생성적 AI 에이전트는 사용자 입력을 기반으로 기초 모델(FM) 및 기타 증강 도구에 대한 호출 체인을 조정하여 인간과 유사한 응답을 생성하고 자연어 대화에 참여할 수 있습니다. 에이전트는 정적 의사결정 트리를 통해 사전 정의된 의도만 이행하는 대신 사용 가능한 도구 모음의 컨텍스트 내에서 자율적입니다. 아마존 기반암 생성적 AI 애플리케이션을 구축하고 확장하는 데 도움이 되는 개발자 도구와 함께 API를 통해 AI 회사의 주요 FM을 사용할 수 있도록 하는 완전 관리형 서비스입니다.
이 게시물에서는 Amazon Bedrock을 기반으로 생성적 AI 금융 서비스 에이전트를 구축하는 방법을 보여줍니다. 에이전트는 제공된 답변의 출처를 인용하면서 사용자가 계정 정보를 찾거나, 대출 신청을 완료하거나, 자연어 질문에 답변하도록 지원할 수 있습니다. 이 솔루션은 개발자가 가상 작업자 및 고객 지원 시스템과 같은 다양한 애플리케이션을 위한 자신만의 개인화된 대화 에이전트를 만들 수 있는 런치패드 역할을 하기 위한 것입니다. 솔루션 코드 및 배포 자산은 다음에서 찾을 수 있습니다. GitHub 저장소.
아마존 렉스 오픈소스를 위한 자연어 이해(NLU) 및 자연어 처리(NLP) 인터페이스를 제공합니다. LangChain 대화 에이전트 내에 포함된 AWS 증폭 웹사이트. 에이전트에는 Amazon Bedrock에서 호스팅되는 Anthropic Claude 2.1 FM과 Amazon Bedrock에 저장된 합성 고객 데이터를 포함하는 도구가 장착되어 있습니다. 아마존 DynamoDB 및 아마존 켄드라 다음 기능을 제공합니다.
- 맞춤형 응답 제공 – 모기지 요약 세부 정보, 미납 잔액, 다음 지불일 등 고객 계정 정보를 DynamoDB에 쿼리합니다.
- 일반 지식에 접근 – 고객 프롬프트에 대한 응답을 생성하기 위해 Amazon Bedrock을 통해 제공되는 다양한 FM을 사전 훈련하는 데 사용되는 방대한 양의 데이터와 함께 상담원의 추론 논리를 활용합니다.
- 자신만의 의견을 큐레이팅하세요 – 신뢰할 수 있는 데이터 소스로 구성된 Amazon Kendra 인덱스를 사용하여 에이전트 응답에 대해 알립니다. 아마존 단순 스토리지 서비스 (Amazon S3) 및 Amazon Kendra 웹 크롤러 고객의 웹사이트에 맞게 구성됨
솔루션 개요
데모 녹음
다음 데모 녹화에서는 에이전트 기능과 기술 구현 세부정보를 강조합니다.
솔루션 아키텍처
다음 다이어그램은 솔루션 아키텍처를 보여줍니다.
상담원의 응답 워크플로에는 다음 단계가 포함됩니다.
- 사용자는 웹, SMS 또는 음성 채널을 선택하여 에이전트와 자연어 대화를 수행합니다. 웹 채널에는 가상 고객을 위한 Amazon Lex 내장 챗봇이 있는 Amplify 호스팅 웹 사이트가 포함되어 있습니다. SMS 및 음성 채널은 다음을 사용하여 선택적으로 구성할 수 있습니다. 아마존 연결 및 메시징 통합 아마존 렉스용. 각 사용자 요청은 Amazon Lex에서 처리되어 의도 인식이라는 프로세스를 통해 사용자 의도를 결정합니다. 여기에는 사용자 입력(텍스트 또는 음성)을 분석하고 해석하여 사용자의 의도된 작업이나 목적을 이해하는 작업이 포함됩니다.
- 그런 다음 Amazon Lex는 AWS 람다 사용자 의도 이행을 위한 핸들러. Amazon Lex 챗봇과 연결된 Lambda 함수에는 사용자의 의도를 처리하는 데 필요한 로직과 비즈니스 규칙이 포함되어 있습니다. Lambda는 사용자 입력을 기반으로 특정 작업을 수행하거나 정보를 검색하여 결정을 내리고 적절한 응답을 생성합니다.
- Lambda는 금융 서비스 에이전트 로직을 DynamoDB에 저장된 고객별 데이터에 액세스하고, Amazon Kendra가 인덱싱한 문서와 웹페이지를 사용하여 자신만의 의견을 선별하고, Amazon Bedrock의 FM을 통해 일반 지식 답변을 제공할 수 있는 LangChain 대화형 에이전트로 계측합니다. Amazon Kendra에서 생성된 응답에는 소스 속성이 포함되어 있으며 이를 통해 에이전트에 추가 상황 정보를 제공할 수 있는 방법을 보여줍니다. 검색 증강 생성 (조각). RAG를 사용하면 자신의 데이터를 사용하여 보다 정확하고 상황에 맞는 응답을 생성하는 에이전트의 능력을 향상할 수 있습니다.
에이전트 아키텍처
다음 다이어그램은 에이전트 아키텍처를 보여줍니다.
에이전트의 추론 워크플로에는 다음 단계가 포함됩니다.
- LangChain 대화 에이전트는 대화 메모리를 통합하여 상황에 맞는 생성을 통해 여러 쿼리에 응답할 수 있습니다. 이 메모리를 통해 에이전트는 진행 중인 대화의 맥락을 고려한 응답을 제공할 수 있습니다. 이는 에이전트가 대화에서 기억한 정보를 기반으로 관련성이 있고 상황에 맞는 응답을 생성하는 상황별 생성을 통해 달성됩니다. 간단히 말해서 상담원은 이전에 말한 내용을 기억하고 해당 정보를 사용하여 진행 중인 토론에서 의미가 있는 방식으로 여러 질문에 응답합니다. 우리 에이전트가 사용하는 LangChain의 DynamoDB 채팅 메시지 기록 클래스 대화 메모리 버퍼로 사용되어 과거 상호 작용을 기억하고 보다 의미 있고 상황에 맞는 응답으로 사용자 경험을 향상할 수 있습니다.
- 에이전트는 Amazon Bedrock의 Anthropic Claude 2.1을 사용하여 신중하게 자체 생성된 일련의 텍스트 입력을 통해 원하는 작업을 완료합니다. 프롬프트. 프롬프트 엔지니어링의 주요 목적은 FM으로부터 구체적이고 정확한 응답을 이끌어내는 것입니다. 다양한 프롬프트 엔지니어링 기술에는 다음이 포함됩니다.
- 제로샷 – 추가 단서 없이 단일 질문이 모델에 제시됩니다. 모델은 주어진 질문만을 토대로 응답을 생성할 것으로 예상됩니다.
- 몇 컷 – 실제 질문 앞에 일련의 샘플 질문과 해당 답변이 포함되어 있습니다. 모델을 이러한 예에 노출함으로써 유사한 방식으로 응답하는 방법을 학습합니다.
- 생각의 연쇄 – 프롬프트가 일련의 중간 추론 단계를 포함하도록 설계되어 논리적 사고 과정을 통해 모델을 안내하고 궁극적으로 원하는 답변으로 이어지는 특정 스타일의 몇 번의 프롬프트입니다.
우리 에이전트는 요청을 받으면 일련의 작업을 실행하여 사고 사슬 추론을 활용합니다. 각 작업에 이어 에이전트는 생각을 표현하는 관찰 단계로 들어갑니다. 최종 답변이 아직 달성되지 않은 경우 에이전트는 반복하여 최종 답변에 도달하기 위해 다른 작업을 선택합니다. 다음 예제 코드를 참조하세요.
생각: 도구를 사용해야 하나요? 예
조치: 취해야 할 조치
작업 입력: 작업에 대한 입력
관찰: 행동의 결과
생각: 도구를 사용해야 하나요? 아니요
FSI 대리인: [답변 및 원본 문서]
- 에이전트는 다음 행동 방침을 결정하기 위한 다양한 추론 경로와 자체 평가 선택의 일환으로 다음을 통해 합성 고객 데이터 소스에 액세스할 수 있습니다. Amazon Kendra 인덱스 검색기 도구. 에이전트는 Amazon Kendra를 사용하여 문서, FAQ, 지식 베이스, 매뉴얼 및 웹 사이트를 포함한 광범위한 콘텐츠 유형에 대해 상황별 검색을 수행합니다. 지원되는 데이터 소스에 대한 자세한 내용은 다음을 참조하세요. 데이터 소스. 에이전트는 이 도구를 사용하여 Amazon Bedrock FM을 사전 교육하는 데 사용되는 보다 일반적인 지식 코퍼스 대신 신뢰할 수 있는 고객 제공 지식 라이브러리를 사용하여 응답해야 하는 사용자 프롬프트에 자신만의 응답을 제공할 수 있습니다.
배포 가이드
다음 섹션에서는 배포 전 및 배포 후를 포함하여 솔루션을 배포하는 주요 단계에 대해 설명합니다.
사전 배포
솔루션을 배포하기 전에 Amplify 웹 사이트의 지속적인 배포를 자동화하려면 토큰 보안 웹후크를 사용하여 자체 포크 버전의 솔루션 저장소를 생성해야 합니다. Amplify 구성은 웹 사이트의 프런트엔드가 구축된 GitHub 소스 저장소를 가리킵니다.
포크와 클론 생성적 AI-아마존-베드록-랭체인-에이전트-예 저장소
- Amplify 웹 사이트를 구축하는 소스 코드를 제어하려면 다음 지침을 따르십시오. 저장소 포크 generative-ai-amazon-bedrock-langchain-agent-example 저장소를 포크합니다. 이렇게 하면 원본 코드 베이스와 연결이 끊긴 리포지토리 복사본이 생성되므로 적절하게 수정할 수 있습니다.
- 다음 단계에서 저장소를 복제하고 솔루션 배포 자동화 스크립트에 사용되는 GITHUB_PAT 환경 변수를 구성하는 데 사용할 포크된 저장소 URL을 기록해 두십시오.
- git clone 명령을 사용하여 포크된 저장소를 복제합니다.
GitHub 개인 액세스 토큰 만들기
Amplify 호스팅 웹사이트는 GitHub 개인 액세스 토큰(PAT) 타사 소스 제어를 위한 OAuth 토큰으로 사용됩니다. OAuth 토큰은 SSH 복제를 사용하여 웹훅 및 읽기 전용 배포 키를 생성하는 데 사용됩니다.
- PAT를 생성하려면 다음 지침을 따르십시오. 개인 액세스 토큰 만들기(클래식). 당신은 GitHub 앱 조직을 대신하여 또는 장기간의 통합을 위해 리소스에 액세스합니다.
- 브라우저를 닫기 전에 PAT를 기록해 두세요. 이를 사용하여 솔루션 배포 자동화 스크립트에 사용되는 GITHUB_PAT 환경 변수를 구성하게 됩니다. 스크립트는 귀하의 PAT를 다음에 게시합니다. AWS 비밀 관리자 사용 AWS 명령 줄 인터페이스 (AWS CLI) 명령과 비밀 이름은 GitHubTokenSecretName으로 사용됩니다. AWS 클라우드 포메이션 매개 변수입니다.
전개
솔루션 배포 자동화 스크립트는 매개변수화된 CloudFormation 템플릿을 사용합니다. GenAI-FSI-Agent.yml, 다음 솔루션 리소스의 프로비저닝을 자동화합니다.
- 프런트엔드 환경을 시뮬레이션하기 위한 Amplify 웹사이트.
- 봇 가져오기 배포 패키지를 통해 구성된 Amazon Lex 봇.
- DynamoDB 테이블 XNUMX개:
- UserPendingAccounts테이블 – 보류 중인 거래(예: 대출 신청)를 기록합니다.
- 사용자기존계정테이블 – 사용자 계정 정보(예: 모기지 계정 요약)가 포함되어 있습니다.
- 대화색인테이블 – 대화 상태를 추적합니다.
- 대화 테이블 – 대화 기록을 저장합니다.
- 고객 FAQ 및 모기지 신청 예제 문서와 함께 Lambda 에이전트 핸들러, Lambda 데이터 로더, Amazon Lex 배포 패키지가 포함된 S3 버킷입니다.
- 두 가지 Lambda 함수:
- 에이전트 핸들러 – 사용자 입력을 기반으로 다양한 도구를 지능적으로 사용할 수 있는 LangChain 대화형 에이전트 논리가 포함되어 있습니다.
- 데이터 로더 – 예제 고객 계정 데이터를 UserExistingAccountsTable에 로드하고 스택 생성 중에 사용자 지정 CloudFormation 리소스로 호출됩니다.
- Amazon Bedrock Boto3, LangChain 및 pdfrw 라이브러리용 Lambda 계층입니다. 이 계층은 Amazon Bedrock 모델을 기본 FM으로 사용하여 LangChain의 FM 라이브러리를 제공하고 PDF 파일을 생성 및 수정하기 위한 오픈 소스 PDF 라이브러리로 pdfrw를 제공합니다.
- 문서, FAQ, 지식 기반, 매뉴얼, 웹 사이트 등을 포함하여 고객의 신뢰할 수 있는 정보에 대한 검색 가능한 인덱스를 제공하는 Amazon Kendra 인덱스입니다.
- 두 가지 Amazon Kendra 데이터 소스:
- 아마존 S3 – 호스트 고객 FAQ 문서 예시.
- Amazon Kendra 웹 크롤러 – 고객별 웹사이트(예: .com)를 에뮬레이션하는 루트 도메인으로 구성됩니다.
- AWS 자격 증명 및 액세스 관리 (IAM) 이전 리소스에 대한 권한입니다.
AWS CloudFormation은 템플릿에 제공된 기본값으로 스택 매개변수를 미리 채웁니다. 대체 입력 값을 제공하려면 다음 쉘 스크립트의 `aws cloudformation create-stack` 명령에서 `ParameterKey=,ParameterValue=` 쌍에서 참조되는 환경 변수로 매개변수를 지정할 수 있습니다.
- 쉘 스크립트를 실행하기 전에 생성된 버전의 generative-ai-amazon-bedrock-langchain-agent-example 리포지토리를 작업 디렉터리로 탐색하고 쉘 스크립트 권한을 실행 파일로 수정합니다.
- 배포 전 단계에서 생성된 Amplify 리포지토리 및 GitHub PAT 환경 변수를 설정합니다.
- 마지막으로 솔루션 배포 자동화 스크립트를 실행하여 다음을 포함한 솔루션 리소스를 배포합니다. GenAI-FSI-Agent.yml CloudFormation 스택:
source ./create-stack.sh
솔루션 배포 자동화 스크립트
앞의 source ./create-stack.sh shell
명령은 다음 AWS CLI 명령을 실행하여 솔루션 스택을 배포합니다.
배포 후
이 섹션에서는 고객의 프로덕션 애플리케이션을 에뮬레이션하기 위한 프런트엔드 애플리케이션을 시작하기 위한 배포 후 단계에 대해 설명합니다. 금융 서비스 에이전트는 예제 웹 UI 내에 내장된 도우미로 작동합니다.
챗봇용 웹 UI 실행
XNUMXD덴탈의 Amazon Lex 웹 UI챗봇 UI라고도 하는 를 사용하면 Amazon Lex 챗봇을 위한 포괄적인 웹 클라이언트를 신속하게 프로비저닝할 수 있습니다. UI는 Amazon Lex와 통합되어 Amazon Lex 기반 채팅 위젯을 기존 웹 애플리케이션에 통합하는 JavaScript 플러그인을 생성합니다. 이 경우 웹 UI를 사용하여 Amazon Lex 챗봇이 내장된 기존 고객 웹 애플리케이션을 에뮬레이트합니다. 다음 단계를 완료하세요.
- 다음 지침을 따르십시오. Amazon Lex 웹 UI CloudFormation 스택 배포.
- AWS CloudFormation 콘솔에서 스택의 출력 탭을 클릭하고 값을 찾습니다.
SnippetUrl
.
- 다음 형식과 유사한 웹 UI Iframe 스니펫을 복사합니다. ChatBot UI를 웹사이트에 Iframe으로 추가하기.
- 레이블이 지정된 섹션에 웹 UI JavaScript 플러그인을 추가하여 Amplify GitHub 소스 리포지토리의 분기된 버전을 편집합니다.
<-- Paste your Lex Web UI JavaScript plugin here -->
아래의 각 HTML 파일에 대해 프런트엔드 디렉터리:index.html
,contact.html
및about.html
.
Amplify는 포크된 리포지토리에 대한 새로운 커밋을 기반으로 트리거되고 새 버전의 웹 사이트를 Amplify 도메인에 게시하는 자동화된 빌드 및 릴리스 파이프라인을 제공합니다. Amplify 콘솔에서 배포 상태를 볼 수 있습니다.
Amplify 웹사이트에 접속하세요
Amazon Lex 웹 UI JavaScript 플러그인이 준비되었으므로 이제 Amplify 데모 웹 사이트를 시작할 준비가 되었습니다.
- 웹 사이트의 도메인에 액세스하려면 CloudFormation 스택의 출력 탭을 클릭하고 Amplify 도메인 URL을 찾으세요. 또는 다음 명령을 사용하십시오.
- Amplify 도메인 URL에 액세스한 후 테스트 및 검증을 진행할 수 있습니다.
테스트 및 검증
다음 테스트 절차는 에이전트가 고객 데이터(예: 계정 정보)에 액세스하고, 사전 정의된 의도(예: 대출 신청 완료)를 통해 비즈니스 워크플로를 이행하고, 다음과 같은 일반적인 쿼리에 응답하기 위한 사용자 의도를 올바르게 식별하고 이해하는지 확인하는 것을 목표로 합니다. 다음 샘플 프롬프트:
- 를 사용해야 하는 이유는 무엇입니까?
- 요금은 얼마나 경쟁력이 있나요?
- 어떤 유형의 모기지를 사용해야 합니까?
- 현재 모기지 동향은 무엇입니까?
- 계약금을 위해 얼마를 저축해야 합니까?
- 클로징 시 어떤 추가 비용을 지불해야 합니까?
응답 정확도는 Anthropic Claude 2.1 FM이 제공한 Amazon Bedrock에서 생성된 답변의 관련성, 일관성 및 인간과 유사한 특성을 평가하여 결정됩니다. 각 응답과 함께 제공되는 소스 링크(예: Amazon Kendra Web Crawler 구성을 기반으로 하는 .com)도 신뢰할 수 있는 것으로 확인되어야 합니다.
맞춤형 응답 제공
에이전트가 DynamoDB의 관련 고객 정보에 성공적으로 액세스하고 활용하여 사용자별 응답을 조정하는지 확인합니다.
에이전트 내에서 PIN 인증을 사용하는 것은 데모 목적으로만 사용되며 프로덕션 구현에서는 사용해서는 안 됩니다.
자신만의 의견을 큐레이팅하세요
Amazon Kendra가 인덱싱한 신뢰할 수 있는 고객 문서 및 웹 페이지를 기반으로 답변을 올바르게 소싱하는 상담원이 자신만의 의견이 있는 질문에 신뢰할 수 있는 답변을 제공하는지 확인합니다.
상황에 맞는 생성 제공
이전 채팅 기록을 기반으로 상황에 맞는 응답을 제공할 수 있는 상담원의 능력을 판단합니다.
일반 지식에 접근
Amazon Bedrock FM 교육 데이터 및 RAG를 기반으로 정확하고 일관된 응답이 필요한 비고객 특정, 비의견적 쿼리에 대한 일반 지식 정보에 대한 에이전트의 액세스를 확인합니다.
사전 정의된 인텐트 실행
에이전트가 비즈니스 워크플로의 일부로 대출 신청을 완료하는 등 사전 정의된 의도로 라우팅되도록 의도된 사용자 프롬프트를 올바르게 해석하고 대화식으로 이행하는지 확인하세요.
다음은 대화 흐름을 통해 완성된 결과 대출 신청 문서입니다.
다중 채널 지원 기능은 웹, SMS 및 음성 채널 전반에 걸쳐 이전 평가 측정과 함께 테스트할 수 있습니다. 챗봇과 다른 서비스의 통합에 대한 자세한 내용은 다음을 참조하세요. Amazon Lex V2 봇을 Twilio SMS와 통합 및 Amazon Connect에 Amazon Lex 봇 추가.
정리
AWS 계정에 요금이 부과되지 않도록 하려면 솔루션의 프로비저닝된 리소스를 정리하십시오.
- GitHub 개인 액세스 토큰을 취소합니다. GitHub PAT는 만료 값으로 구성됩니다. PAT가 만료되기 전에 분기된 Amplify GitHub 리포지토리에 프로그래밍 방식으로 액세스하는 데 PAT를 사용할 수 없도록 하려면 다음을 수행하여 PAT를 취소할 수 있습니다. GitHub 저장소의 지침.
- 솔루션 삭제 자동화 스크립트를 사용하여 GenAI-FSI-Agent.yml CloudFormation 스택 및 기타 솔루션 리소스를 삭제합니다. 다음 명령은 기본 스택 이름을 사용합니다. 스택 이름을 사용자 정의한 경우 이에 따라 명령을 조정하십시오.
# export STACK_NAME=<YOUR-STACK-NAME>
./delete-stack.sh
솔루션 삭제 자동화 스크립트
XNUMXD덴탈의
delete-stack.sh shell
스크립트는 GenAI-FSI-Agent.yml CloudFormation 스택을 포함하여 솔루션 배포 자동화 스크립트를 사용하여 원래 프로비저닝된 리소스를 삭제합니다.
고려
이 게시물의 솔루션은 Amazon Bedrock에서 제공하는 생성적 AI 금융 서비스 에이전트의 기능을 보여주지만 이 솔루션은 프로덕션 준비가 되어 있지 않다는 점을 인식하는 것이 중요합니다. 오히려 이는 가상 작업자 및 고객 지원 시스템과 같은 다양한 애플리케이션을 위한 개인화된 대화 에이전트를 만드는 것을 목표로 하는 개발자에게 예시적인 예가 됩니다. 개발자의 프로덕션 경로는 다음 고려 사항을 고려하여 이 샘플 솔루션을 반복합니다.
보안 및 개인 정보 보호
구현 프로세스 전반에 걸쳐 데이터 보안과 사용자 개인 정보 보호를 보장합니다. 민감한 정보를 보호하기 위해 적절한 액세스 제어 및 암호화 메커니즘을 구현합니다. 생성적 AI 금융 서비스 에이전트와 같은 솔루션은 기본 FM에서 아직 사용할 수 없는 데이터의 이점을 누릴 수 있습니다. 이는 기능을 최대화하기 위해 자신의 개인 데이터를 사용하려는 경우가 많다는 것을 의미합니다. 다음 모범 사례를 고려하세요.
- 비밀로 하세요, 안전하게 지키세요 – 귀하는 생성 프로세스 중에 이 데이터가 완전히 보호되고 안전하게 비공개로 유지되기를 원하며 이 데이터가 공유되고 사용되는 방식을 제어하기를 원할 것입니다.
- 사용 가드레일 설정 – 팀에 데이터를 제공하기 전에 서비스에서 데이터가 어떻게 사용되는지 이해합니다. 어떤 데이터를 어떤 서비스에 사용할 수 있는지에 대한 규칙을 만들고 배포합니다. 팀이 빠르게 움직이고 안전하게 프로토타입을 제작할 수 있도록 이러한 사항을 팀에 명확하게 전달하세요.
- 조만간 법무팀에 참여하세요 – 귀하가 사용하려는 서비스를 통해 중요한 데이터를 실행하기 전에 해당 서비스의 이용 약관 및 서비스 카드를 검토하도록 법무팀에 요청하십시오. 귀하의 법적 파트너가 오늘날보다 더 중요한 적은 없었습니다.
Amazon Bedrock을 사용하여 AWS에서 이에 대해 어떻게 생각하고 있는지에 대한 예를 들면 다음과 같습니다. 모든 데이터는 암호화되어 VPC를 벗어나지 않으며 Amazon Bedrock은 고객만 액세스할 수 있는 기본 FM의 별도 복사본을 만들고 미세 조정 또는 이 모델의 개인 복사본을 훈련합니다.
사용자 수락 테스트
실제 사용자를 대상으로 UAT(사용자 수용 테스트)를 수행하여 생성 AI 금융 서비스 에이전트의 성능, 사용성 및 만족도를 평가합니다. 피드백을 수집하고 사용자 입력을 기반으로 필요한 개선을 수행합니다.
배포 및 모니터링
완전히 테스트된 에이전트를 AWS에 배포하고 모니터링 및 로깅을 구현하여 성능을 추적하고, 문제를 식별하고, 필요에 따라 시스템을 최적화합니다. Lambda 모니터링 및 문제 해결 기능 에이전트의 Lambda 핸들러에 대해 기본적으로 활성화됩니다.
유지 관리 및 업데이트
최신 FM 버전과 데이터로 에이전트를 정기적으로 업데이트하여 정확성과 효율성을 향상시키세요. DynamoDB에서 고객별 데이터를 모니터링하고 필요에 따라 Amazon Kendra 데이터 원본 인덱싱을 동기화합니다.
결론
이 게시물에서 우리는 생성적 AI 에이전트의 흥미로운 세계와 FM 및 기타 보완 도구에 대한 호출 조정을 통해 인간과 유사한 상호 작용을 촉진하는 능력을 탐구했습니다. 이 가이드를 따르면 Bedrock, LangChain 및 기존 고객 리소스를 사용하여 자연어 대화를 통해 사용자에게 정확하고 개인화된 금융 지원을 제공하는 신뢰할 수 있는 에이전트를 성공적으로 구현, 테스트 및 검증할 수 있습니다.
다음 게시물에서는 다음과 같은 대체 접근 방식을 사용하여 동일한 기능을 제공하는 방법을 보여 드리겠습니다. Amazon Bedrock용 에이전트 및 Amazon Bedrock에 대한 기술 자료. 완전히 AWS에서 관리하는 이 구현에서는 사용자가 애플리케이션과 상호 작용하는 방식을 변화시켜 상호 작용을 더욱 자연스럽고 효율적이며 효과적으로 만드는 맞춤형 에이전트를 통해 지능형 자동화 및 데이터 검색 기능을 제공하는 방법을 자세히 살펴봅니다.
저자,
카일 T. 블록섬 남부 캘리포니아에 본사를 둔 AWS의 수석 솔루션 아키텍트입니다. Kyle의 열정은 사람들을 하나로 모으고 기술을 활용하여 고객이 좋아하는 솔루션을 제공하는 것입니다. 업무 외 시간에는 서핑, 식사, 개와 씨름, 조카 애기하기 등을 즐긴다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/build-generative-ai-agents-with-amazon-bedrock-amazon-dynamodb-amazon-kendra-amazon-lex-and-langchain/
- :있다
- :이다
- :아니
- :어디
- $UP
- 1
- 10
- 100
- 11
- 32
- 7
- 799
- 8
- 9
- a
- 능력
- 소개
- 수락
- ACCESS
- 얻기 쉬운
- 액세스
- 따라서
- 계정
- 정확한
- 달성
- 가로질러
- 행동
- 동작
- 행위
- 실제
- 첨가
- 추가
- 에이전트
- 자치령 대표
- AI
- 조준
- 목표
- All
- 수
- 따라
- 이미
- 또한
- 대안
- 아마존
- 아마존 켄드라
- 아마존 렉스
- Amazon Web Services
- 금액
- 상세히 설명하다
- an
- 분석하는
- 및
- 답변
- 답변
- 인류
- 어떤
- API를
- 어플리케이션
- 어플리케이션
- 접근
- 적당한
- 아키텍처
- 있군요
- AS
- 평가
- 자산
- 지원
- 원조
- 조수
- 관련
- At
- 증강 된
- 인증
- 자동화
- 자동화
- 자동화
- 자발적인
- 가능
- 피하기
- AWS
- AWS 클라우드 포메이션
- AWS 람다
- 잔액
- 기지
- 기반으로
- BE
- 된
- 전에
- 대신에
- 이익
- BEST
- 모범 사례
- 가장 큰
- 봇
- 가져
- 버퍼
- 빌드
- 빌드
- 내장
- 사업
- by
- 캘리포니아
- 라는
- 통화
- CAN
- 기능
- 능력
- 수
- 카드
- 면밀히
- 케이스
- CD
- 체인
- 이전 단계로 돌아가기
- 채널
- 채널
- 요금
- 잡담
- 채팅 봇
- 잡담
- 선택
- 선택
- 고전적인
- 황어 무리
- 선명한
- 클라이언트
- 폐쇄
- 암호
- 코드베이스
- 일관성
- COM
- 위탁하다
- 기업
- 경쟁력
- 보완적인
- 완전한
- 진행완료
- 완전히
- 완료
- 포괄적 인
- 조건
- 구성
- 구성
- 확인 됨
- 결합
- 고려
- 고려 사항
- 콘솔에서
- 포함하는
- 이 포함되어 있습니다
- 함유량
- 콘텐츠 유형
- 문맥
- 문맥
- 끊임없는
- 제어
- 컨트롤
- 컨벤션
- 대화
- 이야기 잘하는
- 대화
- 바르게
- 동
- 비용
- 코스
- 러
- 만들
- 만든
- 생성
- 만들기
- 창조
- 신뢰할 수 있는
- Current
- 관습
- 고객
- 고객 데이터
- 고객센터
- 고객
- 사용자 정의
- 데이터
- 데이터 보안
- 결정하다
- 결정
- 결정
- 태만
- 배달하다
- 전달
- 데모
- 보여
- 시연하는
- 배포
- 전개
- 설계
- 원하는
- 세부설명
- 결정
- 결정된
- 개발자
- 개발자
- 다이얼로그
- 다른
- 연결이 끊어
- 토론
- 토론
- 배포하다
- 몇몇의
- do
- 문서
- 서류
- 하지
- 개
- 도메인
- 아래 (down)
- 징병
- 두
- ...동안
- e
- 마다
- 이전
- 에코
- 유효한
- 유효성
- 효율적인
- 임베디드
- 사용 가능
- 암호화
- 암호화
- 매력적인
- 엔지니어링
- 강화
- 확인
- 들어갑니다
- 환경
- 갖추어 준
- 필수
- 평가
- 평가
- 예
- 예
- 흥미 진진한
- 현존하는
- 기대하는
- 경험
- 만료
- 만료
- 탐험
- 수출
- 표현하다
- 용이하게하다
- 자주하는 질문
- 피드백
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 파일
- 최후의
- 금융
- 금융 서비스
- 발견
- 끝
- 흐름
- 따라
- 수행원
- 럭셔리
- 포크
- 체재
- 발견
- Foundation
- 에
- 프런트 엔드
- 이행
- 충분히
- 기능
- 기능
- 기능
- 추가
- 수집
- 일반
- 생성
- 생성
- 생성
- 생성
- 세대
- 생성적인
- 제너레이티브 AI
- 힘내
- GitHub의
- 주어진
- 안내
- 안내
- 마구
- 있다
- he
- 도움
- 여기에서 지금 확인해 보세요.
- 하이라이트
- 그의
- history
- 호스팅
- 호스트
- 방법
- How To
- HTML
- HTTP
- HTTPS
- i
- 식별하다
- 확인
- 통합 인증
- if
- 설명하다
- 구현
- 이행
- import
- 중대한
- 개량
- in
- 포함
- 포함
- 포함
- 포함
- 통합
- 통합
- 색인
- 색인
- 통보
- 정보
- 입력
- 입력
- 를 받아야 하는 미국 여행자
- 명령
- 악기
- 통합
- 통합
- 통합
- 지능형
- 예정된
- 의지
- 상호 작용하는
- 상호 작용
- 인터페이스
- 내부의
- 으로
- 호출
- 호출
- 문제
- IT
- 그
- 자바 스크립트
- JPG
- 도약
- 유지
- 키
- 지식
- 알려진
- 언어
- 최근
- 시작
- 진수
- 런치 패드
- 층
- 지도
- 배우다
- 휴가
- 이용약관
- 이점
- 도서관
- 도서관
- 처럼
- 라인
- 모래밭
- 짐을 싣는 사람
- 잔뜩
- 차관
- 로깅
- 논리
- 논리
- 애정
- 절감
- 확인
- 제작
- 유튜브 영상을 만드는 것은
- 관리
- 매니저
- 태도
- XNUMX월..
- 의미있는
- 방법
- 조치들
- 메커니즘
- 메모리
- 메시지
- 만나
- MIT
- 모델
- 모델
- 수정
- 수정
- 모니터
- 모니터링
- 배우기
- 저당
- 움직임
- 많은
- 여러
- 절대로 필요한 것
- name
- 명명
- 자연의
- 자연 언어 처리
- 자연
- 이동
- 필요한
- 필요
- 필요
- 못
- 신제품
- 다음 것
- nlp
- 엔루
- 아니
- 주의
- 지금
- 맹세
- 목표
- 관찰
- of
- 제공
- 자주
- on
- 지속적으로
- 만
- 열 수
- 오픈 소스
- 운영
- 의견
- 최적화
- or
- 오케스트레이션
- 오케스트레이션
- 조직
- 실물
- 원래
- 기타
- 우리의
- 출력
- 외부
- 위에
- 개요
- 자신의
- 꾸러미
- 패키지
- 쌍
- 매개 변수
- 매개 변수
- 부품
- 파트너
- 열정
- 과거
- 통로
- 경로
- 지불
- 지불
- 대기
- 사람들
- 수행
- 성능
- 수행하다
- 권한
- 확인
- 맞춤형 교육 플랫폼
- 관로
- 장소
- 계획
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 부디
- 플러그인
- 전철기
- 게시하다
- 힘
- powered
- 사례
- 선행
- 사전 정의
- 취하다
- 제시
- 너무 이른
- 일차
- 개인 정보 보호
- 사설
- 순서
- 진행
- 방법
- 처리됨
- 처리
- 생산
- 생산
- 생산
- 프로그래밍 방식의
- 진행
- 프롬프트
- 보호
- 보호
- 프로토 타입
- 제공
- 제공
- 제공
- 규정
- 공개
- 게시
- 발행
- 목적
- 목적
- 쿼리
- 문제
- 문의
- 빨리
- 범위
- 거주비용
- 차라리
- 도달하다
- 에 도달
- 준비
- 현실
- 전수
- 인식
- 인식
- 방송
- 기록
- 참조
- 공개
- 관련된
- 신뢰할 수있는
- 먼
- 저장소
- 의뢰
- 필요
- 필수
- 의지
- 제품 자료
- 응답
- 응답
- 응답
- 결과
- 결과
- 리뷰
- 뿌리
- 규칙
- 달리기
- 달리는
- 실행
- 안전하게
- 말했다
- 같은
- 만족도
- 저장
- 규모
- 스크립트
- 검색
- 비밀
- 비밀
- 섹션
- 섹션
- 안전해야합니다.
- 보안
- 참조
- 선택
- 감각
- 민감한
- 별도의
- 연속
- 봉사하다
- 서비스
- 서비스
- 세트
- 공유
- 껍질
- 영상을
- 비슷한
- 단순, 간단, 편리
- 간단
- 단일
- SMS
- 단편
- So
- 혼자서
- 해결책
- 솔루션
- 출처
- 소스 코드
- 지우면 좋을거같음 . SM
- 소싱
- 남쪽의
- 구체적인
- 연설
- 스택
- 스타트
- 주 정부
- 정적 인
- Status
- 유지
- 단계
- 단계
- 저장
- 저장
- 상점
- 스타일
- 성공적으로
- 이러한
- 스위트
- 개요
- 용품
- SUPPORT
- 지원 시스템
- 지원
- 인조
- 체계
- 시스템은
- 재단사
- 받아
- 자전거
- 태스크
- 팀
- 테크니컬
- 기법
- Technology
- 이 템플릿
- 조건
- 이용 약관
- test
- 테스트
- 지원
- 본문
- 보다
- 그
- XNUMXD덴탈의
- 정보
- 소스
- 그들의
- 그들
- 그때
- Bowman의
- 그들
- 사고력
- 타사
- 이
- 생각
- 을 통하여
- 도처에
- 에
- 오늘
- 함께
- 토큰
- 수단
- 검색을
- 에 대한
- 선로
- 트레이닝
- 기차
- 거래 내역
- 변환
- 나무
- 트렌드
- 참된
- 음악
- 유형
- 유형
- ui
- 궁극적으로
- 아래에
- 밑에 있는
- 이해
- 이해
- 이해한다
- 곧 출시
- 업데이트
- ...에
- URL
- 유용성
- 용법
- 사용
- 익숙한
- 사용자
- 사용자 경험
- 사용자 개인 정보
- 사용자
- 사용
- 사용
- 이용하다
- 유효 기간
- 확인
- 가치
- 마케팅은:
- 변수
- 종류
- 여러
- 거대한
- 확인
- 버전
- 버전
- 를 통해
- 관측
- 온라인
- 목소리
- 기다리다
- 필요
- 였다
- 방법..
- we
- 웹
- 웹 응용 프로그램
- 웹 서비스
- 웹 사이트
- 웹 사이트
- 했다
- 뭐
- 어느
- 동안
- 넓은
- 넓은 범위
- 위젯
- 의지
- 과
- 이내
- 없이
- 작업
- 근로자
- 워크플로우
- 워크 플로우
- 일하는
- 세계
- 겠지
- 예
- 아직
- 자신의
- 너의
- 제퍼 넷
- 지퍼