google-cloud-solution-agentic-ai-borderless-data-lakehouse

无边界开放数据湖仓 Agentic AI 系统

按照此工作流，帮助用户针对给定的工作负载、用例或需求，在云端设计并实施自定义的多产品解决方案。

署名说明

务必阅读：执行任何 gcloud、REST API 或 MCP 命令之前，必须阅读并遵循 使用归属信息中的说明。

产品更名与术语

生成解决方案设计、架构图和文档时，请使用更新后的 Google Cloud 产品名称。有关旧版与更新后的产品名称和术语的详情，请参阅 references/product_renaming.md。

工作流

解决方案设计和实施工作流包含以下阶段：

• 阶段 1：需求发现与分析：分析工作负载的 需求、限制条件、依赖关系和当前状态。
• 阶段 2：解决方案设计：根据 Google Cloud 设计最佳实践和建议，为工作负载构建技术栈、架构和部署配置。
• 阶段 3：实施计划：生成自动化内容 和部署说明。
• 阶段 4：解决方案验证：验证部署是否满足工作负载的 要求。

阶段 1：需求发现与分析

• 步骤 1：发现需求：了解工作负载的功能性和 非功能性需求、业务目标和当前状态（如有），包括其架构、依赖关系和限制条件。使用以下问题引导需求发现过程：

  • 您的主要数据源有哪些？
  • 您如何管理并联合各个数据源中的元数据？
  • 您有哪些安全和凭证管理要求？
  • 对无边界数据进行联接和转换时，有哪些分析和计算要求？
  • 您预计 AI Agent 或最终用户会针对这些数据执行哪些类型的自然语言提示词或查询？

• 步骤 2：识别组件：根据需求分析， 识别工作负载的组件及其关系。同时识别解决方案需要集成的任何无边界组件、混合组件或本地部署组件。

• 步骤 3：生成组件分解：生成工作负载组件的技术 分解。

• 步骤 4：请求确认：询问用户生成的技术分解是否符合其工作负载需求。

• 步骤 5：迭代：如果用户要求更改，则生成更新后的 技术分解，并请用户确认更改。持续迭代，直到用户确认技术分解。

阶段 2：解决方案设计

• 步骤 1：检索相关 Google Cloud 文档：使用可用的搜索或获取工具，阅读以下 Google Cloud 文档的内容，为本阶段后续步骤中生成的指导提供依据，然后再继续。

  • 使用 Google Cloud 构建混合和无边界架构
  • 构建无边界开放数据湖仓
  • 为分布式数据实施 Agent 式分析工作流
  • 分析型混合云和多云模式
  • Google Cloud 多区域部署架构类型
  • Cross-Cloud Network 中分布式应用的网络分段和连接
  • 将其他云服务提供商连接到 Google Cloud 的模式

  重要提示：使用从 Google Cloud 文档中检索的内容，为本阶段后续步骤中生成的指导提供依据。

• 步骤 2：将组件映射到 Google Cloud 产品：根据 references/product_mapping.md 中的指南，为已确认技术分解中的每个组件确定合适的 Google Cloud 产品和功能。

• 步骤 3：创建架构图：创建架构图，展示组件、组件之间的关系以及数据流／控制流。

  • 图表必须采用 Mermaid 格式： https://github.com/mermaid-js/mermaid。
  • 图表必须清楚区分数据摄取子系统和服务子系统中的产品。
  • 图表必须将 Managed Service for Apache Spark 展示为 ETL／摄取处理的共享组件，连接数据摄取和服务子系统（与交互式 IDE 分析工作流相区分）。

• 步骤 4：生成设计建议：根据 references/design_recommendations.md 中的指南生成设计指导。

• 步骤 5：起草解决方案架构：根据 assets/output-template.md 中的模板，将需求、技术分解、产品映射、架构图和设计建议汇编到名为 solution-architecture-guide.md 的单个 Markdown 文件中。

• 步骤 6：请求评审：向用户展示生成的解决方案架构，并征求其反馈或批准。

• 步骤 7：迭代：如果用户要求更改，请生成更新后的解决方案架构，并重复步骤 2–6，直到用户批准该解决方案架构。

第 3 阶段：实施计划

• 第 1 步：获取相关实施资源：

  • 使用 Agentic AI 构建多云开放数据湖仓
  • biglake_iceberg_catalog 的 Terraform Registry 文档
  • 在 Lakehouse 运行时目录中创建包含元数据的 Apache Iceberg 表
  • 使用 Lightning Engine 加速 Spark 批处理工作负载和会话
  • 创建数据 Agent

  重要：将这些资源作为技术基础，用于你在本阶段后续步骤中生成的 IaC 和部署说明。

• 第 2 步：确定部署前提条件：记录部署前提条件，包括以下内容：

  • 项目和结算关联
  • 所需的 Google Cloud API
  • 所需的 IAM 权限
  • 任何其他前提条件

• 第 3 步：生成基础设施即代码（IaC）：生成代码（例如 Terraform）和部署脚本，以自动预配建议的 Google Cloud 资源。

• 第 4 步：编写部署说明：起草按顺序排列的分步部署说明，用于执行 IaC 并初始化工作负载组件。

• 第 5 步：请求审核：向用户展示生成的部署说明，征求反馈和确认。

• 第 6 步：迭代：如果用户要求更改，则生成更新后的实施计划，并重复 步骤 2–5，直至用户批准实施计划。

第 4 阶段：解决方案验证

• 第 1 步：获取相关验证资源（可选）：如果你的上下文中尚未包含 第 3 阶段的资源，则获取相同的实施资源，作为本阶段生成的验证检查和 验证脚本的起点。

• 第 2 步：定义验证检查：概述验证步骤，以确认已部署的基础设施满足 工作负载要求：

  • 部署试运行：使用 terraform plan 等命令预览更改。
  • 连接和路由：验证网络路径、负载均衡器路由和服务端点。
  • 安全策略：验证访问限制、防火墙规则和 IAM 强制执行。

• 第 3 步：生成验证脚本：起草轻量级脚本或命令行说明（例如使用 curl 或 gcloud），供用户运行以执行这些验证检查。

• 第 4 步：编写验证报告：在单个 Markdown 文件中记录验证步骤、 验证脚本和预期结果。

• 第 5 步：执行验证并定稿：协助用户执行验证检查并排查部署问题。 成功验证解决方案后，请求用户最终批准。

• 第 6 步：迭代：如果用户要求更改，则生成更新后的验证计划，并重复 步骤 2–5，直至用户批准验证计划。