הגבר יעילות עם שיטות עבודה מומלצות ל-CI/CD ב-Amazon Lex

נניח שזיהית מקרה שימוש בארגון שלך שאתה רוצה לטפל בו באמצעות צ'אט בוט. הכרת את עצמך אמזון לקס, בנה אב טיפוס, ועשה כמה אינטראקציות ניסוי עם הבוט. אהבת את החוויה הכוללת ועכשיו אתה רוצה לפרוס את הבוט בסביבת הייצור שלך, אבל לא בטוח לגבי השיטות המומלצות עבור Amazon Lex. בפוסט זה, אנו סוקרים את שיטות העבודה המומלצות לפיתוח ופריסה של בוטים של Amazon Lex, המאפשרים לך לייעל את מחזור החיים של הבוט מקצה לקצה ולייעל את הפעולות שלך.

כיסינו את שלבי התכנון, העיצוב והתצורה בעבר בלוג. אנו מציעים לעיין בפוסטים האלה כדי לעזור לך לבנות שיחות מרתקות עם הבוט שלך לפני שתמשיך. לאחר שהגדרת תחילה את הבוט, עליך לבדוק אותו באופן פנימי ולחזור על הגדרת הבוט. כעת אתה מוכן לפרוס אותו בסביבת הייצור שלך (כגון מוקד טלפוני), שם הבוט יעבד שיחות חיות. לאחר הייצור, עליך לנטר אותו ברציפות כדי לוודא שהוא עומד ביעדים העסקיים הרצויים שלך. מחזור זה חוזר על עצמו כאשר אתה מוסיף מקרי שימוש ושיפורים חדשים.

בואו נסקור את שיטות העבודה המומלצות לפיתוח, בדיקה, פריסה וניטור בוטים.

צעצועי התפתחות

שקול את השיטות המומלצות הבאות בעת פיתוח הבוט שלך:

• נהל את סכימת הבוט באמצעות קוד - קונסולת Amazon Lex מספקת ממשק קל לשימוש בזמן שאתה מעצב ומגדיר את הבוט, אך מסתמך על פעולות ידניות כדי לשכפל את ההגדרה. אנו ממליצים להמיר את סכימת הבוט לקוד לאחר סיום העיצוב כדי לפשט את השלב הזה. אתה יכול להשתמש ממשקי API or AWS CloudFormation (ראה יצירת משאבי Amazon Lex V2 עם AWS CloudFormation) כדי לנהל את הבוט באופן תכנותי.
• סכימת בוטים של Checkpoint עם ניהול גרסאות של בוט - נקודת ביקורת היא גישה נפוצה המשמשת לעתים קרובות כדי להחזיר אפליקציה למצב יציב אחרון ידוע. Amazon Lex מציעה פונקציונליות זו באמצעות גרסת בוט. אנו ממליצים להשתמש בגרסה חדשה בכל אבן דרך בתהליך הפיתוח שלך. זה מאפשר לך לבצע שינויים מצטברים בהגדרת הבוט שלך, עם דרך קלה להחזיר אותם למקרה שהם לא יעבדו כמצופה.
• זיהוי דרישות לטיפול בנתונים והגדרת בקרות מתאימות - אמזון לקס עוקב אחר ה-AWS מודל אחריות משותפת, הכולל הנחיות להגנה על נתונים כדי לעמוד בתקנות התעשייה ובתקני פרטיות הנתונים של החברה שלך. בנוסף, אמזון לקס מצייתת תוכניות ציות כגון SOC, PCI ו-FedRAMP. Amazon Lex מספקת את היכולת לטשטש משבצות שנחשבות רגישות. עליך לזהות את דרישות פרטיות הנתונים שלך ולהגדיר את הפקדים המתאימים בבוט שלך.

בדיקות

לאחר שיש לך הגדרת בוט, עליך לבדוק את הבוט כדי לוודא שהוא פועל כמתוכנן ומוגדר כהלכה. לדוגמה, צריך להיות לו הרשאות להפעיל שירותים אחרים, כגון AWS למבדה פונקציות. בנוסף, כדאי גם לבדוק את הבוט כדי לוודא שהוא מסוגל לפרש סוגים שונים של בקשות משתמשים. שקול את השיטות המומלצות הבאות לבדיקה:

• זיהוי נתוני בדיקה - עליך לאסוף נתוני בדיקה רלוונטיים כדי לבדוק את ביצועי הבוט. נתוני הבדיקה צריכים לכלול ייצוג מקיף של שיחות המשתמש הצפויות עם הבוט, במיוחד עבור מקרי שימוש ב-IVR שבהם הבוט יצטרך להבין קלט קולי. נתוני הבדיקה צריכים לכסות סגנונות דיבור והדגשים שונים. נתוני בדיקה כאלה יכולים לספק אימות ניסיון עבור קהל לקוחות היעד שלך.
• זיהוי מדדי חווית משתמש - הגדרת חווית השיחה יכולה להיות קשה. אתה צריך לצפות ולתכנן את כל הדרכים השונות שמשתמשים עשויים לתקשר עם הבוט. איך מדריכים את המתקשר בלי להישמע תקיף מדי? איך מתאוששים אם המתקשר מספק מידע שגוי או לא שלם? כדי לנהל את הדיאלוג באמצעות תרחישים רבים ושונים, עליך להגדיר מטרה ברורה המכסה סגנונות דיבור שונים, תנאים אקוסטיים ואופנים שונים, ולזהות מדדים אובייקטיביים שאתה יכול לעקוב אחריהם. לדוגמה, אינדיקטור אובייקטיבי יהיה "90% מהשיחות צריכות להשמיע למשתמש פחות משתי הנחיות חוזרות", לעומת אינדיקטור סובייקטיבי כגון "רוב השיחות לא אמורות לבקש מהמשתמשים לחזור על הקלט".
• העריכו את חווית המשתמש לאורך הדרך - במקרים מסוימים, שינויים קטנים לכאורה יכולים להשפיע רבות על חווית המשתמש. לדוגמה, שקול מצב שבו אתה מציג בטעות שגיאת הקלדה בביטוי הרגולרי המשמש לסוג משבצת מזהה חשבון, מה שמוביל לבוט המנחה מחדש את המשתמש לספק שוב קלט. עליך להעריך את חווית המשתמש, ולהשקיע בבדיקה אוטומטית כדי ליצור מדדי מפתח. אתה יכול להתייחס הערכת שירות זיהוי דיבור אוטומטי ו בדיקת דיוק ורגרסיה עם Amazon Connect ו- Amazon Lex לדוגמאות כיצד לבדוק וליצור מדדי מפתח.

פְּרִיסָה

לאחר שתהיה מרוצה מהביצועים של הבוט, תרצה לפרוס את הבוט כדי להתחיל לשרת את תעבורת הייצור שלך. כאשר אתה חוזר על הבוט במהלך מחזור החיים שלו, אתה חוזר על הפריסות, מה שהופך אותו לתהליך מתמשך, ולכן חיוני שתהיה פריסה יעילה ואוטומטית כדי להפחית את הסיכוי לשגיאות. שקול את שיטות העבודה המומלצות הבאות לפריסה:

• השתמש בסביבה מרובת חשבונות - עליך לפעול לפי ה-AWS המומלץ הגדרת סביבה מרובת חשבונות בארגון שלך והשתמש בחשבונות AWS נפרדים לשלב הפיתוח ולשלב הייצור שלך. אם יש לך נוכחות מרובת אזורים, עליך להשתמש גם בחשבון AWS נפרד לכל אזור לייצור. שימוש בחשבונות AWS נפרדים בכל שלב מציע לך אבטחה, גישה וגבולות חיוב עבור משאבי ה-AWS שלך.
• אוטומציה של קידום בוט מפיתוח ועד לייצור - כשאתה משכפל את הגדרת הבוט בשלב הפיתוח שלך לשלב הייצור שלך, עליך להשתמש בפתרונות אוטומטיים ולמזער את נקודות המגע הידניות. עליך להשתמש בתבניות CloudFormation כדי ליצור את הבוטים שלך. לחלופין, אתה יכול להשתמש אמזון Lex ייצוא וייבוא ​​APIs לספק אמצעי אוטומטי להעתקת סכימת בוט בין חשבונות.
• פרסם שינויים באופן מדורג - עליך לפרוס שינויים בסביבת הייצור שלך בצורה מדורגת, כך שהשינויים ישוחררו לקבוצת משנה של תעבורת הייצור שלך לפני שהם יפורסמו לכל המשתמשים. גישה כזו נותנת לך את ההזדמנות להגביל את רדיוס הפיצוץ למקרה שיש בעיות כלשהן עם השינוי. דרך אחת שתוכל להשיג זאת היא באמצעות גישת פריסה דו-שלבית: אתה יוצר שני כינויים עבור בוט (לדוגמה, prod-05 ו-prod-95). תחילה עליך לשייך את גרסת הבוט החדשה לכינוי אחד (prod-05 בדוגמה זו). לאחר שתאמת את מדדי המפתח עומדים בקריטריוני ההצלחה, אתה משייך את הכינוי השני (prod-95) לגרסת הבוט החדשה.

שים לב שאתה צריך לשלוט בחלוקת התעבורה ביישום הלקוח המשמש לשילוב עם בוטים של Amazon Lex. לדוגמה, אם אתה משתמש אמזון Connect כדי להשתלב עם הבוטים שלך, אתה יכול להשתמש ב-a חלוקה לפי אחוזים בלוק מגע בשילוב עם שניים או יותר קבל קלט של לקוחות בלוקים.

חשוב לציין שאמזון לקס מספקת כינוי בדיקה מחוץ לקופסה. כינוי הבדיקה נועד לשמש לבדיקות אד-הוק ידניות דרך קונסולת Amazon Lex בלבד, ואינו מיועד להתמודד עם עומסים בקנה מידה ייצור. אנו ממליצים להשתמש בכינוי ייעודי עבור תעבורת הייצור שלך.

ניטור

ניטור חשוב לשמירה על אמינות, זמינות וחוויית משתמש קצה יעילה. עליך לנתח את המדדים של הבוט שלך ולהשתמש בלמידה כמנגנון משוב כדי לשפר את סכימת הבוט, כמו גם את שיטות הפיתוח, הבדיקות והפריסה שלך. אמזון לקס תומך במספר מנגנונים כדי לפקח על בוטים. שקול את השיטות המומלצות הבאות לניטור הרובוטים של Lex:

• לפקח כל הזמן ולחזור - Amazon Lex משתלב עם אמזון CloudWatch כדי לספק מדדים כמעט בזמן אמת שיכולים לספק לך תובנות מפתח לגבי האינטראקציות של המשתמשים שלך עם הבוט. תובנות אלו יכולות לעזור לך לקבל פרספקטיבה על חוויית משתמש הקצה. למידע נוסף על סוגי המדדים השונים שאמזון לקס פולטת, ראה ניטור Amazon Lex V2 עם Amazon CloudWatch. אנו ממליצים להגדיר ספים להפעלת אזעקות. באופן דומה, אמזון לקס נותן לך נראות לתוך אמירות הקלט הגולמיות מהאינטראקציות של המשתמשים שלך עם הבוט. אתה צריך להשתמש סטטיסטיקה של אמירה or יומני שיחות כדי לקבל תובנות לזיהוי דפוסי תקשורת ולבצע שינויים מתאימים בבוט שלך לפי הצורך. כדי ללמוד כיצד ליצור לוח מחוונים ניתוח מותאם אישית עבור הבוטים שלך, עיין ב עקוב אחר מדדי תפעול עבור הצ'אטבוט של Amazon Lex שלך.

השיטות המומלצות שנדונו בפוסט זה מתמקדות בעיקר במקרים של שימוש ספציפיים לאמזון לקס. בנוסף לאלה, עליך לסקור ולהקפיד על שיטות עבודה מומלצות בעת ניהול תשתית הענן שלך ב-AWS. ודא שתשתית הענן שלך מאובטחת ונגישה רק למשתמשים מורשים. כדאי גם לבדוק ולאמץ את המתאים שיטות עבודה מומלצות לאבטחת AWS בתוך הארגון שלך. לבסוף, עליך לסקור באופן יזום את מכסות AWS עבור שירותי AWS בודדים (כולל מכסות Amazon Lex) ובקש שינויים מתאימים במידת הצורך.

סיכום

אתה יכול להשתמש באמזון לקס כדי לאפשר שיחות מתוחכמות בשפה טבעית ולהגביר את יעילות שירות הלקוחות. בפוסט זה, סקרנו את שיטות העבודה המומלצות עבור שלבי הפיתוח, הבדיקה, הפריסה והניטור של מחזור חיים של בוט. בעזרת הנחיות אלו, תוכל לשפר את חוויית משתמש הקצה ולהשיג מעורבות טובה יותר של לקוחות. התחל לבנות את חווית השיחה שלך באמזון לקס עוד היום!

על המחבר

Swapandeep סינג הוא מהנדס בצוות אמזון לקס. הוא עובד על הפיכת אינטראקציות עם בוטים לחלקות ודמויות יותר. מחוץ לעבודה, הוא אוהב לטייל וללמוד על תרבויות שונות.