Os agentes de IA generativos são capazes de produzir respostas semelhantes às humanas e participar de conversas em linguagem natural, orquestrando uma cadeia de chamadas para modelos básicos (FMs) e outras ferramentas de aumento com base na entrada do usuário. Em vez de apenas cumprirem intenções predefinidas através de uma árvore de decisão estática, os agentes são autónomos dentro do contexto do seu conjunto de ferramentas disponíveis. Rocha Amazônica é um serviço totalmente gerenciado que disponibiliza FMs líderes de empresas de IA por meio de uma API junto com ferramentas de desenvolvedor para ajudar a construir e dimensionar aplicativos generativos de IA.
Nesta postagem, demonstramos como construir um agente generativo de serviços financeiros de IA com tecnologia Amazon Bedrock. O agente pode ajudar os usuários a encontrar as informações de sua conta, preencher um pedido de empréstimo ou responder perguntas em linguagem natural, ao mesmo tempo que cita fontes para as respostas fornecidas. Esta solução pretende funcionar como uma plataforma de lançamento para os desenvolvedores criarem seus próprios agentes de conversação personalizados para diversas aplicações, como trabalhadores virtuais e sistemas de suporte ao cliente. O código da solução e os ativos de implantação podem ser encontrados no Repositório GitHub.
Amazon-Lex fornece a interface de compreensão de linguagem natural (NLU) e processamento de linguagem natural (PNL) para o código aberto Agente conversacional LangChain incorporado dentro de um Amplificar AWS local na rede Internet. O agente está equipado com ferramentas que incluem um Anthropic Claude 2.1 FM hospedado no Amazon Bedrock e dados sintéticos de clientes armazenados em Amazon DynamoDB e Amazona Kendra para fornecer os seguintes recursos:
- Forneça respostas personalizadas – Consulte o DynamoDB para obter informações da conta do cliente, como detalhes do resumo da hipoteca, saldo devedor e próxima data de pagamento
- Acesse conhecimentos gerais – Aproveite a lógica de raciocínio do agente em conjunto com as grandes quantidades de dados usados para pré-treinar os diferentes FMs fornecidos pelo Amazon Bedrock para produzir respostas para qualquer solicitação do cliente
- Selecione respostas opinativas – Informe as respostas do agente usando um índice Amazon Kendra configurado com fontes de dados autorizadas: documentos do cliente armazenados em Serviço de armazenamento simples da Amazon (Amazon S3) e Rastreador da Web Amazon Kendra configurado para o site do cliente
Visão geral da solução
Gravação de demonstração
A gravação de demonstração a seguir destaca a funcionalidade do agente e detalhes técnicos de implementação.
Arquitetura da solução
O diagrama a seguir ilustra a arquitetura da solução.
O fluxo de trabalho de resposta do agente inclui as seguintes etapas:
- Os usuários realizam diálogos em linguagem natural com o agente por meio de canais de web, SMS ou voz. O canal da web inclui um site hospedado no Amplify com um chatbot integrado do Amazon Lex para um cliente fictício. Canais de SMS e voz podem ser configurados opcionalmente usando Amazon Conectar e integrações de mensagens para Amazon Lex. Cada solicitação do usuário é processada pelo Amazon Lex para determinar a intenção do usuário por meio de um processo chamado reconhecimento de intenção, que envolve a análise e a interpretação da entrada do usuário (texto ou fala) para compreender a ação ou a finalidade pretendida do usuário.
- O Amazon Lex então invoca um AWS Lambda manipulador para cumprimento da intenção do usuário. A função Lambda associada ao chatbot do Amazon Lex contém a lógica e as regras de negócios necessárias para processar a intenção do usuário. O Lambda executa ações específicas ou recupera informações com base na entrada do usuário, tomando decisões e gerando respostas adequadas.
- O Lambda instrumenta a lógica do agente de serviços financeiros como um agente conversacional LangChain que pode acessar dados específicos do cliente armazenados no DynamoDB, selecionar respostas opinativas usando seus documentos e páginas da web indexados pelo Amazon Kendra e fornecer respostas de conhecimento geral por meio do FM no Amazon Bedrock. As respostas geradas pelo Amazon Kendra incluem atribuição de origem, demonstrando como você pode fornecer informações contextuais adicionais ao agente por meio de Geração Aumentada de Recuperação (RAG). O RAG permite que você aprimore a capacidade do seu agente de gerar respostas mais precisas e contextualmente relevantes usando seus próprios dados.
Arquitetura do agente
O diagrama a seguir ilustra a arquitetura do agente.
O fluxo de trabalho de raciocínio do agente inclui as seguintes etapas:
- O agente conversacional LangChain incorpora memória de conversação para que possa responder a múltiplas consultas com geração contextual. Essa memória permite que o agente forneça respostas que levem em consideração o contexto da conversa em andamento. Isto é conseguido através da geração contextual, onde o agente gera respostas que são relevantes e contextualmente apropriadas com base nas informações que lembrou da conversa. Em termos mais simples, o agente lembra-se do que foi dito anteriormente e utiliza essa informação para responder a múltiplas perguntas de uma forma que faça sentido na discussão em curso. Nosso agente usa Classe de histórico de mensagens de bate-papo do DynamoDB do LangChain como um buffer de memória de conversa para que possa relembrar interações passadas e aprimorar a experiência do usuário com respostas mais significativas e conscientes do contexto.
- O agente usa o Anthropic Claude 2.1 no Amazon Bedrock para concluir a tarefa desejada por meio de uma série de entradas de texto cuidadosamente geradas automaticamente, conhecidas como solicita. O objetivo principal da engenharia imediata é obter respostas específicas e precisas do FM. Diferentes técnicas de engenharia imediata incluem:
- tiro zero – Uma única pergunta é apresentada ao modelo sem quaisquer pistas adicionais. Espera-se que o modelo gere uma resposta baseada apenas na pergunta dada.
- Poucos tiros – Um conjunto de exemplos de perguntas e suas respostas correspondentes são incluídos antes da pergunta real. Ao expor o modelo a estes exemplos, ele aprende a responder de maneira semelhante.
- Cadeia de pensamento – Um estilo específico de prompt de poucos disparos, em que o prompt é projetado para conter uma série de etapas intermediárias de raciocínio, guiando o modelo através de um processo de pensamento lógico, levando, em última análise, à resposta desejada.
Nosso agente utiliza o raciocínio em cadeia de pensamento executando um conjunto de ações ao receber uma solicitação. Após cada ação, o agente entra na etapa de observação, onde expressa um pensamento. Se uma resposta final ainda não for alcançada, o agente itera, selecionando diferentes ações para avançar rumo à resposta final. Veja o seguinte código de exemplo:
Pensamento: Preciso usar uma ferramenta? Sim
Ação: A ação a ser tomada
Entrada da ação: a entrada para a ação
Observação: O resultado da ação
Pensamento: Preciso usar uma ferramenta? Não
Agente FSI: [resposta e documentos fonte]
- Como parte dos diferentes caminhos de raciocínio e escolhas de autoavaliação do agente para decidir o próximo curso de ação, ele tem a capacidade de acessar fontes sintéticas de dados de clientes por meio de um Ferramenta Amazon Kendra Index Retriever. Usando o Amazon Kendra, o agente realiza pesquisas contextuais em uma ampla variedade de tipos de conteúdo, incluindo documentos, perguntas frequentes, bases de conhecimento, manuais e sites. Para obter mais detalhes sobre fontes de dados suportadas, consulte As fontes de dados. O agente tem o poder de usar essa ferramenta para fornecer respostas opinativas às solicitações do usuário que devem ser respondidas usando uma biblioteca de conhecimento oficial fornecida pelo cliente, em vez do corpus de conhecimento mais geral usado para pré-treinar o Amazon Bedrock FM.
Guia de implantação
Nas seções a seguir, discutiremos as principais etapas para implantar a solução, incluindo pré-implantação e pós-implantação.
Pré-implantação
Antes de implantar a solução, você precisa criar sua própria versão bifurcada do repositório da solução com um webhook protegido por token para automatizar a implantação contínua do seu site do Amplify. A configuração do Amplify aponta para um repositório de origem GitHub a partir do qual o frontend do nosso site é construído.
Garfo e clone Exemplo de agente generativo-ai-amazon-bedrock-langchain repositório
- Para controlar o código-fonte que cria seu site Amplify, siga as instruções em Bifurcar um repositório para bifurcar o repositório generative-ai-amazon-bedrock-langchain-agent-example. Isso cria uma cópia do repositório desconectada da base de código original, para que você possa fazer as modificações apropriadas.
- Anote o URL do repositório bifurcado a ser usado para clonar o repositório na próxima etapa e para configurar a variável de ambiente GITHUB_PAT usada no script de automação de implantação da solução.
- Clone seu repositório bifurcado usando o comando git clone:
Crie um token de acesso pessoal do GitHub
O site hospedado no Amplify usa um Token de acesso pessoal do GitHub (PAT) como o token OAuth para controle de origem de terceiros. O token OAuth é usado para criar um webhook e uma chave de implantação somente leitura usando clonagem SSH.
- Para criar seu PAT, siga as instruções em Criando um token de acesso pessoal (clássico). Você pode preferir usar um Aplicativo GitHub para acessar recursos em nome de uma organização ou para integrações de longa duração.
- Anote seu PAT antes de fechar o navegador – você o usará para configurar a variável de ambiente GITHUB_PAT usada no script de automação de implantação da solução. O script publicará seu PAT para Gerenciador de segredos da AWS utilização Interface de linha de comando da AWS (AWS CLI) e o nome do segredo serão usados como GitHubTokenSecretName Formação da Nuvem AWS parâmetro.
desenvolvimento
O script de automação de implantação da solução usa o modelo parametrizado do CloudFormation, GenAI-FSI-Agente.yml, para automatizar o provisionamento dos seguintes recursos de solução:
- Um site Amplify para simular seu ambiente front-end.
- Um bot do Amazon Lex configurado por meio de um pacote de implantação de importação de bot.
- Quatro tabelas do DynamoDB:
- UserPendingAccountsTable – Registra transações pendentes (por exemplo, solicitações de empréstimo).
- Tabela de contas existentes do usuário – Contém informações da conta do usuário (por exemplo, resumo da conta hipotecária).
- ConversationIndexTable – Rastreia o estado da conversa.
- Tabela de conversação – Armazena histórico de conversas.
- Um bucket do S3 que contém o manipulador de agente do Lambda, o carregador de dados do Lambda e os pacotes de implantação do Amazon Lex, juntamente com perguntas frequentes do cliente e documentos de exemplo de aplicação de hipoteca.
- Duas funções Lambda:
- Manipulador de agente – Contém a lógica do agente conversacional LangChain que pode empregar de forma inteligente uma variedade de ferramentas com base na entrada do usuário.
- carregador de dados – Carrega dados de exemplo de conta de cliente em UserExistingAccountsTable e é invocado como um recurso personalizado do CloudFormation durante a criação da pilha.
- Uma camada Lambda para bibliotecas Amazon Bedrock Boto3, LangChain e pdfrw. A camada fornece à biblioteca FM da LangChain um modelo Amazon Bedrock como FM subjacente e fornece pdfrw como uma biblioteca PDF de código aberto para criar e modificar arquivos PDF.
- Um índice Amazon Kendra que fornece um índice pesquisável de informações confiáveis do cliente, incluindo documentos, perguntas frequentes, bases de conhecimento, manuais, sites e muito mais.
- Duas fontes de dados do Amazon Kendra:
- Amazon S3 – Hospeda um exemplo de documento de perguntas frequentes do cliente.
- Rastreador da Web Amazon Kendra – Configurado com um domínio raiz que emula o site específico do cliente (por exemplo, .com).
- Gerenciamento de acesso e identidade da AWS (IAM) para os recursos anteriores.
O AWS CloudFormation preenche previamente os parâmetros da pilha com os valores padrão fornecidos no modelo. Para fornecer valores de entrada alternativos, você pode especificar parâmetros como variáveis de ambiente que são referenciadas nos pares `ParameterKey=,ParameterValue=` no comando `aws cloudformation create-stack` do script de shell a seguir.
- Antes de executar o script de shell, navegue até sua versão bifurcada do repositório generative-ai-amazon-bedrock-langchain-agent-example como seu diretório de trabalho e modifique as permissões do script de shell para executável:
- Defina seu repositório Amplify e as variáveis de ambiente PAT do GitHub criadas durante as etapas de pré-implantação:
- Por fim, execute o script de automação de implantação da solução para implantar os recursos da solução, incluindo o GenAI-FSI-Agente.yml Pilha CloudFormation:
source ./create-stack.sh
Script de automação de implantação de solução
O anterior source ./create-stack.sh shell
O comando executa os seguintes comandos da AWS CLI para implantar a pilha de soluções:
Pós-implantação
Nesta seção, discutimos as etapas pós-implantação para iniciar um aplicativo front-end destinado a emular o aplicativo de produção do cliente. O agente de serviços financeiros operará como um assistente incorporado na interface da web de exemplo.
Lançar uma UI web para o seu chatbot
A IU da Web do Amazon Lex, também conhecida como UI do chatbot, permite provisionar rapidamente um cliente web abrangente para chatbots do Amazon Lex. A IU se integra ao Amazon Lex para produzir um plug-in JavaScript que incorporará um widget de bate-papo com tecnologia Amazon Lex em seu aplicativo Web existente. Nesse caso, usamos a UI da web para emular um aplicativo web de cliente existente com um chatbot Amazon Lex integrado. Conclua as seguintes etapas:
- Siga as instruções para implantar a pilha CloudFormation da interface web do Amazon Lex.
- No console do AWS CloudFormation, navegue até a pilha Saídas guia e localize o valor para
SnippetUrl
.
- Copie o snippet Iframe da UI da web, que será semelhante ao formato em Adicionando a UI do ChatBot ao seu site como um Iframe.
- Edite sua versão bifurcada do repositório de origem Amplify GitHub adicionando seu plug-in JavaScript de UI da web à seção rotulada
<-- Paste your Lex Web UI JavaScript plugin here -->
para cada um dos arquivos HTML sob o diretório front-end:index.html
,contact.html
eabout.html
.
O Amplify fornece um pipeline automatizado de construção e lançamento que é acionado com base em novos commits em seu repositório bifurcado e publica a nova versão do seu site em seu domínio Amplify. Você pode visualizar o status de implantação no console do Amplify.
Acesse o site da Amplify
Com o plug-in JavaScript da UI da web do Amazon Lex instalado, agora você está pronto para lançar seu site de demonstração do Amplify.
- Para acessar o domínio do seu site, navegue até a pilha do CloudFormation Saídas guia e localize o URL do domínio Amplify. Como alternativa, use o seguinte comando:
- Depois de acessar o URL do seu domínio Amplify, você pode prosseguir com o teste e a validação.
Teste e validação
O procedimento de teste a seguir visa verificar se o agente identifica e compreende corretamente as intenções do usuário para acessar os dados do cliente (como informações da conta), cumprir os fluxos de trabalho de negócios por meio de intenções predefinidas (como preencher um pedido de empréstimo) e responder a perguntas gerais, como o seguintes prompts de exemplo:
- Por que devo usar ?
- Quão competitivas são suas taxas?
- Que tipo de hipoteca devo usar?
- Quais são as tendências atuais em hipotecas?
- Quanto preciso economizar para um pagamento inicial?
- Que outros custos pagarei no fechamento?
A precisão das respostas é determinada pela avaliação da relevância, coerência e natureza humana das respostas geradas pelo Amazon Bedrock fornecido pelo Anthropic Claude 2.1 FM. Os links de origem fornecidos com cada resposta (por exemplo, .com com base na configuração do Amazon Kendra Web Crawler) também devem ser confirmados como confiáveis.
Forneça respostas personalizadas
Verifique se o agente acessa e utiliza com êxito informações relevantes do cliente no DynamoDB para personalizar respostas específicas do usuário.
Observe que o uso da autenticação PIN no agente é apenas para fins de demonstração e não deve ser usado em nenhuma implementação de produção.
Selecione respostas opinativas
Valide se as perguntas opinativas são respondidas com respostas confiáveis pelo agente, fornecendo respostas corretamente com base em documentos oficiais do cliente e páginas da web indexadas pelo Amazon Kendra.
Entregue geração contextual
Determine a capacidade do agente de fornecer respostas contextualmente relevantes com base no histórico de bate-papo anterior.
Acesse conhecimentos gerais
Confirme o acesso do agente a informações de conhecimento geral para consultas não específicas do cliente e sem opinião que exigem respostas precisas e coerentes com base nos dados de treinamento do Amazon Bedrock FM e no RAG.
Execute intenções predefinidas
Certifique-se de que o agente interprete corretamente e atenda de forma conversacional às solicitações do usuário que devem ser roteadas para intenções predefinidas, como preencher um pedido de empréstimo como parte de um fluxo de trabalho comercial.
A seguir está o documento de solicitação de empréstimo resultante preenchido por meio do fluxo de conversação.
A funcionalidade de suporte multicanal pode ser testada em conjunto com as medidas de avaliação anteriores em canais de web, SMS e voz. Para obter mais informações sobre a integração do chatbot com outros serviços, consulte Integração de um bot Amazon Lex V2 com Twilio SMS e Adicione um bot do Amazon Lex ao Amazon Connect.
limpar
Para evitar cobranças na sua conta da AWS, limpe os recursos provisionados da solução.
- Revogue o token de acesso pessoal do GitHub. Os PATs do GitHub são configurados com um valor de expiração. Se quiser garantir que seu PAT não possa ser usado para acesso programático ao seu repositório Amplify GitHub bifurcado antes que ele expire, você pode revogar o PAT seguindo o Instruções do repositório GitHub.
- Exclua a pilha GenAI-FSI-Agent.yml CloudFormation e outros recursos da solução usando o script de automação de exclusão da solução. Os comandos a seguir usam o nome de pilha padrão. Se você personalizou o nome da pilha, ajuste os comandos de acordo.
# export STACK_NAME=<YOUR-STACK-NAME>
./delete-stack.sh
Script de automação de exclusão de solução
A
delete-stack.sh shell
O script exclui os recursos que foram originalmente provisionados usando o script de automação de implantação da solução, incluindo a pilha GenAI-FSI-Agent.yml CloudFormation.
Considerações
Embora a solução nesta postagem mostre os recursos de um agente de serviços financeiros de IA generativo desenvolvido pela Amazon Bedrock, é essencial reconhecer que esta solução não está pronta para produção. Em vez disso, serve como um exemplo ilustrativo para desenvolvedores que desejam criar agentes de conversação personalizados para diversas aplicações, como trabalhadores virtuais e sistemas de suporte ao cliente. O caminho de um desenvolvedor para a produção repetiria esta solução de exemplo com as seguintes considerações.
Segurança e privacidade
Garanta a segurança dos dados e a privacidade do usuário durante todo o processo de implementação. Implemente controles de acesso e mecanismos de criptografia apropriados para proteger informações confidenciais. Soluções como o agente generativo de serviços financeiros de IA se beneficiarão de dados que ainda não estão disponíveis para o FM subjacente, o que muitas vezes significa que você desejará usar seus próprios dados privados para obter o maior salto em capacidade. Considere as seguintes práticas recomendadas:
- Mantenha isso em segredo, mantenha-o seguro – Você desejará que esses dados permaneçam completamente protegidos, seguros e privados durante o processo de geração e desejará ter controle sobre como esses dados são compartilhados e usados.
- Estabeleça barreiras de uso – Entenda como os dados são usados por um serviço antes de disponibilizá-los para suas equipes. Crie e distribua as regras para quais dados podem ser usados com qual serviço. Deixe isso claro para suas equipes para que elas possam agir rapidamente e criar protótipos com segurança.
- Envolva o departamento jurídico, mais cedo ou mais tarde – Faça com que suas equipes jurídicas revisem os termos e condições e os cartões de serviço dos serviços que você planeja usar antes de começar a processar quaisquer dados confidenciais por meio deles. Seus parceiros jurídicos nunca foram tão importantes como são hoje.
Como exemplo de como estamos pensando nisso na AWS com o Amazon Bedrock: todos os dados são criptografados e não saem da sua VPC, e o Amazon Bedrock faz uma cópia separada do FM base que é acessível apenas ao cliente, e ajusta ou treina esta cópia privada do modelo.
Testes de aceitação do usuário
Conduza testes de aceitação do usuário (UAT) com usuários reais para avaliar o desempenho, a usabilidade e a satisfação do agente de serviços financeiros de IA generativa. Colete feedback e faça as melhorias necessárias com base nas informações do usuário.
Implantação e monitoramento
Implante o agente totalmente testado na AWS e implemente monitoramento e registro para monitorar seu desempenho, identificar problemas e otimizar o sistema conforme necessário. Recursos de monitoramento e solução de problemas do Lambda são habilitados por padrão para o manipulador Lambda do agente.
Manutenção e atualizações
Atualize regularmente o agente com as versões e dados mais recentes do FM para aumentar sua precisão e eficácia. Monitore dados específicos do cliente no DynamoDB e sincronize a indexação da fonte de dados do Amazon Kendra conforme necessário.
Conclusão
Nesta postagem, investigamos o mundo emocionante dos agentes generativos de IA e sua capacidade de facilitar interações semelhantes às humanas por meio da orquestração de chamadas para FMs e outras ferramentas complementares. Seguindo este guia, você pode usar Bedrock, LangChain e recursos de clientes existentes para implementar, testar e validar com sucesso um agente confiável que fornece aos usuários assistência financeira precisa e personalizada por meio de conversas em linguagem natural.
Em uma próxima postagem, demonstraremos como a mesma funcionalidade pode ser entregue usando uma abordagem alternativa com Agentes da Amazon Bedrock e Base de conhecimento do Amazon Bedrock. Esta implementação totalmente gerenciada pela AWS explorará ainda mais como oferecer recursos inteligentes de automação e pesquisa de dados por meio de agentes personalizados que transformam a maneira como os usuários interagem com seus aplicativos, tornando as interações mais naturais, eficientes e eficazes.
Sobre o autor
Kyle T. Blocksom é arquiteto de soluções sênior da AWS e mora no sul da Califórnia. A paixão de Kyle é unir as pessoas e aproveitar a tecnologia para fornecer soluções que os clientes adorem. Fora do trabalho, ele gosta de surfar, comer, lutar com o cachorro e mimar a sobrinha e o sobrinho.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/build-generative-ai-agents-with-amazon-bedrock-amazon-dynamodb-amazon-kendra-amazon-lex-and-langchain/
- :tem
- :é
- :não
- :onde
- $UP
- 1
- 10
- 100
- 11
- 32
- 7
- 799
- 8
- 9
- a
- habilidade
- Sobre
- aceitação
- Acesso
- acessível
- acessando
- conformemente
- Conta
- precisão
- preciso
- alcançado
- em
- Aja
- Açao Social
- ações
- real
- acrescentando
- Adicional
- Agente
- agentes
- AI
- Visando
- visa
- Todos os Produtos
- permite
- juntamente
- já
- tb
- alternativa
- Amazon
- Amazona Kendra
- Amazon-Lex
- Amazon Web Services
- quantidades
- amplificar
- an
- análise
- e
- responder
- respostas
- Antrópico
- qualquer
- api
- Aplicação
- aplicações
- abordagem
- apropriado
- arquitetura
- SOMOS
- AS
- avaliação
- Ativos
- auxiliar
- Assistência
- Assistente
- associado
- At
- aumentado
- Autenticação
- automatizar
- Automatizado
- Automação
- Autônomo
- disponível
- evitar
- AWS
- Formação da Nuvem AWS
- AWS Lambda
- Equilíbrio
- base
- baseado
- BE
- sido
- antes
- lado
- beneficiar
- MELHOR
- melhores práticas
- O maior
- Bot
- trazer
- amortecer
- construir
- Constrói
- construído
- negócio
- by
- Califórnia
- chamado
- chamadas
- CAN
- capacidades
- capacidade
- capaz
- Cartões
- cuidadosamente
- casas
- CD
- cadeia
- alterar
- Canal
- canais
- acusações
- bate-papo
- chatbot
- chatbots
- escolha
- escolhas
- clássico
- limpar
- remover filtragem
- cliente
- encerramento
- código
- base de código
- COERENTE
- COM
- compromete-se
- Empresas
- competitivo
- complementar
- completar
- Efetuado
- completamente
- completando
- compreensivo
- condições
- Configuração
- configurado
- CONFIRMADO
- conjunção
- Considerar
- Considerações
- cônsul
- não contenho
- contém
- conteúdo
- Tipos de Conteúdo
- contexto
- contextual
- contínuo
- ao controle
- controles
- Convenção
- Conversa
- conversação
- conversas
- corretamente
- Correspondente
- custos
- Para
- rastreador
- crio
- criado
- cria
- Criar
- criação
- credível
- Atual
- personalizadas
- cliente
- dados do cliente
- Suporte ao cliente
- Clientes
- personalizado
- dados,
- segurança dos dados
- decidir
- decisão
- decisões
- Padrão
- entregar
- entregue
- demonstração
- demonstrar
- demonstrando
- implantar
- desenvolvimento
- projetado
- desejado
- detalhes
- Determinar
- determinado
- Developer
- desenvolvedores
- diálogo
- diferente
- desligado
- discutir
- discussão
- distribuir
- diferente
- do
- documento
- INSTITUCIONAIS
- parece
- Cachorro
- domínio
- down
- rascunho
- dois
- durante
- e
- cada
- Mais cedo
- eco
- Eficaz
- eficácia
- eficiente
- incorporado
- habilitado
- criptografada
- criptografia
- noivando
- Engenharia
- aumentar
- garantir
- Entra
- Meio Ambiente
- equipado
- essencial
- avaliar
- avaliação
- exemplo
- exemplos
- emocionante
- existente
- esperado
- vasta experiência
- expiração
- termo
- explorar
- exportar
- expressa
- facilitar
- Perguntas frequentes
- retornos
- Envie o
- Arquivos
- final
- financeiro
- serviços financeiros
- descoberta
- final
- fluxo
- seguir
- seguinte
- Escolha
- garfo
- formato
- encontrado
- Foundation
- da
- Frontend
- cumprimento
- totalmente
- função
- funcionalidade
- funções
- mais distante
- reunir
- Geral
- gerar
- gerado
- gera
- gerando
- geração
- generativo
- IA generativa
- Git
- GitHub
- dado
- guia
- guia
- arreios
- Ter
- he
- ajudar
- SUA PARTICIPAÇÃO FAZ A DIFERENÇA
- destaques
- sua
- história
- hospedado
- anfitriões
- Como funciona o dobrador de carta de canal
- Como Negociar
- HTML
- http
- HTTPS
- i
- identifica
- identificar
- Identidade
- if
- ilustra
- executar
- implementação
- importar
- importante
- melhorias
- in
- incluir
- incluído
- inclui
- Incluindo
- incorporar
- incorpora
- índice
- indexado
- informar
- INFORMAÇÕES
- entrada
- inputs
- em vez disso
- instruções
- instrumentos
- Integra-se
- Integração
- integrações
- Inteligente
- Pretendido
- intenção
- interagir
- interações
- Interface
- interno
- para dentro
- invocado
- invoca
- questões
- IT
- ESTÁ
- JavaScript
- jpg
- saltar
- Guarda
- Chave
- Conhecimento
- conhecido
- língua
- mais recente
- lançamento
- de lançamento
- Launchpad
- camada
- principal
- aprende
- Deixar
- Legal
- Alavancagem
- bibliotecas
- Biblioteca
- como
- Line
- Links
- carregador
- cargas
- empréstimo
- logging
- lógica
- lógico
- gosta,
- diminuir
- fazer
- FAZ
- Fazendo
- gerenciados
- Gerente
- maneira
- Posso..
- significativo
- significa
- medidas
- mecanismos
- Memória
- mensagem
- conheceu
- MIT
- modelo
- modelos
- modificações
- modificar
- Monitore
- monitoração
- mais
- Empréstimo
- mover
- muito
- múltiplo
- devo
- nome
- nomeando
- natural
- Processamento de linguagem natural
- Natureza
- Navegar
- necessário
- você merece...
- necessário
- nunca
- Novo
- Próximo
- PNL
- nlu
- não
- nota
- agora
- juramento
- objetivo
- observação
- of
- oferecer
- frequentemente
- on
- contínuo
- só
- aberto
- open source
- operar
- Teimoso
- Otimize
- or
- orquestrando
- orquestração
- organização
- original
- originalmente
- Outros
- A Nossa
- outputs
- lado de fora
- Acima de
- Visão geral
- próprio
- pacote
- pacotes
- pares
- parâmetro
- parâmetros
- parte
- Parceiros
- paixão
- passado
- caminho
- caminhos
- Pagar
- pagamento
- pendente
- Pessoas
- Realizar
- atuação
- executa
- permissões
- pessoal
- Personalizado
- oleoduto
- Lugar
- plano
- platão
- Inteligência de Dados Platão
- PlatãoData
- por favor
- plug-in
- pontos
- Publique
- poder
- alimentado
- práticas
- precedente
- predefinido
- preferir
- apresentado
- anterior
- primário
- política de privacidade
- privado
- procedimentos
- prosseguir
- processo
- Processado
- em processamento
- produzir
- produtor
- Produção
- Programático
- Progresso
- solicita
- proteger
- protegido
- protótipo
- fornecer
- fornecido
- fornece
- provisão
- público
- publicar
- Publica
- propósito
- fins
- consultas
- questão
- Frequentes
- rapidamente
- alcance
- Preços
- em vez
- Chega
- chegando
- pronto
- reais
- receber
- reconhecimento
- reconhecer
- gravação
- registros
- referir
- liberar
- relevante
- confiável
- remoto
- repositório
- solicitar
- requerer
- requeridos
- recurso
- Recursos
- Responder
- resposta
- respostas
- resultar
- resultante
- rever
- raiz
- regras
- Execute
- corrida
- é executado
- seguramente
- Dito
- mesmo
- satisfação
- salvo
- Escala
- escrita
- Pesquisar
- Segredo
- segredos!
- Seção
- seções
- seguro
- segurança
- Vejo
- selecionando
- sentido
- sensível
- separado
- Série
- serve
- serviço
- Serviços
- conjunto
- compartilhado
- concha
- rede de apoio social
- semelhante
- simples
- mais simples
- solteiro
- SMS
- fragmento
- So
- unicamente
- solução
- Soluções
- fonte
- código fonte
- Fontes
- Origem
- do sul
- específico
- discurso
- pilha
- começo
- Estado
- estático
- Status
- ficar
- Passo
- Passos
- armazenamento
- armazenadas
- lojas
- estilo
- entraram com sucesso
- tal
- suíte
- RESUMO
- abastecimento
- ajuda
- Sistemas de Suporte
- Suportado
- sintético
- .
- sistemas
- Alfaiate
- Tire
- Tandem
- Tarefa
- equipes
- Dados Técnicos:
- técnicas
- Tecnologia
- modelo
- condições
- termos e condições
- teste
- testado
- ensaio
- texto
- do que
- que
- A
- as informações
- A fonte
- deles
- Eles
- então
- Este
- deles
- Pensando
- De terceiros
- isto
- pensamento
- Através da
- todo
- para
- hoje
- juntos
- token
- ferramenta
- ferramentas
- para
- pista
- Training
- trens
- Transações
- Transformar
- árvore
- Tendências
- verdadeiro
- músicas
- tipo
- tipos
- ui
- Em última análise
- para
- subjacente
- compreender
- compreensão
- entende
- os próximos
- Atualizar
- sobre
- URL
- usabilidade
- Uso
- usar
- usava
- Utilizador
- Experiência do Usuário
- privacidade do usuário
- usuários
- usos
- utilização
- utiliza
- VALIDAR
- validação
- valor
- Valores
- variável
- variedade
- vário
- Grande
- verificar
- versão
- versões
- via
- Ver
- Virtual
- voz
- esperar
- queremos
- foi
- Caminho..
- we
- web
- Aplicativo da Web
- serviços web
- Site
- sites
- foram
- O Quê
- qual
- enquanto
- Largo
- Ampla variedade
- Widget
- precisarão
- de
- dentro
- sem
- Atividades:
- trabalhadores
- de gestão de documentos
- fluxos de trabalho
- trabalhar
- mundo
- seria
- sim
- ainda
- Vocês
- investimentos
- zefirnet
- Zip