Generatív AI Az ügynökök sokoldalú és hatékony eszközt jelentenek a nagyvállalatok számára. Javíthatják a működési hatékonyságot, az ügyfélszolgálatot és a döntéshozatalt, miközben csökkentik a költségeket és lehetővé teszik az innovációt. Ezek az ügynökök kiválóan automatizálják a rutin és ismétlődő feladatok széles körét, például adatbevitelt, ügyfélszolgálati megkereséseket és tartalomgenerálást. Ezen túlmenően összetett, többlépcsős munkafolyamatokat is le tudnak szervezni a feladatok kisebb, kezelhető lépésekre bontásával, a különböző tevékenységek koordinálásával és a szervezeten belüli folyamatok hatékony végrehajtásának biztosításával. Ez jelentősen csökkenti a humánerőforrás terheit, és lehetővé teszi az alkalmazottak számára, hogy stratégiaibb és kreatívabb feladatokra összpontosítsanak.
Ahogy a mesterséges intelligencia technológia folyamatosan fejlődik, a generatív AI-ügynökök képességei várhatóan bővülni fognak, ami még több lehetőséget kínál az ügyfelek számára a versenyelőny megszerzésére. Ennek az evolúciónak az élén áll Amazon alapkőzet, egy teljesen felügyelt szolgáltatás, amely API-n keresztül elérhetővé teszi az Amazon és más vezető AI-cégek nagy teljesítményű alapozómodelljeit (FM-eket). Az Amazon Bedrock segítségével generatív AI-alkalmazásokat hozhat létre és méretezhet biztonsággal, adatvédelemmel és felelősségteljes mesterségesintelligencia-alkalmazásokkal. Most már használhatja Az Amazon Bedrock ügynökei és a Tudásbázisok az Amazon Bedrock számára speciális ügynökök konfigurálásához, amelyek zökkenőmentesen futtatják a műveleteket természetes nyelvi bevitel és a szervezet adatai alapján. Ezek a felügyelt ügynökök irányítják az FM-ek közötti interakciókat, API-integrációkat, felhasználói beszélgetéseket és az Ön adataival feltöltött tudásforrásokat.
Ez a bejegyzés rávilágít arra, hogyan használhatja az Amazon Bedrock ügynökeit és tudásbázisait a meglévő vállalati erőforrásokra építve a biztosítási kárigény életciklusához kapcsolódó feladatok automatizálásához, hatékonyan skálázhatja és javíthatja az ügyfélszolgálatot, valamint javíthatja a döntéstámogatást a továbbfejlesztett tudásmenedzsment révén. Az Ön Amazon Bedrock által működtetett biztosítási ügynöke segíthet az emberi ügynököknek új kárigények létrehozásával, függőben lévő dokumentumok emlékeztetőinek küldésével a nyitott követelésekre, kárigényekre vonatkozó bizonyítékok gyűjtésével, valamint információk keresésével a meglévő kárigények és ügyfélismereti tárhelyek között.
Megoldás áttekintése
Ennek a megoldásnak az a célja, hogy alapként szolgáljon az ügyfelek számára, lehetővé téve, hogy saját speciális ügynököket hozzon létre különféle igényekhez, például virtuális asszisztensekhez és automatizálási feladatokhoz. A telepítéshez szükséges kód és erőforrások elérhetők a amazon-alapkőzet-példák tárháza.
A következő demófelvétel kiemeli az Amazon Bedrock funkcióinak ügynökeit és tudásbázisait, valamint a műszaki megvalósítás részleteit.
Az Amazon Bedrock ügynökei és tudásbázisai együtt dolgoznak a következő képességek biztosítása érdekében:
- Feladat hangszerelése – Az ügynökök FM-eket használnak a természetes nyelvű kérdések megértésére, és a többlépcsős feladatokat kisebb, végrehajtható lépésekre bontják.
- Interaktív adatgyűjtés – Az ügynökök természetes beszélgetéseket folytatnak, hogy kiegészítő információkat gyűjtsenek a felhasználóktól.
- Feladat teljesítése – Az ügynökök az ügyfelek kéréseit érvelési lépések sorozatával és a megfelelő műveletekkel teljesítik ReAct felszólítás.
- Rendszerintegráció – Az ügynökök API-hívásokat indítanak integrált vállalati rendszerekhez, hogy konkrét műveleteket hajtsanak végre.
- Adatlekérdezés – A tudásbázisok növelik a pontosságot és a teljesítményt a teljes körű felügyelet révén Visszakeresés kiterjesztett generáció (RAG) ügyfélspecifikus adatforrások felhasználásával.
- Forrás hozzárendelése – Az ügynökök forrás-hozzárendelést hajtanak végre, gondolati láncon keresztüli érvelés révén azonosítják és nyomon követik az információk vagy tevékenységek eredetét.
A következő ábra a megoldás architektúráját mutatja be.
A munkafolyamat a következő lépésekből áll:
- A felhasználók természetes nyelvi bevitelt biztosítanak az ügynök számára. Az alábbiakban néhány példa felszólítás található:
- Hozzon létre egy új követelést.
- Függőben lévő dokumentumokra vonatkozó emlékeztető küldése a 2s34w-8x követelés jogosultjának.
- Gyűjtsön bizonyítékot az 5t16u-7v állításhoz.
- Mennyi a 3b45c-9d követelés teljes összege?
- Mennyi a javítási költség összege ugyanennek a követelésnek?
- Milyen tényezők határozzák meg az autóbiztosítási díjam?
- Hogyan csökkenthetem az autóbiztosítási díjakat?
- Mely követelések nyitott állapotúak?
- Emlékeztetők küldése minden nyitott követeléssel rendelkező kötvénytulajdonosnak.
- Az előfeldolgozás során az ügynök ellenőrzi, kontextusba helyezi és kategorizálja a felhasználói bemenetet. A felhasználói bevitelt (vagy feladatot) az ügynök értelmezi a csevegési előzmények, valamint az utasítások és az alapul szolgáló FM segítségével, amelyeket ügynök létrehozása. Az ügynök utasításai leíró irányelvek, amelyek felvázolják az ügynök tervezett tevékenységeit. Ezenkívül opcionálisan konfigurálhatja speciális promptok, amelyek lehetővé teszik ügynöke pontosságának növelését részletesebb konfigurációk alkalmazásával és manuálisan kiválasztott példák felkínálásával néhány lépéses felszólításhoz. Ez a módszer lehetővé teszi a modell teljesítményének javítását azáltal, hogy egy adott feladathoz címkézett példákat ad.
- Akciócsoportok API-k és a megfelelő üzleti logika halmaza, amelyek OpenAPI-sémája JSON-fájlokként van definiálva Amazon egyszerű tárolási szolgáltatás (Amazon S3). A séma lehetővé teszi az ügynök számára, hogy érveljen az egyes API-k funkciói körül. Minden műveletcsoport megadhat egy vagy több API-útvonalat, amelyek üzleti logikája a következőn keresztül fut AWS Lambda a műveletcsoporthoz tartozó funkciót.
- Az Amazon Bedrock tudásbázisai teljes körűen felügyelt RAG-t biztosítanak, hogy az ügynök számára hozzáférést biztosítsanak az Ön adataihoz. Először konfigurálja a tudásbázist egy leírás megadásával, amely utasítja az ügynököt, hogy mikor használja a tudásbázist. Ezután rámutat a tudásbázisra az Amazon S3 adatforrásra. Végül megad egy beágyazási modellt, és úgy dönt, hogy a meglévő vektortárat használja, vagy engedélyezi az Amazon Bedrock számára, hogy létrehozza a vektortárat az Ön nevében. A konfigurálás után mindegyik adatforrás szinkronizálása vektoros beágyazásokat hoz létre az adatokból, amelyeket az ügynök felhasználhat arra, hogy információkat küldjön vissza a felhasználónak, vagy kiegészítse a későbbi FM-kéréseket.
- A hangszerelés során az ügynök kidolgozza azt a logikai lépéseit, hogy mely műveletcsoport API-hívásokra és tudásbázis-lekérdezésekre van szükség egy megfigyelés generálásához, amely felhasználható az alapul szolgáló FM alappromptjának bővítésére. Ez a ReAct stílusú felszólítás bemenetként szolgál az FM aktiválásához, amely azután előre jelzi a legoptimálisabb műveletsort a felhasználó feladatának befejezéséhez.
- Az utófeldolgozás során, miután az összes hangszerelési iteráció befejeződött, az ügynök összeállítja a végső választ. Az utófeldolgozás alapértelmezés szerint le van tiltva.
A következő szakaszokban a megoldás telepítésének kulcsfontosságú lépéseit tárgyaljuk, beleértve a bevezetés előtti lépéseket, valamint a tesztelést és az érvényesítést.
Hozzon létre megoldási erőforrásokat az AWS CloudFormation segítségével
Az ügynök- és tudásbázis létrehozása előtt elengedhetetlen egy szimulált környezet létrehozása, amely szorosan tükrözi az ügyfelek által használt meglévő erőforrásokat. Az Amazon Bedrock ügynökeit és tudásbázisait úgy tervezték, hogy ezekre az erőforrásokra építsenek, a Lambda által szállított üzleti logika és az Amazon S3-ban tárolt ügyféladattárak használatával. Ez az alapszintű összehangolás biztosítja az ügynöki és tudásbázis-megoldások zökkenőmentes integrációját a már kialakított infrastruktúrával.
Az ügynök által használt meglévő ügyfél-erőforrások emulálásához ez a megoldás a create-customer-resources.sh shell script a paraméterezettek kiépítésének automatizálásához AWS felhőképződés sablon, alapkőzet-customer-resources.yml, a következő erőforrások telepítéséhez:
- An Amazon DynamoDB szintetikussal feltöltött asztal követelések adatait.
- Három Lambda funkció, amelyek az ügyfelek üzleti logikáját képviselik a követelések létrehozásához, a függőben lévő dokumentumok emlékeztetőinek küldéséhez a nyitott állapotú követelésekhez, valamint az új és meglévő követelésekre vonatkozó bizonyítékok gyűjtéséhez.
- Az előző Lambda-függvényekhez és a javítási becslésekhez, a kárösszegekhez, a vállalati GYIK-hez és a szükséges kárdokumentum-leírásokhoz az előző Lambda-függvényekhez OpenAPI-séma formátumú API-dokumentációt tartalmazó S3-gyűjtemény. tudásbázis adatforrás eszközei.
- An Amazon Simple Notification Service (Amazon SNS) témakör, amelyre a kötvénytulajdonosok e-mailjeire feliratkoztak, hogy e-mailben értesítsék a kárigény állapotáról és a függőben lévő tevékenységekről.
- AWS Identity and Access Management (IAM) engedélyek az előző erőforrásokhoz.
Az AWS CloudFormation előre kitölti a veremparamétereket a sablonban megadott alapértelmezett értékekkel. Alternatív bemeneti értékek megadásához paramétereket adhat meg környezeti változókként, amelyekre hivatkozik a ParameterKey=<ParameterKey>,ParameterValue=<Value>
párokat a következő shell szkriptekben aws cloudformation create-stack
parancs.
Az erőforrások biztosításához kövesse az alábbi lépéseket:
- Hozzon létre egy helyi másolatot a
amazon-bedrock-samples
adattár segítségévelgit clone
: - A shell szkript futtatása előtt keresse meg azt a könyvtárat, ahová a parancsfájlt klónozta
amazon-bedrock-samples
lerakatból, és módosítsa a shell szkript engedélyeit a végrehajtható fájlra: - Állítsa be a CloudFormation verem nevét, az SNS e-mail-címét és a bizonyítékfeltöltés URL-jének környezeti változóit. Az SNS-e-mailt a kötvénytulajdonosok értesítésére használjuk, a bizonyítékok feltöltési URL-jét pedig megosztjuk a kötvénytulajdonosokkal követeléseik bizonyítékainak feltöltéséhez. A biztosítási kárfeldolgozó minta példaként szolgál a bizonyítékfeltöltés URL-címére.
- Futtassa a
create-customer-resources.sh
shell-szkriptet a ben meghatározott emulált ügyfél-erőforrások telepítéséhezbedrock-insurance-agent.yml
CloudFormation sablon. Ezek azok az erőforrások, amelyekre az ügynök és a tudásbázis épül.
Az előző source ./create-customer-resources.sh
shell parancs a következőt futtatja AWS parancssori interfész (AWS CLI) parancsok az emulált ügyfél-erőforrások telepítéséhez:
Hozzon létre egy tudásbázist
A Knowledge Bases for Amazon Bedrock a RAG-ot használja, egy olyan technikát, amely az ügyfelek adattárait használja fel az FM-ek által generált válaszok javítására. A tudásbázisok lehetővé teszik az ügynökök számára, hogy kiterjedt rendszergazdai többletköltség nélkül hozzáférjenek a meglévő ügyféladattárhoz. Ha tudásbázist szeretne csatlakoztatni az adatokhoz, adjon meg egy S3 tárolót adatforrás. A tudásbázisok révén az alkalmazások gazdagabb kontextuális információkhoz jutnak, és a teljes körűen felügyelt RAG-megoldás révén leegyszerűsítik a fejlesztést. Az absztrakciónak ez a szintje felgyorsítja a piacra jutás idejét azáltal, hogy minimálisra csökkenti az adatoknak az ügynökfunkciókba való beépítésével kapcsolatos erőfeszítéseket, és optimalizálja a költségeket azáltal, hogy tagadja a folyamatos modell-átképzés szükségességét a privát adatok használatához.
A következő diagram egy beágyazási modellel rendelkező tudásbázis architektúráját mutatja be.
A tudásbázis funkcióit két kulcsfontosságú folyamat határozza meg: előfeldolgozás (1-3. lépés) és futásidejű (4-7. lépés):
- A dokumentumok kezelhető szakaszokra szegmentálódnak (feldarabolódnak).
- Ezeket a darabokat az Amazon Bedrock beágyazási modell segítségével beágyazásokká alakítják.
- A beágyazásokat vektorindex létrehozására használják, amely lehetővé teszi a felhasználói lekérdezések és az adatforrás szövege közötti szemantikai hasonlóság összehasonlítását.
- Futás közben a felhasználók felszólításként megadják a szövegbevitelt.
- A bemeneti szöveget a rendszer egy Amazon Bedrock beágyazási modell segítségével vektorokká alakítja.
- A vektorindex lekérdezi a felhasználó lekérdezéséhez kapcsolódó darabokat, és a felhasználói promptot a vektorindexből leolvasott további kontextussal egészíti ki.
- A kibővített prompt a további kontextussal párosulva választ generál a felhasználó számára.
Tudásbázis létrehozásához hajtsa végre a következő lépéseket:
- Az Amazon Bedrock konzolon válassza a lehetőséget Blog a navigációs ablaktáblában.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Tudásbázis létrehozása.
- Alatt Adja meg a tudásbázis részleteit, adja meg a nevet és az opcionális leírást, hagyja meg az összes alapértelmezett beállítást. Ehhez a bejegyzéshez megadjuk a leírást:
Use to retrieve claim amount and repair estimate information for claim ID, or answer general insurance questions about things like coverage, premium, policy, rate, deductible, accident, and documents.
- Alatt Állítsa be az adatforrást, írjon be egy nevet.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Böngésszen az S3-ban És válassza ki a
knowledge-base-assets
a korábban telepített adatforrás S3 csoport mappája (<YOUR-STACK-NAME>-customer-resources/agent/knowledge-base-assets/
). - Alatt Válassza ki a beágyazási modellt, és konfigurálja a vektortárat, választ Titan Embeddings G1 – Szöveg és hagyja meg a többi alapértelmezett beállítást. An Amazon OpenSearch kiszolgáló nélküli gyűjtemény létrejön az Ön számára. Ez a vektortár az, ahol a tudásbázis előfeldolgozási beágyazásait tárolják, és később használják a lekérdezések és az adatforrás szövege közötti szemantikai hasonlóság keresésére.
- Alatt Tekintse át és hozzon létre, erősítse meg a konfigurációs beállításokat, majd válassza a lehetőséget Tudásbázis létrehozása.
- A tudásbázis létrehozása után egy zöld „sikeresen létrehozva” szalag jelenik meg az adatforrás szinkronizálásának lehetőségével. Választ Szinkronizálás az adatforrás szinkronizálásának elindításához.
- Az Amazon Bedrock konzolon navigáljon az imént létrehozott tudásbázishoz, majd jegyezze fel alatta a tudásbázis azonosítóját Tudásbázis áttekintése.
- Ha a tudásbázis továbbra is ki van választva, válassza ki a tudásbázis adatforrását az alábbi listában Adatforrás, majd jegyezze fel az adatforrás azonosítóját az alatt Adatforrás áttekintése.
A tudásbázis-azonosító és az adatforrás-azonosító környezeti változóként kerül felhasználásra egy későbbi lépésben, amikor telepíti a Streamlit webes felhasználói felületet az ügynökhöz.
Hozzon létre egy ügynököt
Az ügynökök egy felépítési idejű futási folyamaton keresztül működnek, amely több kulcselemből áll:
- Alapozási modell – A felhasználók kiválasztanak egy FM-et, amely irányítja az ügynököt a felhasználói bemenetek értelmezésében, a válaszok generálásában és a további műveletek irányításában a hangszerelési folyamat során.
- Utasítás – A felhasználók részletes utasításokat készítenek, amelyek felvázolják az ügynök tervezett funkcióit. Az opcionális speciális promptok lehetővé teszik a testreszabást minden egyes hangszerelési lépésnél, beépítve a Lambda funkciókat a kimenetek elemzéséhez.
- (Opcionális) Műveletcsoportok – A felhasználók műveleteket határoznak meg az ügynök számára, egy OpenAPI-séma segítségével API-kat definiálnak a feladatfuttatásokhoz, és Lambda-függvényeket az API-bemenetek és -kimenetek feldolgozásához.
- (Opcionális) Tudásbázisok – A felhasználók az ügynököket tudásbázisokhoz társíthatják, hozzáférést biztosítva további kontextushoz a válaszgenerálási és hangszerelési lépésekhez.
A mintamegoldásban szereplő ügynök egy Anthropic Claude V2.1 FM-et használ az Amazon Bedrockon, egy utasításkészletet, három műveletcsoportot és egy tudásbázist.
Ügynök létrehozásához hajtsa végre a következő lépéseket:
- Az Amazon Bedrock konzolon válassza a lehetőséget Ügynökök a navigációs ablaktáblában.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Ügynök létrehozása.
- Alatt Adja meg az ügynök adatait, adja meg az ügynök nevét és az opcionális leírást, hagyja meg az összes többi alapértelmezett beállítást.
- Alatt Válassza ki a modellt, választ Antropikus Claude V2.1 és adja meg a következő utasításokat az ügynök számára:
You are an insurance agent that has access to domain-specific insurance knowledge. You can create new insurance claims, send pending document reminders to policy holders with open claims, and gather claim evidence. You can also retrieve claim amount and repair estimate information for a specific claim ID or answer general insurance questions about things like coverage, premium, policy, rate, deductible, accident, documents, resolution, and condition. You can answer internal questions about things like which steps an agent should follow and the company's internal processes. You can respond to questions about multiple claim IDs within a single conversation
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- Alatt Műveletcsoportok hozzáadása, adja hozzá az első műveletcsoportját:
- A Írja be a műveletcsoport nevét, belép
create-claim
. - A Leírás, belép
Use this action group to create an insurance claim
- A Válassza a Lambda funkciót, választ
<YOUR-STACK-NAME>-CreateClaimFunction
. - A Válassza ki az API-sémát, választ Böngésszen az S3-ban, válassza ki a korábban létrehozott tárolót (
<YOUR-STACK-NAME>-customer-resources
), majd válassza a lehetőségetagent/api-schema/create_claim.json
.
- A Írja be a műveletcsoport nevét, belép
- Hozzon létre egy második műveletcsoportot:
- A Írja be a műveletcsoport nevét, belép
gather-evidence
. - A Leírás, belép
Use this action group to send the user a URL for evidence upload on open status claims with pending documents. Return the documentUploadUrl to the user
- A Válassza a Lambda funkciót, választ
<YOUR-STACK-NAME>-GatherEvidenceFunction
. - A Válassza ki az API-sémát, választ Böngésszen az S3-ban, válassza ki a korábban létrehozott tárolót, majd válassza ki
agent/api-schema/gather_evidence.json
.
- A Írja be a műveletcsoport nevét, belép
- Hozzon létre egy harmadik műveletcsoportot:
- A Írja be a műveletcsoport nevét, belép
send-reminder
. - A Leírás, belép
Use this action group to check claim status, identify missing or pending documents, and send reminders to policy holders
- A Válassza a Lambda funkciót, választ
<YOUR-STACK-NAME>-SendReminderFunction
. - A Válassza ki az API-sémát, választ Böngésszen az S3-ban, válassza ki a korábban létrehozott tárolót, majd válassza ki
agent/api-schema/send_reminder.json
.
- A Írja be a műveletcsoport nevét, belép
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Válasszon tudásbázist, válassza ki a korábban létrehozott tudásbázist (
claims-knowledge-base
). - A Tudásbázis utasítások az ügynök számára, írd be a következőt:
Use to retrieve claim amount and repair estimate information for claim ID, or answer general insurance questions about things like coverage, premium, policy, rate, deductible, accident, and documents
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- Alatt Tekintse át és hozzon létre, erősítse meg a konfigurációs beállításokat, majd válassza a lehetőséget Ügynök létrehozása.
Az ügynök létrehozása után megjelenik egy zöld „sikeresen létrehozva” szalaghirdetés.
Tesztelés és érvényesítés
A következő tesztelési eljárás célja annak ellenőrzése, hogy az ügynök helyesen azonosítja és megérti-e a felhasználói szándékokat az új követelések létrehozására, a folyamatban lévő dokumentumok emlékeztetőinek küldésére a nyitott követelésekre, a követelésekre vonatkozó bizonyítékok gyűjtésére, valamint a meglévő követelések és ügyfélismereti tárhelyek közötti információkeresésre. A válaszok pontosságát az Amazon Bedrock ügynökei és tudásbázisai által generált válaszok relevanciájának, koherenciájának és emberszerű jellegének értékelése határozza meg.
Értékelési intézkedések és értékelési technika
A felhasználói beviteli és ügynöki utasítás érvényesítése a következőket tartalmazza:
- Előfeldolgozás – Használjon mintapromptokat az ügynök értelmezésének, megértésének és a különféle felhasználói bevitelekre való reagálásának felmérésére. Érvényesítse, hogy az ügynök betartja-e a konfigurált utasításokat a felhasználói bemenetek pontos ellenőrzéséhez, kontextusba helyezéséhez és kategorizálásához.
- hangszerelés – Értékelje ki az ügynök által követett logikai lépéseket (például „Nyomkövetés”) a műveletcsoport API-hívásokhoz és tudásbázis-lekérdezésekhez az FM alappromptjának javítása érdekében.
- Utófeldolgozás – Tekintse át az ügynök által generált végső válaszokat a hangszerelési iterációk után, hogy biztosítsa a pontosságot és a relevanciát. Az utófeldolgozás alapértelmezés szerint inaktív, ezért nem szerepel ügynökünk nyomkövetésében.
Az akciócsoport értékelése a következőket tartalmazza:
- API séma érvényesítése – Ellenőrizze, hogy az OpenAPI-séma (amelyet az Amazon S3-ban tárolt JSON-fájlokként határoz meg) hatékonyan irányítja-e az ügynök érvelését az egyes API-k céljaival kapcsolatban.
- Üzleti logika megvalósítása – Tesztelje az API-útvonalakhoz társított üzleti logika megvalósítását a műveletcsoporthoz kapcsolódó Lambda-függvényeken keresztül.
A tudásbázis értékelése a következőket tartalmazza:
- Konfiguráció ellenőrzése – Győződjön meg arról, hogy a tudásbázis utasításai megfelelően irányítják az ügynököt, hogy mikor kell hozzáférnie az adatokhoz.
- S3 adatforrás integráció – Érvényesítse az ügynök azon képességét, hogy hozzáférjen és felhasználja a megadott S3 adatforrásban tárolt adatokat.
A teljes körű tesztelés a következőket tartalmazza:
- Integrált munkafolyamat – Végezzen átfogó teszteket akciócsoportok és tudásbázisok bevonásával a valós forgatókönyvek szimulálásához.
- Válasz minőségértékelés – Értékelje az ügynök válaszainak általános pontosságát, relevanciáját és koherenciáját különböző kontextusokban és forgatókönyvekben.
Tesztelje a tudásbázist
Miután felállította tudásbázisát az Amazon Bedrockban, közvetlenül tesztelheti a viselkedését, és felmérheti a válaszait, mielőtt integrálná egy ügynökkel. Ez a tesztelési folyamat lehetővé teszi a tudásbázis teljesítményének értékelését, a válaszok ellenőrzését és a hibaelhárítást azáltal, hogy feltárja azokat a forrásdarabokat, amelyekből az információkat lekéri. Hajtsa végre a következő lépéseket:
- Az Amazon Bedrock konzolon válassza a lehetőséget Blog a navigációs ablaktáblában.
- Válassza ki a tesztelni kívánt tudásbázist, majd válassza ki Teszt csevegőablak kibontásához.
- A tesztablakban válassza ki az alapmodelljét a válasz generálásához.
- Tesztelje tudásbázisát a következő mintalekérdezések és egyéb bemenetek segítségével:
- Mi a diagnózis a javítási becslésen a 2s34w-8x azonosítójú kárigénynél?
- Mi a megoldási és javítási becslés ugyanennek a követelésnek?
- Mit tegyen a sofőr egy baleset után?
- Mi javasolt a baleseti jelentéshez és a képekhez?
- Mi az önrész és hogyan működik?
A csevegőablakban válthat a válaszok generálása és a közvetlen idézetek visszaküldése között, és lehetősége van a csevegőablak törlésére vagy az összes kimenet másolására a mellékelt ikonok segítségével.
A tudásbázis-válaszok és a forrásdarabok ellenőrzéséhez válassza ki a megfelelő lábjegyzetet vagy válasszon Az eredmény részleteinek megjelenítése. Megjelenik egy forrásdarabok ablak, amely lehetővé teszi a keresést, a szövegrész másolását és az S3 adatforráshoz való navigálást.
Tesztelje az ügynököt
A tudásbázis sikeres tesztelését követően a következő fejlesztési szakasz az ügynök funkcionalitásának előkészítését és tesztelését foglalja magában. Az ügynök előkészítése magában foglalja a legújabb változtatások csomagolását, míg a tesztelés kritikus lehetőséget kínál az ügynök viselkedésével való interakcióra és értékelésére. Ezzel a folyamattal finomíthatja az ügynök képességeit, növelheti hatékonyságát, és kezelheti az optimális teljesítményhez szükséges esetleges problémákat vagy fejlesztéseket. Hajtsa végre a következő lépéseket:
- Az Amazon Bedrock konzolon válassza a lehetőséget Ügynökök a navigációs ablaktáblában.
- Válassza ki ügynökét, és jegyezze fel az ügynökazonosítót.
Az ügynökazonosítót környezeti változóként használja egy későbbi lépésben, amikor telepíti a Streamlit webes felhasználói felületet az ügynökhöz. - Navigáljon a Munkatervezet. Kezdetben van egy működő piszkozata és egy alapértelmezett
TestAlias
erre a tervezetre mutatva. A munkatervezet lehetővé teszi az iteratív fejlesztést. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Készít hogy tesztelés előtt csomagolja be az ügynököt a legújabb változtatásokkal. Rendszeresen ellenőrizze az ügynök utolsó felkészülési idejét, hogy megbizonyosodjon arról, hogy a legújabb konfigurációkkal tesztel.
- A tesztablak elérése az ügynök munkavázlat-konzoljának bármely oldaláról a választással Teszt vagy a balra nyíl ikonra.
- A tesztablakban válasszon egy álnevet és annak verzióját a teszteléshez. Ehhez a bejegyzéshez használjuk
TestAlias
hogy meghívja ügynöke vázlatos verzióját. Ha az ügynök nincs előkészítve, a tesztablakban megjelenik egy üzenet. - Tesztelje ügynökét a következő mintakérdések és egyéb bemenetek segítségével:
- Hozzon létre egy új követelést.
- Függőben lévő dokumentumokra vonatkozó emlékeztető küldése a 2s34w-8x követelés jogosultjának.
- Gyűjtsön bizonyítékot az 5t16u-7v állításhoz.
- Mennyi a 3b45c-9d követelés teljes összege?
- Mennyi a javítási költség összege ugyanennek a követelésnek?
- Milyen tényezők határozzák meg az autóbiztosítási díjam?
- Hogyan csökkenthetem az autóbiztosítási díjakat?
- Mely követelések nyitott állapotúak?
- Emlékeztetők küldése minden nyitott követeléssel rendelkező kötvénytulajdonosnak.
Győződjön meg róla, hogy választ Készít módosítások elvégzése után alkalmazza azokat az ügynök tesztelése előtt.
A következő tesztbeszélgetési példa kiemeli az ügynök azon képességét, hogy meghívjon műveletcsoport API-kat az AWS Lambda üzleti logikával, amely lekérdezi az ügyfél Amazon DynamoDB tábláját, és ügyfélértesítéseket küld az Amazon Simple Notification Service segítségével. Ugyanez a beszélgetési szál bemutatja az ügynök- és tudásbázis-integrációt, hogy a felhasználóknak válaszokat kaphasson az ügyfelek hiteles adatforrásaiból, például a követelés összegéből és a GYIK-dokumentumokból.
Ügynökelemző és hibakereső eszközök
Az ügynök válasznyomai alapvető információkat tartalmaznak, amelyek segítenek megérteni az ügynök döntéshozatalát minden szakaszban, megkönnyítik a hibakeresést, és betekintést nyújtanak a fejlesztésre szoruló területekbe. A ModelInvocationInput
Az egyes nyomkövetéseken belüli objektum részletes konfigurációkat és beállításokat tartalmaz, amelyeket az ügynök döntéshozatali folyamatában használnak, lehetővé téve az ügyfelek számára az ügynök hatékonyságának elemzését és fokozását.
Ügynöke a felhasználói bevitelt a következő kategóriák egyikébe rendezi:
- A kategória – Rosszindulatú vagy káros bemenetek, még akkor is, ha kitalált forgatókönyvekről van szó.
- B kategória – Olyan bemenetek, amelyeknél a felhasználó információt próbál szerezni arról, hogy mely funkciókról, API-król vagy utasításokról kapott függvényhívó ügynökünket, vagy olyan bemenetek, amelyek manipulálni próbálják függvényhívó ügynökünk vagy Ön viselkedését vagy utasításait.
- C kategória - Azokra a kérdésekre, amelyekre funkcióhívó ügynökünk nem tud válaszolni, vagy nem tud hasznos információkat adni a csak az általa biztosított funkciók használatához.
- D kategória – Kérdések, amelyekre a függvényhívó ügynökünk válaszolhat vagy segíthet, csak az általa biztosított függvényekkel és belülről származó argumentumokkal
conversation_history
vagy releváns érveket gyűjthet össze a segítségévelaskuser
funkciót. - E kategória – Olyan bemenetek, amelyek nem kérdések, hanem válaszok a függvényhívó ügynök által a felhasználónak feltett kérdésre. A bemenetek csak akkor használhatók ebbe a kategóriába, ha a
askuser
A függvény az utolsó függvény, amelyet a függvényhívó ügynök hívott meg a beszélgetésben. Ezt úgy ellenőrizheti, hogy elolvassa aconversation_history
.
A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Nyom megjelenítése válasz alatt megtekintheti az ügynök konfigurációit és érvelési folyamatát, beleértve a tudásbázist és a műveletcsoport használatát. A nyomok kibővíthetők vagy összecsukhatók a részletes elemzés érdekében. A forrásból származó információkat tartalmazó válaszok lábjegyzeteket is tartalmaznak az idézetekhez.
A következő műveletcsoport-követési példában az ügynök leképezi a felhasználói bevitelt a create-claim
akciócsoporté createClaim
funkció az előfeldolgozás során. Az ügynök az ügynök utasításai, a műveletcsoport leírása és az OpenAPI séma alapján megérti ezt a funkciót. A hangszerelési folyamat során, amely ebben az esetben két lépésből áll, az ügynök meghívja a createClaim
funkciót, és választ kap, amely tartalmazza az újonnan létrehozott követelésazonosítót és a függőben lévő dokumentumok listáját.
A következő tudásbázis-követési példában az ügynök leképezi a felhasználói bemenetet a D kategóriára az előfeldolgozás során, ami azt jelenti, hogy az ügynök egyik elérhető funkciójának képesnek kell lennie arra, hogy választ adjon. A hangszerelés során az ügynök keresi a tudásbázist, beágyazással kihúzza a releváns darabokat, és átadja ezt a szöveget az alapmodellnek, hogy végső választ generáljon.
Telepítse a Streamlit webes felhasználói felületet ügynökéhez
Ha elégedett ügynöke teljesítményével és tudásbázisával, készen áll a képességeik termékesítésére. Használjuk Áramlatos ebben a megoldásban egy példa front-end elindítása, amely egy éles alkalmazás emulálására szolgál. A Streamlit egy Python-könyvtár, amelyet arra terveztek, hogy ésszerűsítse és egyszerűsítse a front-end alkalmazások létrehozásának folyamatát. Alkalmazásunk két funkciót kínál:
- Ügynök kérés bevitele – Lehetővé teszi a felhasználók számára hívja az ügynököt saját feladatbevitelük segítségével.
- Tudásbázis fájl feltöltése Lehetővé teszi a felhasználó számára, hogy feltöltse helyi fájljait a tudásbázis adatforrásaként használt S3 tárolóba. A fájl feltöltése után az alkalmazás feldolgozási feladatot indít el a tudásbázis adatforrás szinkronizálásához.
Streamlit alkalmazásfüggőségeink elkülönítésére és a telepítés megkönnyítésére használjuk a setup-streamlit-env.sh shell script egy virtuális Python környezet létrehozásához a telepített követelményekkel. Hajtsa végre a következő lépéseket:
- A shell szkript futtatása előtt keresse meg azt a könyvtárat, ahová a parancsfájlt klónozta
amazon-bedrock-samples
lerakatból, és módosítsa a Streamlit shell szkript engedélyeit a végrehajtható fájlra:
- Futtassa a shell-szkriptet a virtuális Python-környezet aktiválásához a szükséges függőségekkel:
- Állítsa be az Amazon Bedrock ügynökazonosítóját, az ügynökálnév azonosítóját, a tudásbázis-azonosítót, az adatforrás-azonosítót, a tudásbázis-csoport nevét és az AWS-régió környezeti változóit:
- Futtassa a Streamlit alkalmazást, és kezdje el a tesztelést a helyi webböngészőben:
Tisztítsuk meg
Az AWS-fiókjában felmerülő költségek elkerülése érdekében tisztítsa meg a megoldás által biztosított erőforrásokat
A delete-customer-resources.sh A shell script kiüríti és törli a megoldás S3 tárolóját, és törli az eredetileg kiépített erőforrásokat a bedrock-customer-resources.yml
CloudFormation verem. A következő parancsok az alapértelmezett veremnevet használják. Ha testreszabta a verem nevét, akkor ennek megfelelően módosítsa a parancsokat.
Az előző ./delete-customer-resources.sh
A shell parancs a következő AWS CLI parancsokat futtatja az emulált ügyfél-erőforrás-verem és az S3-tároló törléséhez:
Ügynöke és tudásbázisa törléséhez kövesse a következő utasításokat: ügynök törlése és a tudásbázis törlése, Ill.
Szempontok
Bár a bemutatott megoldás bemutatja az Amazon Bedrock ügynökeinek és tudásbázisainak képességeit, fontos megérteni, hogy ez a megoldás nem gyártásra kész. Inkább koncepcionális útmutatóként szolgál az ügyfelek számára, akik személyre szabott ügynököket kívánnak létrehozni saját konkrét feladataikhoz és automatizált munkafolyamataikhoz. Az éles üzembe helyezésre törekvő ügyfeleknek finomítaniuk és módosítaniuk kell ezt a kezdeti modellt, szem előtt tartva a következő biztonsági tényezőket:
- Biztonságos hozzáférés az API-khoz és adatokhoz:
- Korlátozza a hozzáférést az API-khoz, adatbázisokhoz és más, ügynökbe integrált rendszerekhez.
- Használja a hozzáférés-vezérlést, a titkok kezelését és a titkosítást az illetéktelen hozzáférés megakadályozására.
- Bemenet ellenőrzése és fertőtlenítése:
- Érvényesítse és megtisztítsa a felhasználói beviteleket az injekciós támadások vagy az ügynök viselkedésének manipulálására irányuló kísérletek megelőzése érdekében.
- Hozzon létre beviteli szabályokat és adatellenőrzési mechanizmusokat.
- Hozzáférés-szabályozás az ügynökkezeléshez és teszteléshez:
- Az ügynök szerkesztéséhez, teszteléséhez vagy konfigurálásához használt konzolokhoz és eszközökhöz valósítsa meg a megfelelő hozzáférés-vezérlést.
- Korlátozza a hozzáférést az engedélyezett fejlesztőkre és tesztelőkre.
- Az infrastruktúra biztonsága:
- Tartsa be az AWS biztonsági bevált gyakorlatait a VPC-k, alhálózatok, biztonsági csoportok, naplózás és az alapul szolgáló infrastruktúra felügyelete tekintetében.
- Ügynöki utasítások érvényesítése:
- Hozzon létre egy aprólékos folyamatot az ügynök utasításainak áttekintésére és érvényesítésére a nem kívánt viselkedések megelőzése érdekében.
- Tesztelés és auditálás:
- Alaposan tesztelje az ügynököt és az integrált összetevőket.
- Végezze el az ügynöki beszélgetések auditálását, naplózását és regressziós tesztelését a problémák észlelése és megoldása érdekében.
- Tudásbázis biztonság:
- Ha a felhasználók bővíthetik a tudásbázist, ellenőrizze a feltöltéseket a mérgező támadások megelőzése érdekében.
Egyéb kulcsfontosságú megfontolásokért lásd Építsen generatív AI-ügynököket az Amazon Bedrock, az Amazon DynamoDB, az Amazon Kendra, az Amazon Lex és a LangChain segítségével.
Következtetés
Az Amazon Bedrock ügynökeit és tudásbázisait használó generatív AI-ügynökök bevezetése jelentős előrelépést jelent a szervezetek működési és automatizálási képességeiben. Ezek az eszközök nemcsak egyszerűsítik a biztosítási kárigények életciklusát, hanem precedenst teremtenek a mesterséges intelligencia alkalmazásának számos más vállalati tartományban is. A feladatok automatizálásával, az ügyfélszolgálat javításával és a döntéshozatali folyamatok javításával ezek az AI-ügynökök lehetővé teszik a szervezetek számára, hogy a növekedésre és az innovációra összpontosítsanak, miközben hatékonyan kezelik a rutin és összetett feladatokat.
Ahogy továbbra is szemtanúi vagyunk az AI gyors fejlődésének, az olyan eszközökben, mint az Agents és a Knowledge Bases for Amazon Bedrock, óriási potenciál rejlik az üzleti műveletek átalakítására. Az ezeket a technológiákat használó vállalkozások jelentős versenyelőnyre tesznek szert, amelyet a jobb hatékonyság, a vevői elégedettség és a döntéshozatal jellemez. A vállalati adatkezelés és -műveletek jövője tagadhatatlanul a nagyobb mesterségesintelligencia-integráció felé hajlik, és az Amazon Bedrock ebben az átalakulásban az élen jár.
Ha többet szeretne megtudni, látogasson el Az Amazon Bedrock ügynökei, konzultáljon a Amazon Bedrock dokumentáció, fedezze fel a generatív AI-tér a Community.aws-nál, és ismerkedjen meg a Amazon Bedrock műhely.
A szerzőről
Kyle T. Blocksom Sr. Solutions Architect az AWS-nél Dél-Kaliforniában. Kyle szenvedélye, hogy összehozza az embereket, és a technológiát kihasználva olyan megoldásokat kínáljon, amelyeket az ügyfelek szeretnek. Munkán kívül szeret szörfözni, enni, birkózni a kutyájával, és elkényezteti unokahúgát és unokaöccsét.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/automate-the-insurance-claim-lifecycle-using-agents-and-knowledge-bases-for-amazon-bedrock/
- :van
- :is
- :nem
- :ahol
- $ UP
- 1
- 10
- 100
- 1040
- 11
- 19
- 500
- 7
- 8
- 9
- a
- képesség
- Képes
- Rólunk
- absztrakció
- gyorsul
- hozzáférés
- baleset
- Eszerint
- Fiók
- pontosság
- pontosan
- át
- törvény
- Akció
- cselekvések
- aktív
- aktiváló
- alkalmazkodni
- hozzá
- További
- cím
- tapadás
- fejlett
- haladás
- Előny
- Után
- Ügynök
- szerek
- AI
- Támogatás
- Célzás
- célok
- igazítás
- Minden termék
- lehetővé
- lehetővé téve
- lehetővé teszi, hogy
- már
- Is
- alternatív
- amazon
- Amazon Kendra
- Amazon Lex
- Az Amazon Web Services
- összeg
- Összegek
- an
- elemzés
- elemez
- és a
- válasz
- válaszok
- Antropikus
- számít
- bármilyen
- api
- API-k
- megjelenik
- Megjelenik
- Alkalmazás
- alkalmazások
- alkalmaz
- építészet
- VANNAK
- területek
- érvek
- körül
- AS
- értékeli
- értékelés
- segít
- asszisztensek
- munkáját
- Társult
- társult
- At
- Támadások
- Kísérletek
- könyvvizsgálat
- fokozza
- bővített
- felhatalmazott
- automatizált
- Automatizált
- automatizálás
- Automatizálás
- elérhető
- elkerülése érdekében
- AWS
- AWS felhőképződés
- AWS Lambda
- zászló
- bázis
- alapján
- BE
- óta
- előtt
- kezdődik
- nevében
- viselkedés
- viselkedés
- hogy
- BEST
- legjobb gyakorlatok
- között
- fellendítésére
- mindkét
- Törés
- hoz
- böngésző
- épít
- Épület
- épült
- teher
- üzleti
- de
- by
- Kalifornia
- hívott
- hívás
- kéri
- TUD
- képességek
- autó
- eset
- kategóriák
- kategorizálása
- Kategória
- CD
- változik
- Változások
- díjak
- csevegés
- ellenőrizze
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- választja
- követelés
- követelések
- ragadozó ölyv
- világos
- cli
- szorosan
- kód
- összeomlott
- gyűjtemény
- közösség
- Companies
- vállalat
- összehasonlítások
- versenyképes
- teljes
- bonyolult
- alkatrészek
- átfogó
- azzal jellemezve,
- fogalmi
- feltétel
- Magatartás
- Configuration
- konfigurálva
- megerősít
- Csatlakozás
- megfontolások
- áll
- Konzol
- konzolok
- konzultál
- tartalmaz
- tartalom
- Tartalomgenerálás
- kontextus
- kontextusok
- szövegre vonatkozó
- folytatódik
- tovább
- folyamatos
- ellenőrzés
- ellenőrzések
- Konvenció
- Beszélgetés
- beszélgetések
- átalakított
- koordinációs
- helyesen
- Megfelelő
- Költség
- kiadások
- összekapcsolt
- lefedettség
- kézműves
- teremt
- készítette
- teremt
- létrehozása
- teremtés
- Kreatív
- kritikai
- kurátorok
- vevő
- ügyféladatok
- Vevői elégedettség
- Vevőszolgálat
- Vevőszolgálat
- Ügyfelek
- testreszabás
- szabott
- dátum
- adatbevitel
- adatkezelés
- adatbázisok
- döntés
- Döntéshozatal
- levonható
- alapértelmezett
- meghatározott
- meghatározott
- szállít
- demó
- igazolták
- függőségek
- telepíteni
- telepített
- bevetés
- leírás
- tervezett
- részletes
- részletek
- kimutatására
- Határozzuk meg
- eltökélt
- fejlesztők
- Fejlesztés
- fejleszt
- diagnózis
- diagram
- közvetlen
- rendezés
- közvetlenül
- Tiltva
- megvitatni
- kijelző
- számos
- do
- dokumentum
- dokumentáció
- dokumentumok
- nem
- Kutya
- domainek
- le-
- vázlat
- gépkocsivezető
- alatt
- e
- minden
- Korábban
- könnyű
- visszhang
- él
- hatékonyan
- hatékonyság
- hatékonyság
- hatékony
- eredményesen
- erőfeszítés
- választható
- e-mailek
- beágyazás
- alkalmazottak
- foglalkoztatás
- képessé
- képessé
- lehetővé teszi
- lehetővé téve
- titkosítás
- végtől végig
- vegyenek
- növelése
- fokozása
- dúsított
- biztosítására
- biztosítása
- belép
- Vállalkozás
- Vállalatok
- belépés
- Környezet
- alapvető
- létrehozni
- megalapozott
- becslés
- becslések
- értékelni
- értékelő
- értékelés
- Még
- bizonyíték
- evolúció
- fejlődik
- példa
- példák
- Excel
- végrehajtás
- létező
- Bontsa
- kiterjesztett
- várható
- feltárása
- Feltárása
- export
- kiterjedt
- megkönnyítése
- tényezők
- FAQ
- Jellemzők
- kitalált
- filé
- Fájlok
- utolsó
- Végül
- vezetéknév
- Összpontosít
- következik
- következő
- következik
- A
- Forefront
- formátum
- Alapítvány
- alapítványi
- ból ből
- teljesen
- funkció
- funkcionalitás
- funkciók
- jövő
- g1
- Nyereség
- gyűjt
- gyűjtése
- általános
- generál
- generált
- generáló
- generáció
- nemző
- Generatív AI
- kap
- nyújtó
- nagyobb
- Zöld
- Csoport
- Csoportok
- Növekedés
- útmutató
- irányelvek
- Útmutatók
- Kezelés
- hands-on
- káros
- hevederek
- Legyen
- he
- hasznos
- nagy teljesítményű
- kiemeli
- övé
- történelem
- tartó
- tartók
- Hogyan
- HTML
- http
- HTTPS
- emberi
- Emberi erőforrások
- i
- ICON
- ikonok
- ID
- azonosítja
- azonosítani
- azonosító
- Identitás
- ids
- if
- illusztrálja
- képek
- óriási
- végrehajtás
- fontos
- javul
- javított
- javulás
- fejlesztések
- javuló
- in
- tétlen
- beleértve
- magában foglalja a
- Beleértve
- amely magában foglalja
- index
- információ
- Infrastruktúra
- kezdetben
- alapvetően
- kezdeményez
- Innováció
- bemenet
- bemenet
- Érdeklődés
- meglátások
- telepítve
- helyette
- utasítás
- biztosítás
- integrált
- integrálása
- integráció
- integrációk
- szándékolt
- kölcsönhatásba
- kölcsönhatások
- belső
- értelmezés
- tolmácsolás
- bele
- behívja
- jár
- bevonásával
- kérdések
- IT
- iterációk
- ITS
- json
- éppen
- tartás
- Kulcs
- tudás
- Tudásmenedzsment
- Kyle
- nyelv
- nagy
- Nagy vállalkozások
- keresztnév
- a későbbiekben
- legutolsó
- indít
- réteg
- vezető
- TANUL
- Szabadság
- kilépő
- balra
- szint
- Tőkeáttétel
- könyvtár
- életciklus
- mint
- vonal
- összekapcsolt
- Lista
- Listázott
- helyi
- fakitermelés
- logika
- logikus
- szerelem
- alacsonyabb
- csinál
- KÉSZÍT
- Gyártás
- rosszindulatú
- kezelhető
- sikerült
- vezetés
- kézzel
- Térképek
- megjelölt
- jelenti
- intézkedések
- mechanizmusok
- módszer
- aprólékos
- bánja
- minimalizálása
- hiányzó
- MIT
- modell
- modellek
- módosítása
- ellenőrzés
- több
- Ráadásul
- a legtöbb
- többszörös
- kell
- my
- név
- elnevezési
- Természetes
- Természet
- Keresse
- Navigáció
- elengedhetetlen
- szükségesség
- szükséges
- igények
- Új
- újonnan
- következő
- megjegyezni
- bejelentés
- értesítések
- Most
- tárgy
- célkitűzés
- megfigyelés
- of
- felajánlás
- on
- ONE
- csak
- nyitva
- működik
- operatív
- Művelet
- Lehetőségek
- Alkalom
- optimálisan
- Optimalizálja
- opció
- or
- hangszerelésben
- hangszerelés
- szervezet
- szervezetek
- származás
- eredetileg
- Más
- mi
- vázlat
- felvázolva
- teljesítmény
- kimenetek
- kívül
- átfogó
- felső
- áttekintés
- saját
- csomag
- csomagolás
- oldal
- párok
- üvegtábla
- paraméterek
- különös
- bérletek
- szenvedély
- utak
- alatt
- Emberek (People)
- Teljesít
- teljesítmény
- engedélyek
- Személyre
- fázis
- Plató
- Platón adatintelligencia
- PlatoData
- játszani
- pont
- mérgezés
- politika
- benépesített
- rendelkezik
- állás
- potenciális
- erős
- gyakorlat
- precedens
- megelőző
- Pontosság
- prémium
- előkészítés
- Készít
- előkészített
- előkészítése
- megakadályozása
- magánélet
- magán
- eljárás
- folyamat
- Folyamatok
- feldolgozás
- Termelés
- utasításokat
- megfelelő
- ad
- feltéve,
- biztosít
- amely
- ellátás
- Húz
- cél
- Piton
- világítás
- lekérdezések
- kérdés
- kérdés
- Kérdések
- rongy
- hatótávolság
- gyors
- Arány
- Az árak
- Inkább
- logika
- Reagál
- Olvasás
- kész
- való Világ
- ok
- kap
- ajánlott
- felvétel
- csökkenti
- csökkentő
- utal
- hivatkozott
- finomítani
- tekintettel
- vidék
- rendszeresen
- összefüggő
- relevancia
- emlékeztető
- távoli
- javítás
- ismétlő
- jelentést
- raktár
- képvisel
- jelentése
- kéri
- kötelező
- követelmények
- Felbontás
- Tudástár
- illetőleg
- Reagálni
- válasz
- válaszok
- felelős
- eredményez
- visszatérés
- visszatérő
- Kritika
- rutin
- szabályok
- futás
- fut
- futásidejű
- s
- azonos
- minta
- elégedettség
- elégedett
- elégedett valamivel
- Skála
- forgatókönyvek
- forgatókönyv
- zökkenőmentes
- zökkenőmentesen
- Keresés
- keresések
- keres
- Második
- titkok
- szakaszok
- biztosítása
- biztonság
- lát
- szegmentáció
- válasszuk
- kiválasztott
- szemantikus
- küld
- elküldés
- küld
- Sorozat
- Series of
- szolgálja
- szolgáltatás
- Szolgáltatások
- készlet
- beállítás
- beállítások
- számos
- megosztott
- Héj
- kellene
- jelentős
- jelentősen
- Egyszerű
- egyszerűsítése
- szimulálni
- egyetlen
- ül
- kisebb
- megoldások
- Megoldások
- néhány
- forrás
- származó
- Források
- Déli
- Hely
- specializált
- különleges
- meghatározott
- specifikálva
- verem
- Színpad
- állvány
- Állapot
- Lépés
- Lépései
- Még mindig
- tárolás
- tárolni
- memorizált
- árnyékolók
- Stratégiai
- áramvonal
- ésszerűsítése
- stílus
- alhálózatok
- későbbi
- sikeres
- ilyen
- kínálat
- támogatás
- biztos
- szinkronizál.
- szintetikus
- Systems
- táblázat
- Feladat
- feladatok
- Műszaki
- technika
- Technologies
- Technológia
- sablon
- teszt
- tesztelők
- Tesztelés
- tesztek
- szöveg
- hogy
- A
- A jövő
- The Source
- azok
- Őket
- akkor
- ebből adódóan
- Ezek
- ők
- dolgok
- Harmadik
- ezt
- három
- Keresztül
- egész
- idő
- nak nek
- együtt
- szerszám
- szerszámok
- téma
- Végösszeg
- felé
- Nyom
- nyomkövetés
- Átalakítás
- át
- transzformáló
- próbál
- kettő
- ui
- képtelen
- jogtalan
- tagadhatatlanul
- alatt
- mennek
- mögöttes
- megért
- megértés
- megérti
- feltöltve
- upon
- URL
- Használat
- használ
- használt
- használó
- Felhasználók
- használ
- segítségével
- hasznosított
- ÉRVÉNYESÍT
- érvényesítése
- érvényesítés
- Értékek
- változó
- különféle
- Igazolás
- ellenőrzése
- sokoldalú
- változat
- Megnézem
- Tényleges
- Látogat
- várjon
- akar
- we
- háló
- webböngésző
- webes szolgáltatások
- voltak
- amikor
- mivel
- ami
- míg
- akinek
- széles
- Széleskörű
- lesz
- ablak
- val vel
- belül
- nélkül
- tanú
- Munka
- együtt dolgozni
- munkafolyamat
- munkafolyamatok
- dolgozó
- te
- A te
- zephyrnet
- Postai irányítószám