生成 AI ソリューションの出現により、組織はこれらのテクノロジーを適用して競合他社よりも優位に立つさまざまな方法を見つけています。巨大なデータセットでトレーニングされた高度な基盤モデル (FM) を活用したインテリジェント アプリケーションは、自然言語を理解し、意味と意図を解釈し、状況に応じて人間らしい応答を生成できるようになりました。これは業界全体のイノベーションを促進しており、生成 AI は以下を含む無数のビジネス プロセスを強化する計り知れない可能性を実証しています。
- 自動化された仮説生成と実験設計により研究開発を加速します
- データの微妙な傾向とパターンを特定することで、隠れた洞察を明らかにします
- 時間のかかる文書化プロセスを自動化する
- パーソナライゼーションでより良い顧客エクスペリエンスを提供
- さまざまな知識ソースからのデータを要約する
- ソフトウェア コードの推奨事項を提供することで従業員の生産性を向上
アマゾンの岩盤 は、生成 AI アプリケーションの構築と拡張を簡単にするフルマネージド サービスです。 Amazon Bedrock は、AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Amazon などの大手 AI 企業の高性能基盤モデルの選択肢を XNUMX つの API 経由で提供します。これにより、微調整、プロンプト エンジニアリング、取得拡張生成 (RAG) などの技術を使用して、データを使用して FM をプライベートにカスタマイズしたり、セキュリティとプライバシーの要件に準拠しながらエンタープライズ システムとデータ ソースを使用してタスクを実行するエージェントを構築したりできます。 。
この投稿では、Amazon Bedrock の包括的な機能を使用して複雑なビジネスタスクを実行し、次のようなデータベースに保存されたデータを使用してパーソナライゼーションを提供することで顧客エクスペリエンスを向上させる方法について説明します。 Amazonレッドシフト。当社では、プロンプト エンジニアリング技術を使用して、Redshift データベースに保存されているデータを使用してプロンプトを開発および最適化し、基盤モデルを効率的に使用します。この例の一部として、パーソナライズされた生成 AI 旅行旅程プランナーを構築し、Amazon Redshift に保存されている予約データとユーザー プロファイル データに基づいてユーザーの旅行旅程をパーソナライズする方法を示します。
迅速なエンジニアリング
プロンプト エンジニアリングは、生成 AI ソリューションが目的の出力を生成するように導くことができるユーザー入力を作成および設計できるプロセスです。基礎モデルを導き、ひいては生成 AI アプリケーションがユーザーとより有意義に対話できるようにするための、最も適切なフレーズ、形式、単語、記号を選択できます。創造性と試行錯誤の方法を使用して、入力プロンプトでコレクションを作成できるため、アプリケーションは期待どおりに動作します。迅速なエンジニアリングにより、生成 AI アプリケーションがより効率的かつ効果的になります。自由形式のユーザー入力を、FM に渡す前にプロンプト内にカプセル化できます。たとえば、ユーザーは「シャツをどこで購入するか」のような不完全な問題文を入力する場合があります。内部的には、アプリケーションのコードは、「あなたはアパレル会社の営業アシスタントです。米国アラバマ州に拠点を置くユーザーが、シャツをどこで購入できるかを尋ねています。現在シャツを在庫している最寄りの 3 店舗にご連絡ください。」その後、基礎モデルにより、より関連性の高い正確な情報が生成されます。
プロンプト エンジニアリングの分野は常に進化しており、プロンプトを調整して FM から望ましい出力を得るには、創造的な表現と自然言語スキルが必要です。プロンプトには、次の要素のいずれかを含めることができます。
- 命令 – モデルに実行してもらいたい特定のタスクまたは指示
- コンテキスト – モデルをより適切な応答に導くことができる外部情報または追加のコンテキスト
- 入力データ – 回答を求めたい入力または質問
- 出力インジケーター – 出力のタイプまたは形式
プロンプト エンジニアリングは、次のようなさまざまな業界セグメントにわたるさまざまなエンタープライズ ユース ケースに使用できます。
- 銀行・金融 – 迅速なエンジニアリングにより、言語モデルによる予測の生成、センチメント分析の実施、リスクの評価、投資戦略の策定、財務レポートの作成、および法規制順守の確保が可能になります。たとえば、データと市場指標をプロンプトとして提供することで、財務予測に大規模言語モデル (LLM) を使用できます。
- ヘルスケアとライフ サイエンス – 迅速なエンジニアリングは、医療専門家が AI システムを最適化し、診断、治療法の選択、リスク評価などの意思決定プロセスを支援するのに役立ちます。また、患者のスケジュール設定、記録保持、請求などの管理タスクを容易にするプロンプトを設計して、効率を向上させることもできます。
- 小売商 – 迅速なエンジニアリングにより、小売業者は自然言語対話を使用して注文ステータス、返品、支払いなどに関するクエリなどの一般的な顧客リクエストに対応するチャットボットを実装することができます。これにより、顧客満足度が向上し、人間のカスタマー サービス チームが複雑で機密性の高い顧客の問題に専門知識を集中できるようになります。
次の例では、旅行およびサービス業界のユース ケースを実装して、今後の旅行計画がある顧客向けにパーソナライズされた旅行旅程プランナーを実装します。 Redshift データベースに保存されているユーザー プロファイル データからプロンプトを強化することで、ユーザーと対話する生成 AI チャットボットを構築する方法を示します。次に、この充実したプロンプトを LLM、具体的には Amazon Bedrock の Anthropic の Claude に送信して、カスタマイズされた旅行計画を取得します。
Amazon Redshift が と呼ばれる機能を発表しました。 Amazon Redshift ML そのため、データ アナリストやデータベース開発者は、Redshift データ ウェアハウスで使い慣れた SQL コマンドを使用して、機械学習 (ML) モデルを簡単に作成、トレーニング、適用できます。ただし、この投稿では、Amazon Bedrock でホストされている LLM を使用して、一般的なプロンプトエンジニアリング手法とその利点を示します。
ソリューションの概要
誰もが、休暇中または旅行前に、特定の場所でやるべきことをインターネットで検索したことがあります。このソリューションでは、ユーザーが参照できる、趣味、興味、好きな食べ物などに基づいて生成される、カスタムのパーソナライズされた旅行旅程を生成する方法を示します。このソリューションは、予約データを使用して旅行予定の都市と旅行日程を検索し、正確でパーソナライズされたやるべきことのリストを作成します。このソリューションは、旅行およびホスピタリティ業界が旅行予約ポータル内にパーソナライズされた旅行旅程プランナーを組み込むために使用できます。
このソリューションには 2 つの主要なコンポーネントが含まれています。まず、名前、場所、趣味、興味、好きな食べ物などのユーザーの情報と、今後の旅行予約の詳細を抽出します。この情報を使用してユーザー プロンプトをつなぎ合わせ、Amazon Bedrock 上の Anthropic のクロードに渡し、パーソナライズされた旅行旅程を取得します。次の図は、このアーキテクチャに含まれるワークフローとコンポーネントの概要を示しています。
まず、ユーザーはチャットボット アプリケーションにログインします。このアプリケーションは Application Load Balancer の背後でホストされ、次を使用して認証されます。 アマゾンコグニート。チャットボット インターフェイスを使用してユーザーからユーザー ID を取得し、プロンプト エンジニアリング モジュールに送信します。名前、場所、趣味、興味、好きな食べ物などのユーザーの情報が、旅行都市、チェックイン日、チェックアウト日などの今後の旅行予約の詳細とともに Redshift データベースから抽出されます。
前提条件
このソリューションを展開する前に、次の前提条件が設定されていることを確認してください。
このソリューションを導入する
このソリューションを環境に展開するには、次の手順を使用します。このソリューションで使用されるコードは、次の場所にあります。 GitHubレポ.
最初のステップは、ソリューションがデプロイされているアカウントと AWS リージョンが Amazon Bedrock 基本モデルにアクセスできることを確認することです。
- Amazon Bedrock コンソールで、 モデルアクセス ナビゲーションペインに表示されます。
- 選択する モデルへのアクセスを管理する.
- Anthropic Claude モデルを選択し、 変更を保存します.
アクセスステータスが に変わるまでに数分かかる場合があります。 アクセスが許可されました.
次に、以下を使用します AWS CloudFormation デプロイするためのテンプレート AmazonRedshiftサーバーレス クラスタと関連するすべてのコンポーネント( アマゾン エラスティック コンピューティング クラウド Web アプリをホストする (Amazon EC2) インスタンス。
- 選択する 発射スタック CloudFormationスタックを起動するには:
- スタック名と SSH キーペアを指定して、スタックを作成します。
- スタック上 出力 タブで、Redshift データベース ワークグループ名、シークレット ARN、URL、および Amazon Redshift サービス ロール ARN の値を保存します。
これで、SSH を使用して EC2 インスタンスに接続する準備が整いました。
- SSH クライアントを開きます。
- CloudFormation スタックの起動時に入力された秘密キー ファイルを見つけます。
- 秘密キーファイルの権限を 400 に変更します (
chmod 400 id_rsa
). - パブリック DNS または IP アドレスを使用してインスタンスに接続します。例えば:
- 設定ファイルを更新する
personalized-travel-itinerary-planner/core/data_feed_config.ini
先ほど保存したリージョン、ワークグループ名、シークレット ARN を使用します。 - 次のコマンドを実行して、ユーザー情報と旅行予約データを含むデータベース オブジェクトを作成します。
このコマンドは、という名前のテーブルとともに旅行スキーマを作成します。 user_profile
および hotel_booking
.
- 次のコマンドを実行して Web サービスを起動します。
次の手順では、アプリにログインするためのユーザー アカウントを作成します。
- Amazon Cognito コンソールで、選択します ユーザープール ナビゲーションペインに表示されます。
- CloudFormation スタックの一部として作成されたユーザー プール (travelplanner-user-pool) を選択します。
- 選択する ユーザーを作成.
- ユーザー名、電子メール、パスワードを入力し、選択します ユーザーを作成.
これで、Amazon Cognito でコールバック URL を更新できるようになりました。
- ソフトウェア設定ページで、下図のように
travelplanner-user-pool
ユーザープールの詳細ページで、 アプリ統合 タブには何も表示されないことに注意してください。 - アプリクライアントリスト セクションで、作成したクライアントを選択します (
travelplanner-client
). - ホストされた UI セクションでは、選択 編集.
- URL、CloudFormation スタック出力からコピーした URL を入力します (必ず小文字を使用してください)。
- 選択する 変更を保存します.
ソリューションをテストする
これで、ボットに質問してテストできるようになりました。
- 新しいブラウザ ウィンドウに、CloudFormation スタックの出力からコピーした URL を入力し、作成したユーザー名とパスワードを使用してログインします。プロンプトが表示されたら、パスワードを変更します。
- 情報を使用したいユーザー ID を入力します (この投稿ではユーザー ID 1028169 を使用します)。
- ボットに質問してください。
以下に質問の例をいくつか示します。
- 7月の旅行の詳細な旅程を計画してもらえますか?
- 次の旅行にはジャケットを持っていくべきですか?
- 3月に旅行するのにおすすめの場所をいくつか教えてください。
次のスクリーンショットに示すように、プロンプト エンジニアリング モジュールは、指定したユーザー ID を使用してユーザーの詳細を抽出し、ユーザーからの質問とともにプロンプトを設計します。
前のスクリーンショットで強調表示されているテキストは、Redshift データベースから抽出され、追加の指示と結合されたユーザー固有の情報です。指示、コンテキスト、入力データ、出力インジケーターなどの優れたプロンプトの要素も呼び出されます。
このプロンプトを LLM に渡すと、次の出力が得られます。この例では、LLM はユーザーの今後の予約の特定の日付に合わせてカスタム旅行旅程を作成しました。この旅程を計画する際には、ユーザーの趣味、興味、好きな食べ物も考慮されました。
クリーンアップ
継続的な料金の発生を避けるには、インフラストラクチャをクリーンアップしてください。
- AWS CloudFormationコンソールで、 スタック ナビゲーションペインに表示されます。
- 作成したスタックを選択し、 削除.
まとめ
この投稿では、Amazon Redshift に保存され、Amazon Bedrock に渡されて最適化された応答を取得できるデータを使用してプロンプトを設計する方法を示しました。このソリューションは、独自のデータベースに存在する独自のデータを使用して生成 AI アプリケーションを構築するための簡素化されたアプローチを提供します。 Amazon Redshift のデータに基づいてカスタマイズされたプロンプトを設計し、Amazon Bedrock に応答を生成させることで、独自のデータセットを使用してカスタマイズされた方法で生成 AI を活用できます。これにより、より一般化されたプロンプトよりも、より具体的で、関連性があり、最適化された出力が可能になります。この投稿では、AWS のサービスを統合して、データを使用してこれらのテクノロジーの可能性を最大限に引き出す生成 AI ソリューションを作成する方法を示します。
最新の進歩について最新情報を入手してください generative AI そして AWS 上での構築を開始します。 開始方法についてサポートが必要な場合は、以下を参照してください。 ジェネレーティブAIイノベーションセンター.
著者について
ラヴィキラン・ラオ は AWS のデータ アーキテクトであり、さまざまな顧客の複雑なデータ課題の解決に情熱を注いでいます。 仕事以外では、演劇愛好家であり、アマチュアテニスプレーヤーでもあります。
ジグナ・ガンジー は、ニューヨーク都市圏を拠点とするアマゾン ウェブ サービスのシニア ソリューション アーキテクトです。彼女は、大規模なエンタープライズ アプリケーション向けに、複雑で堅牢性が高く、非常にスケーラブルなソフトウェア ソリューションをいくつか主導してきた 15 年以上の豊富な経験を持っています。
ジェイソン・ペドレザ AWS のシニア Redshift スペシャリスト ソリューション アーキテクトであり、ペタバイト規模のデータを処理するデータ ウェアハウジングの経験があります。 AWS に入社する前は、Amazon.com と Amazon Devices でデータ ウェアハウス ソリューションを構築していました。彼は Amazon Redshift を専門としており、顧客によるスケーラブルな分析ソリューションの構築を支援しています。
ルーパリ・マハジャン ニューヨークを拠点とする AWS のシニア ソリューション アーキテクトです。彼女は、顧客の信頼できるアドバイザーとしての役割を果たし、顧客がクラウド上での移行を進めるのを支援することに成功しています。彼女は、AWS のサービスを使用して効果的なソリューションを設計することで、複雑なビジネス上の問題を解決することに一日を費やしています。勤務時間外は、家族と時間を過ごしたり、旅行したりするのが大好きです。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/build-generative-ai-chatbots-using-prompt-engineering-with-amazon-redshift-and-amazon-bedrock/
- :持っている
- :は
- :どこ
- $UP
- 100
- 13
- 14
- 15年
- 視聴者の38%が
- 178
- 400
- 7
- a
- 私たちについて
- アクセス
- 正確な
- 越えて
- NEW
- 住所
- 行政の
- 高度な
- 進歩
- 利点
- 出現
- 顧問
- エージェント
- AI
- AIチャットボット
- AIシステム
- 援助
- アラバマ州
- すべて
- 許す
- ことができます
- 沿って
- また
- 素人
- Amazon
- アマゾンコグニート
- Amazon EC2
- Amazonレッドシフト
- Amazon Webサービス
- Amazon.com
- an
- 分析
- アナリスト
- 分析的
- および
- 発表の
- 人間原理
- どれか
- API
- アプリ
- 申し込み
- 申し込む
- アプローチ
- 適切な
- 建築
- です
- AREA
- AS
- 質問
- 評価する
- 評価
- 援助
- アシスタント
- At
- 増強された
- 認証された
- 自動化
- 利用できます
- 避ける
- AWS
- AWS CloudFormation
- スイング
- ベース
- ベース
- BE
- 始まる
- 背後に
- さ
- 利点
- より良いです
- 請求
- 予約
- ロボット
- ブラウザ
- ビルド
- 建物
- 内蔵
- ビジネス
- by
- 呼ばれます
- 缶
- 機能
- キャリー
- 場合
- 例
- 一定
- 課題
- 変化する
- 課金
- チャットボット
- チャットボット
- チェック
- 選択
- 選択する
- 都市
- 市町村
- クライアント
- アパレル
- クラウド
- クラスタ
- コード
- コレクション
- COM
- 来ます
- コマンドと
- 企業
- 会社
- 競合他社
- 複雑な
- コンプライアンス
- コンポーネント
- 包括的な
- 計算
- プロフェッショナルな方法で
- お問合せ
- 領事
- 絶えず
- 含む
- 含まれています
- コンテキスト
- 作ります
- 作成した
- 作成します。
- クリエイティブ
- 創造性
- 現在
- カスタム
- 顧客
- 顧客満足体験
- 顧客満足
- 顧客サービス
- Customers
- カスタマイズ
- カスタマイズ
- データ
- データベース
- データセット
- 日付
- 試合日
- 中
- 意思決定
- 専用
- 実証します
- 実証
- デモ
- 展開します
- 展開
- 設計
- 設計
- 希望
- 詳細な
- 細部
- 開発する
- 開発者
- 開発
- Devices
- 診断
- ダイアグラム
- 異なります
- 話し合います
- DNS
- do
- ドキュメント
- 間に
- 前
- エッジ(Edge)
- 効果的な
- 効率
- 効率的な
- 効率良く
- 要素は
- 埋め込みます
- 従業員
- 力を与える
- 可能
- エンジニア
- 設計された
- エンジニアリング
- 高めます
- 豊かな
- 濃縮
- 確保
- 入力します
- 入力されました
- Enterprise
- 熱狂者
- 環境
- 進化
- 例
- 予想される
- 体験
- 実験
- 専門知識
- 表現
- 外部
- エキス
- 容易にする
- おなじみの
- 家族
- お気に入り
- 特徴
- 少数の
- フィールド
- File
- ファイナンシャル
- もう完成させ、ワークスペースに掲示しましたか?
- 発見
- 名
- フォロー中
- フード
- 食品
- 予想
- 予想
- 形式でアーカイブしたプロジェクトを保存します.
- Foundation
- から
- 給油
- フル
- 完全に
- 利得
- 一般化
- 生成する
- 生成された
- 生成
- 世代
- 生々しい
- 生成AI
- 取得する
- Go
- 行く
- 良い
- 大きい
- ガイド
- ハンドリング
- 持ってる
- 持って
- he
- 助けます
- 助け
- ことができます
- 彼女の
- 隠されました
- ハイレベル
- 高性能
- 強調表示された
- 非常に
- ホスピタリティー
- host
- 主催
- 認定条件
- How To
- しかしながら
- HTTP
- HTTPS
- 巨大な
- 人間
- i
- ID
- 識別
- if
- 計り知れない
- 実装する
- 改善します
- in
- 含めて
- 増える
- の増加
- インジケータ
- インジケータ
- 産業
- 産業を変えます
- 情報
- インフラ
- 革新的手法
- 入力
- 内部
- 洞察
- 説明書
- 統合する
- 統合
- インテリジェント-
- 意図
- 対話
- 相互作用
- 相互作用する
- 利益
- インタフェース
- 内部で
- インターネット
- に
- 複雑な
- 投資
- 関係する
- IP
- IPアドレス
- 問題
- IT
- ITS
- 旅
- JPG
- 7月
- 保管
- キー
- 知識
- ラボ
- 言語
- 大
- 大規模
- 最新の
- 起動する
- 発射
- 主要な
- 学習
- 生活
- 生命科学
- ような
- リスト
- LLM
- 負荷
- 場所
- 場所
- ログ
- 見て
- で
- 機械
- 機械学習
- 主要な
- make
- 作る
- マネージド
- 3月
- 市場
- 大規模
- 五月..
- 意味
- 医療の
- Meta
- メソッド
- 分
- ML
- モデル
- モジュール
- 他には?
- もっと効率的
- 最も
- my
- 名
- 名前付き
- ナチュラル
- ナビゲート
- ナビゲーション
- ニーズ
- 新作
- ニューヨーク
- ニューヨーク市
- 次の
- 今
- オブジェクト
- 入手する
- of
- オファー
- on
- 継続
- 最適化
- 最適化
- or
- 注文
- 組織
- でる
- 出力
- outputs
- 外側
- が
- 概要
- 自分の
- ページ
- ペイン
- 部
- パス
- 渡された
- 通過
- 情熱的な
- パスワード
- 患者
- パターン
- 支払い
- 実行する
- パーミッション
- 個人化
- 個人
- カスタマイズ
- フレーズ
- 場所
- 場所
- 計画
- 計画
- プラン
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- プレイヤー
- プール
- ポータル
- 可能
- ポスト
- 潜在的な
- パワード
- 先行
- 正確な
- 前提条件
- 事前の
- プライバシー
- プライベート
- 秘密鍵
- 問題
- 問題
- プロセス
- ラボレーション
- 生産性
- 専門家
- プロフィール
- プロンプト
- 所有権
- 提供
- は、大阪で
- 提供
- 公共
- 購入
- クエリ
- 質問
- 質問
- ぼろ
- 準備
- 推奨する
- 記録
- 参照
- 地域
- レギュレータ
- 企業コンプライアンス
- 関連する
- 関連した
- レポート
- リクエスト
- 要件
- 研究
- 研究開発
- 反応します
- 応答
- 回答
- 小売業者
- 検索
- 収益
- リスク
- リスクアセスメント
- リスク
- 堅牢な
- 職種
- ラン
- セールス
- 満足
- Save
- 保存されました
- 言う
- ド電源のデ
- 規模
- スケジューリング
- 科学
- 秘密
- セクション
- セキュリティ
- を求める
- セグメント
- 選択
- 送信
- シニア
- 敏感な
- 送信
- 感情
- サービス
- サービス
- サービング
- セッションに
- いくつかの
- 彼女
- 示す
- 作品
- 簡略化されました
- スキル
- So
- ソフトウェア
- 溶液
- ソリューション
- 解決
- 一部
- ソース
- 専門家
- 専門にする
- 特定の
- 特に
- 過ごす
- 費やした
- ssh
- 安定性
- スタック
- start
- ステートメント
- 米国
- Status:
- 舵を取る
- 手順
- ステップ
- 株式
- 店舗
- 保存され
- 簡単な
- 作戦
- 強い
- そのような
- 確か
- システム
- テーラード
- 取る
- 仕事
- タスク
- チーム
- テクニック
- テクノロジー
- template
- テニス
- test
- 클라우드 기반 AI/ML및 고성능 컴퓨팅을 통한 디지털 트윈의 기초 – Edward Hsu, Rescale CPO 많은 엔지니어링 중심 기업에게 클라우드는 R&D디지털 전환의 첫 단계일 뿐입니다. 클라우드 자원을 활용해 엔지니어링 팀의 제약을 해결하는 단계를 넘어, 시뮬레이션 운영을 통합하고 최적화하며, 궁극적으로는 모델 기반의 협업과 의사 결정을 지원하여 신제품을 결정할 때 데이터 기반 엔지니어링을 적용하고자 합니다. Rescale은 이러한 혁신을 돕기 위해 컴퓨팅 추천 엔진, 통합 데이터 패브릭, 메타데이터 관리 등을 개발하고 있습니다. 이번 자리를 빌려 비즈니스 경쟁력 제고를 위한 디지털 트윈 및 디지털 스레드 전략 개발 방법에 대한 인사이트를 나누고자 합니다.
- より
- それ
- 劇場
- アプリ環境に合わせて
- それら
- その後
- それによって
- ボーマン
- 彼ら
- 物事
- この
- 三
- 繁栄する
- 介して
- 時間
- 時間がかかる
- 〜へ
- 一緒に
- 取った
- トレーニング
- 訓練された
- 旅行
- 治療
- トレンド
- 旅行
- 信頼されている
- 曲
- 順番
- 2
- type
- わかる
- ユナイテッド
- 米国
- 解き放つ
- 今後の
- アップデイト
- URL
- つかいます
- 使用事例
- 中古
- ユーザー
- users
- 使用されます
- 休暇
- 価値観
- さまざまな
- 、
- 欲しいです
- ました
- 仕方..
- 方法
- we
- ウェブ
- Webサービス
- Webアプリケーション
- which
- while
- 誰
- その
- 意志
- ウィンドウを使用して入力ファイルを追加します。
- 以内
- 言葉
- 仕事
- ワークフロー
- ワークグループ
- 作品
- でしょう
- 年
- ヨーク
- You
- あなたの
- ゼファーネット