אפשרויות שירות עצמי אפקטיביות הופכות יותר ויותר קריטיות עבור מוקדי קשר, אך יישום טוב מציבה אתגרים ייחודיים.
אמזון לקס מספק את שלך אמזון Connect מרכז קשר עם פונקציות של צ'טבוט כגון זיהוי דיבור אוטומטי (ASR) ויכולות הבנת שפה טבעית (NLU) באמצעות ערוצי קול וטקסט. הבוט לוקח דיבור או קלט טקסט בשפה טבעית, מזהה את הכוונה מאחורי הקלט, ומגשים את כוונת המשתמש על ידי הפעלת התגובה המתאימה.
למתקשרים יכולים להיות מבטאים, הגייה ודקדוק מגוונים. בשילוב עם רעשי רקע, זה יכול להפוך את זה למאתגר עבור זיהוי דיבור להבין במדויק הצהרות. לדוגמה, "אני רוצה לעקוב אחר ההזמנה שלי" עשוי להיות מזוהה בצורה שגויה כ"אני רוצה להעביר את המחזיק שלי במשאית". כוונות כושלות כמו אלה מתסכלות לקוחות שצריכים לחזור על עצמם, מנותבים בצורה שגויה או מוסלמים לסוכנים חיים - ועולות לעסקים יותר.
סלע אמזון דמוקרטיזציה של גישה למודלים בסיסיים (FM) עבור מפתחים לבנייה והרחבה ללא מאמץ של יישומים מבוססי AI מחוללים עבור מרכז הקשר המודרני. מכשירי FM המסופקים על ידי Amazon Bedrock, כגון אמזון טיטאן ו קלוד האנתרופי, מאומנים מראש על מערכי נתונים בקנה מידה אינטרנט המעניק להם יכולות NLU חזקות כגון סיווג משפטים, שאלה ותשובה, והבנה סמנטית משופרת למרות שגיאות זיהוי דיבור.
בפוסט זה, אנו חוקרים פתרון המשתמש ב-FM שסופק על ידי Amazon Bedrock כדי לשפר את זיהוי הכוונות של Amazon Lex המשולב עם Amazon Connect, ובסופו של דבר לספק חווית שירות עצמי משופרת ללקוחות שלך.
סקירה כללית של הפיתרון
הפתרון משתמש אמזון Connect, אמזון לקס , AWS למבדה, ו סלע אמזון בשלבים הבאים:
- זרימת קשר של Amazon Connect משתלבת עם בוט של Amazon Lex דרך
GetCustomerInput
לַחסוֹם. - כאשר הבוט לא מצליח לזהות את כוונתו של המתקשר ומברירת מחדל את כוונת החזרה, מופעלת פונקציית Lambda.
- פונקציית Lambda לוקחת את תמליל האמירה של הלקוח ומעבירה אותו למודל יסוד ב- Amazon Bedrock
- באמצעות יכולות השפה הטבעית המתקדמות שלו, המודל קובע את כוונת המתקשר.
- לאחר מכן פונקציית Lambda מכוונת את הבוט לנתב את השיחה אל הכוונה הנכונה למימוש.
על ידי שימוש במודלים של Amazon Bedrock, הפתרון מאפשר לבוט של Amazon Lex להבין את הכוונות למרות שגיאות זיהוי דיבור. זה מביא לניתוב והגשמה חלקים, מניעת הסלמות לסוכנים וחזרות מתסכלות עבור המתקשרים.
התרשים הבא ממחיש את ארכיטקטורת הפתרון וזרימת העבודה.
בסעיפים הבאים, אנו בוחנים את מרכיבי המפתח של הפתרון ביתר פירוט.
פונקציות למבדה ומסגרת LangChain
כאשר הבוט של Amazon Lex מפעיל את פונקציית Lambda, הוא שולח הודעת אירוע המכילה מידע על הבוט ותמלול האמירה מהמתקשר. באמצעות הודעת אירוע זו, פונקציית Lambda מאחזרת באופן דינמי את הכוונות המוגדרות של הבוט, תיאור הכוונה והצהרות הכוונות ובונה הנחיה באמצעות LangChain, שהיא מסגרת למידת מכונה בקוד פתוח (ML) המאפשרת למפתחים לשלב מודלים של שפה גדולה (LLMs), מקורות נתונים ויישומים.
לאחר מכן מופעל מודל יסוד של Amazon Bedrock באמצעות ההנחיה ומתקבלת תגובה עם הכוונה החזויה ורמת האמון. אם רמת האמון גדולה מסף מוגדר, למשל 80%, הפונקציה מחזירה את הכוונה שזוהתה לאמזון לקס עם פעולה ל להאציל. אם רמת האמון היא מתחת לסף, היא חוזרת לברירת המחדל FallbackIntent
ופעולה לסגירתו.
למידה בהקשר, הנדסה מהירה והפעלת מודלים
אנו משתמשים בלמידה בתוך הקשר כדי להיות מסוגלים להשתמש במודל יסוד כדי לבצע משימה זו. למידה בהקשר היא היכולת של לימודי תואר שני ללמוד את המשימה תוך שימוש רק במה שמופיע בהנחיה מבלי להיות מאומנים מראש או מכוונים היטב למשימה הספציפית.
בהנחיה, אנו מספקים תחילה את ההוראה המפרטת מה צריך לעשות. לאחר מכן, פונקציית Lambda מאחזרת ומחדירה באופן דינמי את הכוונות המוגדרות של הבוט של Amazon Lex, תיאורי הכוונות והצהרות הכוונות להנחיה. לבסוף, אנו מספקים לו הוראות כיצד להפיק את החשיבה והתוצאה הסופית שלו.
תבנית ההנחיה הבאה נבדקה על דגמי יצירת טקסט Anthropic Claude Instant v1.2 ו-Anthropic Claude v2. אנו משתמשים בתגי XML כדי לשפר טוב יותר את ביצועי המודל. אנו גם מוסיפים מקום למודל לחשוב לפני זיהוי הכוונה הסופית כדי לשפר טוב יותר את ההיגיון שלו לבחירת הכוונה הנכונה. ה {intent_block}
מכיל את מזהי הכוונות, תיאורי הכוונות והצהרות הכוונות. ה {input}
בלוק מכיל את האמירה המתומללת מהמתקשר. שלוש סימנים אחוריים ("`) מתווספים בסוף כדי לעזור למודל להוציא בלוק קוד באופן עקבי יותר. א <STOP>
רצף נוסף כדי למנוע ממנו ליצור עוד.
לאחר הפעלת המודל, אנו מקבלים את התגובה הבאה ממודל הקרן:
סנן כוונות זמינות על סמך תכונות הפעלה של זרימת קשר
בעת שימוש בפתרון כחלק מזרימת קשר של Amazon Connect, אתה יכול לשפר עוד יותר את היכולת של LLM לזהות את הכוונה הנכונה על ידי ציון תכונת הפגישה available_intents
ב "קבל מידע מלקוח" בלוק עם רשימה מופרדת בפסיקים של כוונות, כפי שמוצג בצילום המסך הבא. על ידי כך, פונקציית Lambda תכלול רק את הכוונות שצוינו כחלק מההנחיה ל-LLM, ותצמצם את מספר הכוונות שה-LLM צריך לנמק. אם ה available_intents
תכונת session לא צוינה, כל הכוונות בבוט Amazon Lex ישמשו כברירת מחדל.
תגובת פונקציית Lambda לאמזון לקס
לאחר שה-LLM קבע את הכוונה, פונקציית Lambda מגיבה ב- פורמט ספציפי נדרש על ידי Amazon Lex לעבד את התגובה.
אם נמצאה כוונה תואמת מעל סף הביטחון, היא מחזירה סוג פעולת דו-שיח Delegate
להורות לאמזון לקס להשתמש בכוונה שנבחרה ולאחר מכן להחזיר את הכוונה שהושלמה בחזרה לאמזון קונקט. פלט התגובה הוא כדלקמן:
אם רמת האמון היא מתחת לסף או שלא זוהתה כוונה, סוג פעולת דו-שיח סְגוֹר מוחזר כדי להורות לאמזון לקס לסגור את FallbackIntent
, ולהחזיר את הבקרה לאמזון קונקט. פלט התגובה הוא כדלקמן:
קוד המקור המלא עבור דוגמה זו זמין ב GitHub.
תנאים מוקדמים
לפני שתתחיל, ודא שיש לך את התנאים המוקדמים הבאים:
מיישמים את הפתרון
כדי ליישם את הפתרון, בצע את הצעדים הבאים:
- שיבט את המאגר
- הפעל את הפקודה הבאה כדי לאתחל את הסביבה וליצור מרשם מיכל אלסטי של אמזון (Amazon ECR) מאגר עבור תמונת פונקציית Lambda שלנו. ספק את שם אזור AWS ומאגר ה-ECR שברצונך ליצור.
- עדכן את
ParameterValue
שדות בscripts/parameters.json
קובץ:ParameterKey ("AmazonECRImageUri")
– הזן את כתובת האתר של המאגר מהשלב הקודם.ParameterKey ("AmazonConnectName")
– הזן שם ייחודי.ParameterKey ("AmazonLexBotName")
– הזן שם ייחודי.ParameterKey ("AmazonLexBotAliasName")
- ברירת המחדל היא "prodversion"; אתה יכול לשנות אותו במידת הצורך.ParameterKey ("LoggingLevel")
- ברירת המחדל היא "INFO"; אתה יכול לשנות אותו במידת הצורך. ערכים חוקיים הם DEBUG, WARN ו-ERROR.ParameterKey ("ModelID")
– ברירת המחדל היא "anthropic.claude-instant-v1"; אתה יכול לשנות אותו אם אתה צריך להשתמש בדגם אחר.ParameterKey ("AmazonConnectName")
- ברירת המחדל היא "0.75"; אתה יכול לשנות אותו אם אתה צריך לעדכן את ציון הביטחון.
- הפעל את הפקודה כדי ליצור את מחסנית CloudFormation ולפרוס את המשאבים:
אם אינך רוצה לבנות את זרימת אנשי הקשר מאפס באמזון קונקט, תוכל לייבא את זרימת הדוגמאות שסופקה עם מאגר זה filelocation: /contactflowsample/samplecontactflow.json
.
- היכנס אל מופע של Amazon Connect. יש להקצות לחשבון פרופיל אבטחה הכולל הרשאות עריכה לזרימות.
- במסוף Amazon Connect, בחלונית הניווט, מתחת ניתוב, בחר מגע זורם.
- צור זרימה חדשה מאותו סוג של זו שאתה מייבא.
- בחרו זרימת שמירה וייבוא.
- בחר את הקובץ לייבוא ובחר תבואו.
כאשר הזרימה מיובאת לזרימה קיימת, גם שם הזרם הקיים מתעדכן.
- סקור ועדכן כל הפניות שנפתרו או לא פתורות לפי הצורך.
- כדי לשמור את הזרימה המיובאת, בחר שמור. לפרסום, בחר שמור ופרסם.
- לאחר העלאת זרימת אנשי הקשר, עדכן את התצורות הבאות:
- עדכן את
GetCustomerInput
בלוקים עם השם והגרסה הנכונים של הבוט של Amazon Lex. - תחת נהל מספר טלפון, עדכן את המספר עם זרימת אנשי הקשר או IVR שיובאו קודם לכן.
- עדכן את
אמת את התצורה
ודא שלפונקציית Lambda שנוצרה עם מחסנית CloudFormation יש תפקיד IAM עם הרשאות לאחזר בוטים ומידע על כוונות מאמזון לקס (הרשאות רשימה וקריאה), והרשאות מתאימות של Amazon Bedrock (הרשאות רשימה וקריאה).
בבוט Amazon Lex שלך, עבור הכינוי והשפה המוגדרים שלך, ודא שפונקציית Lambda הוגדרה כהלכה. בשביל ה FallBackIntent
, אשר את זה Fulfillmentis
מכוון ל Active
כדי להיות מסוגל להפעיל את הפונקציה בכל פעם ש- FallBackIntent
מופעלת.
בשלב זה, הבוט של Amazon Lex שלך יפעיל אוטומטית את פונקציית Lambda והפתרון אמור לעבוד בצורה חלקה.
בדוק את הפתרון
בואו נסתכל על דוגמה של כוונה, תיאור והתצורה של אמירה באמזון לקס ונראה עד כמה ה-LLM מתפקד עם קלט לדוגמה שמכיל שגיאות הקלדה, שגיאות דקדוק ואפילו שפה אחרת.
האיור הבא מציג צילומי מסך של הדוגמה שלנו. הצד השמאלי מציג את שם הכוונה, התיאור שלו ואמירה לדוגמה של מילה אחת. ללא הרבה תצורה באמזון לקס, ה-LLM מסוגל לחזות את הכוונה הנכונה (צד ימין). במבחן זה, יש לנו הודעת הגשמה פשוטה מהכוונה הנכונה.
לנקות את
כדי לנקות את המשאבים שלך, הפעל את הפקודה הבאה כדי למחוק את מאגר ECR ואת מחסנית CloudFormation:
סיכום
על ידי שימוש ב-Amazon Lex משופרת עם LLMs המסופקים על ידי Amazon Bedrock, אתה יכול לשפר את ביצועי זיהוי הכוונות של הבוטים שלך. זה מספק חווית שירות עצמי חלקה עבור מערך מגוון של לקוחות, מגשר על הפער בין הדגשים ומאפייני דיבור ייחודיים, ובסופו של דבר משפר את שביעות רצון הלקוחות.
כדי לצלול לעומק וללמוד עוד על AI גנרטיבי, בדוק את המשאבים הנוספים הבאים:
למידע נוסף על האופן שבו אתה יכול להתנסות עם פתרון השירות העצמי הגנרטיבי המופעל על ידי AI, ראה פרוס מענה לשאלות בשירות עצמי עם פתרון QnABot ב-AWS המופעל על ידי Amazon Lex עם אמזון קנדרה ודגמי שפות גדולים.
על הכותבים
חמזה נאדים הוא אדריכל אמזון קונקט פתרונות מומחה ב-AWS, שבסיסו בטורונטו. הוא עובד עם לקוחות ברחבי קנדה כדי לחדש את מרכזי הקשר שלהם ולספק פתרונות לאתגרים הייחודיים של מעורבות הלקוחות ולדרישות העסקיות שלהם. בזמנו הפנוי, חמזה נהנה לטייל, לשחק כדורגל ולנסות מתכונים חדשים עם אשתו.
פאראג סריווסטבה הוא ארכיטקט פתרונות בחברת Amazon Web Services (AWS), המסייע ללקוחות ארגוניים עם אימוץ והעברה מוצלחים של ענן. במהלך הקריירה המקצועית שלו, הוא היה מעורב רבות בפרויקטים מורכבים של טרנספורמציה דיגיטלית. הוא גם נלהב לבנות פתרונות חדשניים סביב היבטים גיאו-מרחביים של כתובות.
רוס אבוי הוא אדריכל פתרונות ב-AWS המבוסס בטורונטו, קנדה. הוא עוזר ללקוחות לחדש עם פתרונות AI/ML ו- Generative AI שמובילים לתוצאות עסקיות אמיתיות. הוא עבד עם מגוון לקוחות מקמעונאות, שירותים פיננסיים, טכנולוגיה, תרופות ואחרים. בזמנו הפנוי הוא אוהב את החוץ וליהנות מהטבע עם משפחתו.
סנגית'ה קמטקר הוא ארכיטקט פתרונות בשירותי האינטרנט של אמזון (AWS), המסייע ללקוחות באימוץ והעברה מוצלחים של ענן. היא עובדת עם לקוחות כדי ליצור ארכיטקטורות ענן ניתנות להרחבה, גמישות וגמישות ביותר, הנותנות מענה לבעיות עסקיות של לקוחות. בזמנה הפנוי היא מקשיבה למוזיקה, צופה בסרטים ונהנית מגינון במהלך הקיץ.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/enhance-amazon-connect-and-lex-with-generative-ai-capabilities/
- :יש ל
- :הוא
- :לֹא
- :איפה
- $ למעלה
- 1
- 100
- 11
- 14
- 7
- 8
- 9
- a
- יכולת
- יכול
- אודות
- מֵעַל
- גישה
- להשיג
- חֶשְׁבּוֹן
- במדויק
- פעולה
- להוסיף
- הוסיף
- נוסף
- כתובת
- כתובות
- אימוץ
- מתקדם
- סוֹכֵן
- סוכנים
- AI
- מונע AI
- AI / ML
- תעשיות
- גם
- אמזון בעברית
- אמזון קנדרה
- אמזון לקס
- אמזון שירותי אינטרנט
- אמזון שירותי אינטרנט (AWS)
- an
- ו
- לענות
- מענה
- אנתרופי
- כל
- יישומים
- מתאים
- ארכיטקטורה
- ארכיטקטורות
- ARE
- סביב
- AS
- לשאול
- היבטים
- שהוקצה
- עוזר
- At
- מכני עם סלילה אוטומטית
- באופן אוטומטי
- זמין
- AWS
- בחזרה
- רקע
- מבוסס
- BE
- התהוות
- היה
- לפני
- מאחור
- להיות
- להלן
- מוטב
- בֵּין
- לחסום
- אבני
- בוט
- בוטים
- גישור
- לִבנוֹת
- בִּניָן
- בונה
- עסקים
- עסקים
- אבל
- by
- שיחה
- מוקד טלפוני
- שיחה
- CAN
- קנדה
- יכולות
- קריירה
- לְסַוֵג
- CD
- מרכז
- מרכזים
- האתגרים
- אתגר
- שינוי
- ערוצים
- מאפיינים
- chatbot
- לבדוק
- בדיקה
- בחרו
- בחירה
- מיון
- לְנַקוֹת
- סְגוֹר
- ענן
- אימוץ ענן
- קוד
- משולב
- להשלים
- השלמת
- מורכב
- רכיבים
- אמון
- תְצוּרָה
- מוגדר
- לאשר
- לְחַבֵּר
- באופן עקבי
- קונסול
- צור קשר
- מוקדי שירות
- מכולה
- מכיל
- לִשְׁלוֹט
- לתקן
- צורה נכונה
- לעצב
- לִיצוֹר
- נוצר
- קריטי
- לקוח
- מעורבות לקוחות
- שביעות רצון של לקוח
- לקוחות
- נתונים
- מערכי נתונים
- מחליטים
- עמוק יותר
- בְּרִירַת מֶחדָל
- מחדל
- נתן
- אספקה
- דמוקרטיזציה
- לפרוס
- תיאור
- למרות
- פרט
- טיפוח לרכב
- נחוש
- קובע
- מפתחים
- תרשים
- דיאלוג
- אחר
- דיגיטלי
- טרנספורמציה דיגיטלית
- מפנה
- צלילה
- שונה
- עושה
- עושה
- עשה
- לא
- בְּמַהֲלָך
- באופן דינמי
- מוקדם יותר
- ללא מאמץ
- מאפשר
- סוף
- התעסקות
- הנדסה
- להגביר את
- משופר
- שיפור
- להנות
- נהניתי
- זן
- מִפְעָל
- סביבה
- שגיאה
- שגיאות
- הסלמה
- אֲפִילוּ
- אירוע
- דוגמה
- קיימים
- ניסיון
- לְנַסוֹת
- לחקור
- בהרחבה
- נכשל
- נכשל
- משפחה
- שדות
- תרשים
- שלח
- סופי
- בסופו של דבר
- כספי
- שירותים פיננסיים
- ראשון
- גמיש
- תזרים
- זורם
- הבא
- כדלקמן
- בעד
- פוּרמָט
- מצא
- קרן
- היסוד
- מסגרת
- החל מ-
- מתסכל
- פונקציה
- פונקציות
- פונקציות
- נוסף
- פער
- ליצור
- יצירת
- דור
- גנרטטיבית
- AI Generative
- לקבל
- נתן
- נותן
- דקדוק
- יותר
- יש
- he
- לעזור
- עזרה
- עוזר
- לה
- מאוד
- שֶׁלוֹ
- מחזיק
- איך
- איך
- http
- HTTPS
- בן אנוש
- מזוהה
- לזהות
- זיהוי
- מזהה
- if
- מדגים
- תמונה
- ליישם
- יישום
- לייבא
- יבוא
- לשפר
- משופר
- in
- לכלול
- כולל
- לא נכון
- יותר ויותר
- מידע
- לחדש
- חדשני
- קלט
- תשומות
- מיידי
- הוראות
- לשלב
- משולב
- משלב
- כוונה
- אל תוך
- הופעל
- מעורר
- מעורב
- IT
- שֶׁלָה
- jpg
- רק
- מפתח
- שפה
- גָדוֹל
- מוביל
- לִלמוֹד
- למידה
- עזבו
- רמה
- כמו
- סביר
- רשימה
- מאזין
- לחיות
- LLM
- נראה
- אוהב
- מכונה
- למידת מכונה
- לעשות
- לנהל
- להתאים
- גפרורים
- תואם
- מאי..
- הודעה
- הֲגִירָה
- טעויות
- ML
- מודל
- מודלים
- מודרני
- לְחַדֵשׁ
- יותר
- סרטים
- הרבה
- כלי נגינה
- צריך
- my
- שם
- טבעי
- טבע
- ניווט
- הכרחי
- צורך
- נחוץ
- צרכי
- חדש
- nlu
- רעש
- מספר
- of
- on
- ONE
- רק
- לפתוח
- קוד פתוח
- אפשרויות
- or
- להזמין
- אחרים
- שלנו
- הַחוּצָה
- תוצאות
- בחוץ
- תפוקה
- זגוגית
- חלק
- מסוים
- מעברי
- לוהט
- ביצועים
- מבצע
- הרשאות
- התרופות
- טלפון
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- נקודה
- הודעה
- מופעל
- לחזות
- חזה
- תנאים מוקדמים
- מתנות
- מניעה
- קודם
- בעיות
- תהליך
- מקצועי
- פּרוֹפִיל
- פרויקטים
- לספק
- ובלבד
- מספק
- לפרסם
- גם
- QnABot
- שאלה
- חומר עיוני
- ממשי
- טעם
- לקבל
- קיבלו
- הכרה
- להכיר
- מוכר
- מזהה
- הפחתה
- אזכור
- באזור
- לחזור על
- מאגר
- נדרש
- דרישות
- מִתאוֹשֵׁשׁ מַהֵר
- נפתרה
- משאבים
- להגיב
- תגובה
- תוצאה
- תוצאות
- קמעוני
- לַחֲזוֹר
- החזרות
- תקין
- תפקיד
- חֶדֶר
- מסלול
- מוּכרָע
- ניתוב
- הפעלה
- אותו
- לִטעוֹם
- שביעות רצון
- שמור
- להרחבה
- סולם
- ציון
- לגרד
- צילומי מסך
- בצורה חלקה
- בצורה חלקה
- סעיפים
- אבטחה
- לִרְאוֹת
- נבחר
- שירות עצמי
- סמנטי
- שולח
- משפט
- רצף
- שירותים
- מושב
- סט
- היא
- צריך
- הראה
- הופעות
- צד
- פָּשׁוּט
- להחליק
- So
- כדורגל
- פִּתָרוֹן
- פתרונות
- מָקוֹר
- קוד מקור
- מקורות
- מומחה
- מפורט
- מפרט
- נאום
- זיהוי דיבור
- לערום
- החל
- מדינה
- הצהרות
- מצב
- שלב
- צעדים
- עצור
- חזק
- כתוצאה מכך
- מוצלח
- כזה
- קיץ
- בטוח
- לוקח
- המשימות
- טכנולוגיה
- תבנית
- מבחן
- נבדק
- טֶקסט
- מֵאֲשֶׁר
- זֶה
- השמיים
- שֶׁלָהֶם
- אותם
- עצמם
- אז
- אלה
- לחשוב
- חושב
- זֶה
- שְׁלוֹשָׁה
- סף
- דרך
- בכל
- זמן
- ל
- גַם
- טורונטו
- לעקוב
- תמליל
- טרנספורמציה
- נסיעה
- מופעל
- משאית
- לנסות
- מנסה
- סוג
- בסופו של דבר
- תחת
- להבין
- הבנה
- ייחודי
- עדכון
- מְעוּדכָּן
- כתובת האתר
- להשתמש
- מְשׁוּמָשׁ
- שימושים
- באמצעות
- v1
- תקף
- ערכים
- מגוון
- לאמת
- גרסה
- באמצעות
- קול
- רוצה
- היה
- שעון
- we
- אינטרנט
- שירותי אינטרנט
- טוֹב
- מה
- בכל פעם
- אשר
- מי
- רעיה
- יצטרך
- עם
- לְלֹא
- תיק עבודות
- עבד
- זרימת עבודה
- עובד
- היה
- XML
- אתה
- זפירנט