您可以连接 Cloudflare Worker 来从 Google BigQuery 获取数据，并将其传递给 Workers AI，以运行由无服务器（Serverless）GPU 提供支持的 AI 模型。这将允许您通过 AI 生成的响应来增强数据，例如检测某些文本的情感得分或生成文章的标签。如果您想尝试使用 Workers AI，并查看新的和不同的 AI 模型在托管于 BigQuery 的数据上的表现，本文档介绍了一种简单的入门方法。
此版本的集成旨在用于需要与用户进行交互以获取数据或生成即时（ad-hoc）报告的工作流。
- 用户向 Worker ↗ 端点发起请求。（可选地，可以在其前面结合使用 Access 来验证用户身份）。
- Worker 获取安全存储的 Google Cloud Platform 服务账户信息（如服务密钥），并生成 JSON Web Token 以向 BigQuery 发出经身份验证的 API 请求。
- Worker 从 BigQuery 接收数据，并将其转换为一种格式，该格式使与 Workers AI 的交互和迭代更容易。
- 利用其与 Workers AI 的原生集成，Worker 转发来自 BigQuery 的数据，然后这些数据在 Cloudflare 托管的 AI 模型之一上运行。
- 从 BigQuery 检索到的原始数据与 AI 生成的信息一同作为对步骤 1 中发起的请求的响应返回给用户。
对于周期性或更长的工作流，您可以选择批量处理方法。此图还探索了更多可以利用从 BigQuery 摄取的数据的产品。它依赖于 Cron 触发器，该触发器内置于开发人员平台中，在使用 Workers 调度初始化工作负载时免费提供。
- Cron 触发器在无需任何用户交互的情况下调用 Worker。
- Worker 获取安全存储的 Google Cloud Platform 服务账户信息（如服务密钥），并生成 JSON Web Token 以向 BigQuery 发出经身份验证的 API 请求。
- Worker 从 BigQuery 接收数据，并将其转换为一种格式，该格式使与 Workers AI 的交互和迭代更容易。
- 利用其与 Workers AI 的原生集成，Worker 转发来自 BigQuery 的数据，以生成与其相关的内容。
- 可选地，您可以将 BigQuery 数据和 AI 生成的数据存储在各种不同的 Cloudflare 服务中。
- 存入 D1（一种 SQL 数据库）。
- 如果在步骤 4 中您使用 Workers AI 生成了嵌入向量（embeddings），您可以将它们存储在 Vectorize 中。要了解有关此类解决方案的更多信息，请考虑阅读关于检索增强生成的参考架构图。
- 如果您的数据输出将以键/值（key/value）方式存储和消费，可以存入 Workers KV。
- 如果您更喜欢将从 BigQuery 和 Workers AI 获取的数据保存为对象（如图像、文件、JSON），可以使用我们免出站费用的对象存储 R2 来实现。
- 您可以设置集成，以便在有新结果可用或发生错误时通知系统或用户。另外值得一提的是，Workers 本身已经可以提供额外的可见性。
- 可以使用 Email Routing 发送包含上一步骤中检索和生成的所有数据的电子邮件。
- 由于 Workers 允许您发起 HTTP 请求，因此您可以在该流程结束时或在出错时通知 Webhook 或 API 端点。