास्तविक प्रावधानित इन्फ्रास्ट्रक्चर में मैप किया जाता है। वास्तविक GenAI डिप्लॉयमेंट इस नींव पर मॉडल गार्डन पिक्स, कस्टम ट्रेनिंग, प्रॉम्प्ट मैनेजमेंट, एजेंट बिल्डर, और Model Armor / Responsible AI नियंत्रणों को परत करते हैं — लेकिन ऊपर का सबस्ट्रेट वह आकार है जो आपको GAIL परीक्षा के परिदृश्यों में दिखाई देगा।
resource "google_monitoring_alert_policy" "vertex_prediction_errors" {
display_name = "GAIL lab — Vertex AI prediction error rate"
combiner = "OR"
conditions {
display_name = "Prediction error rate > 5% over 5 minutes"
condition_threshold {
filter = "metric.type=\"aiplatform.googleapis.com/prediction/online/error_count\" AND resource.type=\"aiplatform.googleapis.com/Endpoint\""
duration = "300s"
comparison = "COMPARISON_GT"
threshold_value = 0.05
aggregations {
alignment_period = "60s"
per_series_aligner = "ALIGN_RATE"
}
}
}
# notification_channels = [] # add channels via console or separate TF resource
depends_on = [google_project_service.monitoring]
}terraform destroy सब कुछ हटा देता है। Workbench इंस्टेंस नष्ट होने पर तुरंत बिलिंग बंद कर देता है (~$50/माह की बचत)। Discovery Engine डेटा स्टोर सफाई से नष्ट हो जाता है (प्रति-संसाधन न्यूनतम शुल्क की चिंता नहीं होती)। मॉनिटरिंग अलर्ट पॉलिसी अलग हो जाती है।
GAIL कई GenAI-ऑन-GCP सतहों को कवर करता है जिन्हें यह लैब शामिल नहीं कर सकती है — Gemini मॉडल पिक्स (Gemini Pro / Gemini Flash / Gemini Nano), Vertex AI Model Garden (Anthropic Claude, Meta Llama, Mistral, आदि), Vertex AI Agent Builder (नो-कोड एजेंट प्रोविज़निंग), Vertex AI Pipelines (Kubeflow Pipelines + कस्टम MLOps), Vertex AI Prompt Optimizer, Model Armor / Responsible AI टूलिंग, Vertex AI Feature Store, AutoML, कस्टम ट्रेनिंग जॉब्स, पूरा Generative AI Studio कंसोल, BigQuery ML की GenAI सतह, Workspace GenAI फीचर्स (Help me write / Help me organize), Gemini for Google Cloud (IDE असिस्टेंट), और Vertex AI Search & Conversation ऐप प्रोविज़निंग (डेटा स्टोर के ऊपर की अगली परत)।
हम Workbench + Data Store + Monitoring प्रिमिटिव्स पर टिके रहते हैं क्योंकि वे सबसे छोटे प्रदर्शन योग्य आकार हैं। Workbench वह जगह है जहाँ आप प्रोटोटाइप करते हैं। Data Store वह है जिसे RAG / Vertex AI Search पढ़ता है। Monitoring वह है जिससे आप इनमें से किसी भी चीज़ को संचालित करते हैं। सबस्ट्रेट में महारत हासिल करें; उच्च-स्तरीय कंस्ट्रक्ट्स (एजेंट, पाइपलाइन, प्रॉम्प्ट) Vertex AI Studio के माध्यम से प्लग इन होते हैं।
सेवा-दर-सेवा वैचारिक कवरेज के लिए, इस प्रमाणपत्र पृष्ठ के ब्राउज़, मार्गदर्शिका, और Editorial अनुभाग देखें।