AI generativă agenții sunt un instrument versatil și puternic pentru întreprinderile mari. Acestea pot îmbunătăți eficiența operațională, serviciul pentru clienți și luarea deciziilor, reducând în același timp costurile și permițând inovația. Acești agenți excelează în automatizarea unei game largi de sarcini de rutină și repetitive, cum ar fi introducerea de date, întrebările de asistență pentru clienți și generarea de conținut. Mai mult, ei pot orchestra fluxuri de lucru complexe, în mai mulți pași, împărțind sarcinile în pași mai mici, gestionați, coordonând diverse acțiuni și asigurând execuția eficientă a proceselor în cadrul unei organizații. Acest lucru reduce semnificativ povara resurselor umane și permite angajaților să se concentreze pe sarcini mai strategice și creative.
Pe măsură ce tehnologia AI continuă să evolueze, se așteaptă ca capabilitățile agenților AI generativi să se extindă, oferind și mai multe oportunități clienților de a obține un avantaj competitiv. În fruntea acestei evoluții se află Amazon Bedrock, un serviciu complet gestionat care pune la dispoziție modele de fundație (FM) de înaltă performanță de la Amazon și alte companii de IA de top prin intermediul unui API. Cu Amazon Bedrock, puteți construi și scala aplicații AI generative cu securitate, confidențialitate și AI responsabilă. Acum puteți folosi Agenți pentru Amazon Bedrock și Baze de cunoștințe pentru Amazon Bedrock pentru a configura agenți specializați care rulează fără probleme acțiuni bazate pe introducerea în limbaj natural și pe datele organizației dvs. Acești agenți gestionați joacă rolul dirijorului, orchestrând interacțiuni între FM, integrări API, conversații cu utilizatori și surse de cunoștințe încărcate cu datele dvs.
Această postare evidențiază modul în care puteți utiliza agenții și bazele de cunoștințe pentru Amazon Bedrock pentru a construi pe resursele existente ale întreprinderii pentru a automatiza sarcinile asociate cu ciclul de viață al daunelor de asigurare, a extinde eficient și a îmbunătăți serviciile pentru clienți și a îmbunătăți suportul decizional printr-un management îmbunătățit al cunoștințelor. Agentul dvs. de asigurări alimentat de Amazon Bedrock poate ajuta agenții umani prin crearea de noi daune, trimiterea de mementouri pentru documente în așteptare pentru cererile deschise, strângerea de dovezi ale reclamațiilor și căutarea de informații în documentele existente și în depozitele de cunoștințe ale clienților.
Prezentare generală a soluțiilor
Obiectivul acestei soluții este de a acționa ca o bază pentru clienți, dându-vă puterea să vă creați proprii agenți specializați pentru diverse nevoi, cum ar fi asistenți virtuali și sarcini de automatizare. Codul și resursele necesare pentru implementare sunt disponibile în depozitul amazon-bedrock-examples.
Următoarea înregistrare demonstrativă evidențiază agenții și bazele de cunoștințe pentru funcționalitatea Amazon Bedrock și detaliile tehnice de implementare.
Agenții și bazele de cunoștințe pentru Amazon Bedrock lucrează împreună pentru a oferi următoarele capabilități:
- Orchestrarea sarcinilor – Agenții folosesc FM pentru a înțelege întrebările în limbaj natural și pentru a diseca sarcinile cu mai mulți pași în pași mai mici, executabili.
- Colectarea interactivă a datelor – Agenții se angajează în conversații naturale pentru a aduna informații suplimentare de la utilizatori.
- Îndeplinirea sarcinii – Agenții completează cererile clienților printr-o serie de pași de raționament și acțiuni corespunzătoare pe baza Solicitarea ReAct.
- Integrarea sistemului – Agenții efectuează apeluri API către sistemele integrate ale companiei pentru a rula acțiuni specifice.
- Interogarea datelor – Bazele de cunoștințe îmbunătățesc acuratețea și performanța prin gestionarea completă Recuperare Augmented Generation (RAG) folosind surse de date specifice clientului.
- Atribuirea sursei – Agenții efectuează atribuirea sursei, identificând și urmărind originea informațiilor sau acțiunilor prin raționament în lanț de gândire.
Următoarea diagramă ilustrează arhitectura soluției.
Fluxul de lucru constă din următorii pași:
- Utilizatorii furnizează agentului intrări în limbaj natural. Următoarele sunt câteva exemple de solicitări:
- Creați o nouă revendicare.
- Trimiteți un memento privind documentele în așteptare deținătorului poliței de revendicare 2s34w-8x.
- Adunați dovezi pentru revendicarea 5t16u-7v.
- Care este suma totală a cererii pentru revendicarea 3b45c-9d?
- Care este suma estimată a reparației pentru aceeași reclamație?
- Ce factori determină prima mea de asigurare auto?
- Cum îmi pot reduce tarifele de asigurare auto?
- Care cereri au statut deschis?
- Trimiteți mementouri tuturor deținătorilor de polițe cu daune deschise.
- În timpul preprocesării, agentul validează, contextualizează și clasifică inputul utilizatorului. Intrarea utilizatorului (sau sarcina) este interpretată de agent folosind istoricul de chat și instrucțiunile și FM subiacente care au fost specificate în timpul crearea agentului. Instrucțiunile agentului sunt ghiduri descriptive care subliniază acțiunile intenționate ale agentului. De asemenea, puteți configura opțional solicitări avansate, care vă permit să sporiți precizia agentului dvs. prin folosirea unor configurații mai detaliate și oferind exemple selectate manual pentru solicitări cu câteva fotografii. Această metodă vă permite să îmbunătățiți performanța modelului prin furnizarea de exemple etichetate asociate cu o anumită sarcină.
- Grupuri de acțiune sunt un set de API-uri și logica de afaceri corespunzătoare, a căror schemă OpenAPI este definită ca fișiere JSON stocate în Serviciul Amazon de stocare simplă (Amazon S3). Schema permite agentului să raționeze în jurul funcției fiecărui API. Fiecare grup de acțiuni poate specifica una sau mai multe căi API, a căror logică de afaceri este rulată prin AWS Lambdas funcţie asociată cu grupul de acţiuni.
- Bazele de cunoștințe pentru Amazon Bedrock oferă un RAG complet gestionat pentru a furniza agentului acces la datele dvs. Mai întâi configurați baza de cunoștințe specificând o descriere care indică agentului când să utilizeze baza de cunoștințe. Apoi îndreptați baza de cunoștințe către sursa dvs. de date Amazon S3. În cele din urmă, specificați un model de încorporare și alegeți să utilizați magazinul de vectori existent sau să permiteți Amazon Bedrock să creeze magazinul de vectori în numele dvs. După ce este configurat, fiecare sincronizarea sursei de date creează înglobări vectoriale ale datelor dvs. pe care agentul le poate folosi pentru a returna informații utilizatorului sau pentru a mări solicitările FM ulterioare.
- În timpul orchestrației, agentul dezvoltă o rațiune cu pașii logici ai căror invocări API de grup de acțiuni și interogări de bază de cunoștințe sunt necesare pentru a genera o observație care poate fi utilizată pentru a crește promptul de bază pentru FM subiacent. Această indicație în stil ReAct servește ca intrare pentru activarea FM, care apoi anticipează cea mai optimă secvență de acțiuni pentru a finaliza sarcina utilizatorului.
- În timpul postprocesării, după ce toate iterațiile de orchestrare sunt complete, agentul organizează un răspuns final. Postprocesarea este dezactivată în mod implicit.
În secțiunile următoare, discutăm pașii cheie pentru implementarea soluției, inclusiv pașii pre-implementare și testarea și validarea.
Creați resurse de soluție cu AWS CloudFormation
Înainte de a vă crea agentul și baza de cunoștințe, este esențial să stabiliți un mediu simulat care să reflecte îndeaproape resursele existente utilizate de clienți. Agenții și bazele de cunoștințe pentru Amazon Bedrock sunt proiectate să se bazeze pe aceste resurse, folosind logica de afaceri furnizată de Lambda și depozitele de date ale clienților stocate în Amazon S3. Această aliniere de bază oferă o integrare perfectă a agentului dumneavoastră și a soluțiilor de bază de cunoștințe cu infrastructura stabilită.
Pentru a emula resursele clienților existente utilizate de agent, această soluție folosește create-customer-resources.sh script shell pentru a automatiza furnizarea parametrilor Formarea AWS Cloud șablon, substrat-resurse-client.yml, pentru a implementa următoarele resurse:
- An Amazon DynamoDB tabel populat cu sintetice date despre revendicari.
- Trei funcții Lambda care reprezintă logica de afaceri a clientului pentru crearea de revendicări, trimiterea de mementouri pentru documente în așteptare pentru revendicările de stare deschisă și colectarea dovezilor privind revendicările noi și existente.
- O găleată S3 care conține documentația API în formatul de schemă OpenAPI pentru funcțiile Lambda anterioare și estimările de reparații, sumele de despăgubire, întrebările frecvente ale companiei și descrierile documentelor de revendicare necesare pentru a fi folosite ca noastre. activele sursei de date ale bazei de cunoștințe.
- An Serviciul de notificare simplă Amazon (Amazon SNS) subiect la care sunt abonați e-mailurile deținătorilor de polițe pentru avertizare prin e-mail despre starea reclamației și acțiunile în așteptare.
- Gestionarea identității și accesului AWS permisiuni (IAM) pentru resursele precedente.
AWS CloudFormation prepopulează parametrii stivei cu valorile implicite furnizate în șablon. Pentru a furniza valori alternative de intrare, puteți specifica parametrii ca variabile de mediu la care se face referire în ParameterKey=<ParameterKey>,ParameterValue=<Value>
perechi în următoarele script-uri shell aws cloudformation create-stack
comanda.
Parcurgeți următorii pași pentru a vă furniza resursele:
- Creați o copie locală a fișierului
amazon-bedrock-samples
folosirea depozituluigit clone
: - Înainte de a rula scriptul shell, navigați la directorul în care ați clonat
amazon-bedrock-samples
depozit și modificați permisiunile scriptului shell la executabil: - Setați numele stivei CloudFormation, e-mailul SNS și variabilele de mediu de încărcare URL a dovezilor. E-mailul SNS va fi folosit pentru notificările deținătorilor de polițe, iar adresa URL de încărcare a dovezilor va fi partajată deținătorilor de polițe pentru a încărca dovezile lor. The eșantion de procesare a daunelor de asigurare oferă un exemplu de front-end pentru adresa URL de încărcare a dovezilor.
- Pornește
create-customer-resources.sh
script shell pentru a implementa resursele client emulate definite înbedrock-insurance-agent.yml
Șablon CloudFormation. Acestea sunt resursele pe care se va construi agentul și baza de cunoștințe.
Precedentul source ./create-customer-resources.sh
Comanda shell rulează următoarele Interfața liniei de comandă AWS (AWS CLI) comenzi pentru implementarea stivei de resurse emulate pentru clienți:
Creați o bază de cunoștințe
Bazele de cunoștințe pentru Amazon Bedrock utilizează RAG, o tehnică care valorifică depozitele de date ale clienților pentru a îmbunătăți răspunsurile generate de FM. Bazele de cunoștințe permit agenților să acceseze depozitele de date existente ale clienților fără o suprasolicitare extinsă a administratorului. Pentru a conecta o bază de cunoștințe la datele dvs., specificați un compartiment S3 ca sursă de date. Cu baze de cunoștințe, aplicațiile obțin informații contextuale îmbogățite, simplificând dezvoltarea printr-o soluție RAG complet gestionată. Acest nivel de abstractizare accelerează timpul de lansare pe piață, reducând la minimum efortul de a încorpora datele dumneavoastră în funcționalitatea agentului și optimizează costurile prin anularea necesității de reinstruire continuă a modelului pentru a utiliza datele private.
Următoarea diagramă ilustrează arhitectura pentru o bază de cunoștințe cu un model de încorporare.
Funcționalitatea bazei de cunoștințe este delimitată prin două procese cheie: preprocesare (Pașii 1-3) și timpul de execuție (Pașii 4-7):
- Documentele sunt supuse segmentării (divizării) în secțiuni gestionabile.
- Acele bucăți sunt convertite în înglobări folosind un model de încorporare Amazon Bedrock.
- Înglobările sunt folosite pentru a crea un index vectorial, permițând comparații de similaritate semantică între interogările utilizatorului și textul sursă de date.
- În timpul rulării, utilizatorii introduc textul lor ca prompt.
- Textul de intrare este transformat în vectori folosind un model de încorporare Amazon Bedrock.
- Indexul vectorial este interogat pentru fragmente legate de interogarea utilizatorului, sporind promptul utilizatorului cu context suplimentar preluat din indexul vectorial.
- Promptul augmentat, cuplat cu contextul suplimentar, este folosit pentru a genera un răspuns pentru utilizator.
Pentru a crea o bază de cunoștințe, parcurgeți următorii pași:
- Pe consola Amazon Bedrock, alegeți Bază de cunoștințe în panoul de navigare.
- Alege Creați o bază de cunoștințe.
- În Furnizați detalii despre baza de cunoștințe, introduceți un nume și o descriere opțională, lăsând toate setările implicite. Pentru această postare, introducem descrierea:
Use to retrieve claim amount and repair estimate information for claim ID, or answer general insurance questions about things like coverage, premium, policy, rate, deductible, accident, and documents.
- În Configurați sursa de date, introduceți un nume.
- Alege Răsfoiți S3 Și selectați
knowledge-base-assets
folderul sursei de date S3 pe care l-ați implementat mai devreme (<YOUR-STACK-NAME>-customer-resources/agent/knowledge-base-assets/
). - În Selectați modelul de încorporare și configurați magazinul de vectori, alege Titan Embeddings G1 – Text și lăsați celelalte setări implicite. Un Amazon OpenSearch Serverless colectare va fi creat pentru tine. Acest magazin de vectori este locul în care sunt stocate înglobările de preprocesare a bazei de cunoștințe și sunt utilizate ulterior pentru căutarea de similaritate semantică între interogări și textul sursă de date.
- În Examinați și creați, confirmați setările de configurare, apoi alegeți Creați o bază de cunoștințe.
- După ce baza de cunoștințe este creată, se va afișa un banner verde „creat cu succes” cu opțiunea de sincronizare a sursei de date. Alege Sincronizați pentru a iniția sincronizarea sursei de date.
- Pe consola Amazon Bedrock, navigați la baza de cunoștințe pe care tocmai ați creat-o, apoi notați ID-ul bazei de cunoștințe de sub Prezentare generală a bazei de cunoștințe.
- Cu baza de cunoștințe încă selectată, alegeți sursa de date din baza de cunoștințe enumerată mai jos Sursă de date, apoi notați ID-ul sursei de date sub Prezentare generală a sursei de date.
ID-ul bazei de cunoștințe și ID-ul sursei de date sunt utilizate ca variabile de mediu într-un pas ulterior când implementați interfața de utilizare web Streamlit pentru agentul dvs.
Creați un agent
Agenții operează printr-un proces de execuție în timpul construirii, care cuprinde mai multe componente cheie:
- Modelul fundației – Utilizatorii selectează un FM care ghidează agentul în interpretarea intrărilor utilizatorului, generarea de răspunsuri și direcționarea acțiunilor ulterioare în timpul procesului său de orchestrare.
- Instrucțiuni – Utilizatorii creează instrucțiuni detaliate care descriu funcționalitatea intenționată a agentului. Indicațiile avansate opționale permit personalizarea la fiecare pas de orchestrare, încorporând funcții Lambda pentru a analiza rezultatele.
- (Opțional) Grupuri de acțiuni – Utilizatorii definesc acțiuni pentru agent, folosind o schemă OpenAPI pentru a defini API-uri pentru rulări de sarcini și funcții Lambda pentru a procesa intrările și ieșirile API.
- (Opțional) Baze de cunoștințe – Utilizatorii pot asocia agenți cu baze de cunoștințe, acordând acces la un context suplimentar pentru generarea răspunsului și pașii de orchestrare.
Agentul din această soluție exemplu utilizează un FM Anthropic Claude V2.1 pe Amazon Bedrock, un set de instrucțiuni, trei grupuri de acțiuni și o bază de cunoștințe.
Pentru a crea un agent, parcurgeți următorii pași:
- Pe consola Amazon Bedrock, alegeți Agenți în panoul de navigare.
- Alege Creați agent.
- În Furnizați detalii despre agent, introduceți un nume de agent și o descriere opțională, lăsând toate celelalte setări implicite.
- În Selectați modelul, alege Claude antropic V2.1 și specificați următoarele instrucțiuni pentru agent:
You are an insurance agent that has access to domain-specific insurance knowledge. You can create new insurance claims, send pending document reminders to policy holders with open claims, and gather claim evidence. You can also retrieve claim amount and repair estimate information for a specific claim ID or answer general insurance questions about things like coverage, premium, policy, rate, deductible, accident, documents, resolution, and condition. You can answer internal questions about things like which steps an agent should follow and the company's internal processes. You can respond to questions about multiple claim IDs within a single conversation
- Alege Pagina Următoare →.
- În Adăugați grupuri de acțiuni, adăugați primul grup de acțiuni:
- Pentru Introduceți numele grupului de acțiuni, introduce
create-claim
. - Pentru Descriere, introduce
Use this action group to create an insurance claim
- Pentru Selectați funcția Lambda, alege
<YOUR-STACK-NAME>-CreateClaimFunction
. - Pentru Selectați schema API, alege Răsfoiți S3, alegeți găleata creată mai devreme (
<YOUR-STACK-NAME>-customer-resources
), atunci alegeagent/api-schema/create_claim.json
.
- Pentru Introduceți numele grupului de acțiuni, introduce
- Creați un al doilea grup de acțiuni:
- Pentru Introduceți numele grupului de acțiuni, introduce
gather-evidence
. - Pentru Descriere, introduce
Use this action group to send the user a URL for evidence upload on open status claims with pending documents. Return the documentUploadUrl to the user
- Pentru Selectați funcția Lambda, alege
<YOUR-STACK-NAME>-GatherEvidenceFunction
. - Pentru Selectați schema API, alege Răsfoiți S3, alegeți găleata creată mai devreme, apoi alegeți
agent/api-schema/gather_evidence.json
.
- Pentru Introduceți numele grupului de acțiuni, introduce
- Creați un al treilea grup de acțiuni:
- Pentru Introduceți numele grupului de acțiuni, introduce
send-reminder
. - Pentru Descriere, introduce
Use this action group to check claim status, identify missing or pending documents, and send reminders to policy holders
- Pentru Selectați funcția Lambda, alege
<YOUR-STACK-NAME>-SendReminderFunction
. - Pentru Selectați schema API, alege Răsfoiți S3, alegeți găleata creată mai devreme, apoi alegeți
agent/api-schema/send_reminder.json
.
- Pentru Introduceți numele grupului de acțiuni, introduce
- Alege Pagina Următoare →.
- Pentru Selectați baza de cunoștințe, alegeți baza de cunoștințe pe care ați creat-o mai devreme (
claims-knowledge-base
). - Pentru Instrucțiuni de bază de cunoștințe pentru agent, introduceți următoarele:
Use to retrieve claim amount and repair estimate information for claim ID, or answer general insurance questions about things like coverage, premium, policy, rate, deductible, accident, and documents
- Alege Pagina Următoare →.
- În Examinați și creați, confirmați setările de configurare, apoi alegeți Creați agent.
După ce agentul dvs. este creat, veți vedea un banner verde „creat cu succes”.
Testare și validare
Următoarea procedură de testare urmărește să verifice dacă agentul identifică și înțelege corect intențiile utilizatorilor pentru crearea de noi revendicări, trimiterea de mementouri privind documentele în așteptare pentru revendicările deschise, colectarea dovezilor privind revendicările și căutarea de informații în documentele existente și în depozitele de cunoștințe ale clienților. Precizia răspunsurilor este determinată prin evaluarea relevanței, coerenței și a naturii umane a răspunsurilor generate de agenții și bazele de cunoștințe pentru Amazon Bedrock.
Măsuri de evaluare și tehnică de evaluare
Intrarea utilizatorului și validarea instrucțiunilor agentului include următoarele:
- preprocesare – Folosiți exemple de indicații pentru a evalua interpretarea, înțelegerea și receptivitatea agentului la diverse intrări ale utilizatorilor. Validați aderarea agentului la instrucțiunile configurate pentru validarea, contextualizarea și clasificarea cu precizie a datelor introduse de utilizator.
- Orchestrarea – Evaluați pașii logici pe care îi urmează agentul (de exemplu, „Urmărire”) pentru invocările API de grup de acțiuni și interogările bazei de cunoștințe pentru a îmbunătăți promptul de bază pentru FM.
- Post procesare – Examinați răspunsurile finale generate de agent după iterațiile de orchestrare pentru a asigura acuratețea și relevanța. Postprocesarea este inactivă în mod implicit și, prin urmare, nu este inclusă în urmărirea agentului nostru.
Evaluarea grupului de acțiune include următoarele:
- Validarea schemei API – Validați că schema OpenAPI (definită ca fișiere JSON stocate în Amazon S3) ghidează eficient raționamentul agentului în jurul scopului fiecărui API.
- Implementarea logicii de afaceri – Testați implementarea logicii de afaceri asociate cu căile API prin funcțiile Lambda legate de grupul de acțiuni.
Evaluarea bazei de cunoștințe include următoarele:
- Verificarea configurației – Confirmați că instrucțiunile bazei de cunoștințe direcționează corect agentul când să acceseze datele.
- Integrarea sursei de date S3 – Validați capacitatea agentului de a accesa și de a utiliza datele stocate în sursa de date S3 specificată.
Testarea end-to-end include următoarele:
- Flux de lucru integrat – Efectuați teste cuprinzătoare care implică atât grupuri de acțiune, cât și baze de cunoștințe pentru a simula scenarii din lumea reală.
- Evaluarea calității răspunsului – Evaluați acuratețea generală, relevanța și coerența răspunsurilor agentului în diverse contexte și scenarii.
Testați baza de cunoștințe
După configurarea bazei de cunoștințe în Amazon Bedrock, îi puteți testa direct comportamentul pentru a-i evalua răspunsurile înainte de a o integra cu un agent. Acest proces de testare vă permite să evaluați performanța bazei de cunoștințe, să inspectați răspunsurile și să depanați prin explorarea fragmentelor sursă din care sunt preluate informații. Parcurgeți următorii pași:
- Pe consola Amazon Bedrock, alegeți Bază de cunoștințe în panoul de navigare.
- Selectați baza de cunoștințe pe care doriți să o testați, apoi alegeți Test pentru a extinde o fereastră de chat.
- În fereastra de testare, selectați modelul de bază pentru generarea răspunsului.
- Testați-vă baza de cunoștințe utilizând următoarele exemple de interogări și alte intrări:
- Care este diagnosticul din devizul de reparație pentru ID-ul revendicării 2s34w-8x?
- Care este estimarea de rezolvare și reparație pentru aceeași reclamație?
- Ce ar trebui să facă șoferul după un accident?
- Ce se recomandă pentru raportul de accident și imagini?
- Ce este o deductibilă și cum funcționează?
Puteți comuta între generarea de răspunsuri și returnarea cotațiilor directe în fereastra de chat și aveți opțiunea de a șterge fereastra de chat sau de a copia toate rezultatele utilizând pictogramele furnizate.
Pentru a inspecta răspunsurile din baza de cunoștințe și fragmentele sursă, puteți selecta nota de subsol corespunzătoare sau alegeți Afișați detaliile rezultatelor. Va apărea o fereastră cu bucăți de sursă, care vă permite să căutați, să copiați textul pe fragmente și să navigați la sursa de date S3.
Testați agentul
În urma testării cu succes a bazei dumneavoastră de cunoștințe, următoarea fază de dezvoltare implică pregătirea și testarea funcționalității agentului dumneavoastră. Pregătirea agentului implică ambalarea celor mai recente modificări, în timp ce testarea oferă o oportunitate critică de a interacționa cu și de a evalua comportamentul agentului. Prin acest proces, puteți perfecționa capacitățile agentului, îi puteți îmbunătăți eficiența și puteți aborda orice probleme potențiale sau îmbunătățiri necesare pentru o performanță optimă. Parcurgeți următorii pași:
- Pe consola Amazon Bedrock, alegeți Agenți în panoul de navigare.
- Alegeți-vă agentul și notați ID-ul agentului.
Utilizați ID-ul agentului ca variabilă de mediu într-un pas ulterior când implementați interfața de utilizare web Streamlit pentru agentul dvs. - Navigați la dvs. Proiect de lucru. Inițial, aveți o schiță de lucru și o versiune implicită
TestAlias
arătând spre acest proiect. Proiectul de lucru permite dezvoltarea iterativă. - Alege Pregăti pentru a împacheta agentul cu cele mai recente modificări înainte de testare. Ar trebui să verificați în mod regulat ultima oră pregătită a agentului pentru a confirma că testați cu cele mai recente configurații.
- Accesați fereastra de testare din orice pagină din consola de schiță de lucru a agentului, alegând Test sau pictograma săgeată stânga.
- În fereastra de testare, alegeți un alias și versiunea acestuia pentru testare. Pentru această postare, folosim
TestAlias
pentru a invoca versiunea nefinalizată a agentului dvs. Dacă agentul nu este pregătit, în fereastra de testare apare un prompt. - Testați-vă agentul utilizând următoarele exemple de solicitări și alte intrări:
- Creați o nouă revendicare.
- Trimiteți un memento privind documentele în așteptare deținătorului poliței de revendicare 2s34w-8x.
- Adunați dovezi pentru revendicarea 5t16u-7v.
- Care este suma totală a cererii pentru revendicarea 3b45c-9d?
- Care este suma estimată a reparației pentru aceeași reclamație?
- Ce factori determină prima mea de asigurare auto?
- Cum îmi pot reduce tarifele de asigurare auto?
- Care cereri au statut deschis?
- Trimiteți mementouri tuturor deținătorilor de polițe cu daune deschise.
Asigurați-vă că alegeți Pregăti după efectuarea modificărilor pentru a le aplica înainte de a testa agentul.
Următorul exemplu de conversație de testare evidențiază capacitatea agentului de a invoca API-uri de grup de acțiuni cu logica de afaceri AWS Lambda care interogează tabelul Amazon DynamoDB al unui client și trimite notificări clienților utilizând Amazon Simple Notification Service. Același fir de conversație prezintă integrarea agentului și a bazei de cunoștințe pentru a oferi utilizatorului răspunsuri folosind surse de date autorizate pentru clienți, cum ar fi suma reclamației și documentele cu întrebări frecvente.
Instrumente de analiză și depanare a agenților
Urmările de răspuns ale agentului conțin informații esențiale pentru a ajuta la înțelegerea procesului decizional al agentului în fiecare etapă, pentru a facilita depanarea și pentru a oferi informații despre domeniile de îmbunătățire. The ModelInvocationInput
obiect din fiecare urmărire oferă configurații și setări detaliate utilizate în procesul de luare a deciziilor agentului, permițând clienților să analizeze și să sporească eficacitatea agentului.
Agentul dvs. va sorta datele introduse de utilizator în una dintre următoarele categorii:
- Categoria A - Intrări rău intenționate sau dăunătoare, chiar dacă sunt scenarii fictive.
- Categoria B – Intrări în care utilizatorul încearcă să obțină informații despre funcțiile, API-urile sau instrucțiunile care au fost furnizate agentului nostru de apelare a funcției sau intrări care încearcă să manipuleze comportamentul sau instrucțiunile agentului nostru de apelare a funcției sau ale dvs.
- Categoria C – Întrebări la care agentul nostru de apelare nu va putea răspunde sau să ofere informații utile pentru utilizarea numai a funcțiilor pe care le-au fost furnizate.
- Categoria D - Întrebări la care poate fi răspuns sau asistat de agentul nostru de apelare a funcției folosind doar funcțiile care i-au fost furnizate și argumente din interior
conversation_history
sau argumente relevante pe care le poate aduna folosindaskuser
Funcția. - Categoria E – Intrări care nu sunt întrebări, ci sunt răspunsuri la o întrebare pe care agentul de apelare a funcției a adresat-o utilizatorului. Intrările sunt eligibile pentru această categorie numai atunci când
askuser
funcția este ultima funcție pe care agentul de apelare a funcției a apelat-o în conversație. Puteți verifica acest lucru citindconversation_history
.
Alege Arată urmă sub un răspuns pentru a vizualiza configurațiile agentului și procesul de raționament, inclusiv baza de cunoștințe și utilizarea grupului de acțiuni. Urmele pot fi extinse sau restrânse pentru o analiză detaliată. Răspunsurile cu informații despre sursă conțin și note de subsol pentru citări.
În următorul exemplu de urmărire a grupului de acțiuni, agentul mapează intrarea utilizatorului la create-claim
grupului de acțiune createClaim
funcţionează în timpul preprocesării. Agentul are o înțelegere a acestei funcții pe baza instrucțiunilor agentului, a descrierii grupului de acțiuni și a schemei OpenAPI. În timpul procesului de orchestrare, care este în doi pași în acest caz, agentul invocă createClaim
funcția și primește un răspuns care include ID-ul de revendicare nou creat și o listă de documente în așteptare.
În următorul exemplu de urmărire a bazei de cunoștințe, agentul mapează intrarea utilizatorului la Categoria D în timpul preprocesării, ceea ce înseamnă că una dintre funcțiile disponibile ale agentului ar trebui să poată oferi un răspuns. Pe parcursul orchestrației, agentul caută în baza de cunoștințe, extrage bucățile relevante folosind înglobări și transmite acel text modelului de bază pentru a genera un răspuns final.
Implementați interfața de utilizare web Streamlit pentru agentul dvs
Când sunteți mulțumit de performanța agentului dvs. și a bazei de cunoștințe, sunteți gata să le realizați capacitățile. Folosim Iluminat în flux în această soluție pentru a lansa un exemplu de front-end, destinat să emuleze o aplicație de producție. Streamlit este o bibliotecă Python concepută pentru a eficientiza și simplifica procesul de construire a aplicațiilor front-end. Aplicația noastră oferă două caracteristici:
- Intrare promptă a agentului - Permite utilizatorilor să invoca agentul folosind propria lor intrare în sarcină.
- Încărcarea fișierelor din baza de cunoștințe - Permite utilizatorului să-și încarce fișierele locale în compartimentul S3 care este utilizat ca sursă de date pentru baza de cunoștințe. După ce fișierul este încărcat, aplicația începe un job de asimilare pentru a sincroniza sursa de date a bazei de cunoștințe.
Pentru a izola dependențele aplicației noastre Streamlit și pentru a ușura implementarea, folosim setup-streamlit-env.sh script shell pentru a crea un mediu virtual Python cu cerințele instalate. Parcurgeți următorii pași:
- Înainte de a rula scriptul shell, navigați la directorul în care ați clonat
amazon-bedrock-samples
depozit și modificați permisiunile scriptului shell Streamlit la executabil:
- Rulați scriptul shell pentru a activa mediul virtual Python cu dependențele necesare:
- Setați ID-ul agentului Amazon Bedrock, ID-ul alias agent, ID-ul bazei de cunoștințe, ID-ul sursei de date, numele compartimentului bazei de cunoștințe și variabilele de mediu AWS Region:
- Rulați aplicația Streamlit și începeți testarea în browserul dvs. web local:
A curăța
Pentru a evita taxele în contul dvs. AWS, curățați resursele furnizate de soluție
delete-customer-resources.sh Scriptul shell golește și șterge compartimentul S3 al soluției și șterge resursele care au fost furnizate inițial din bedrock-customer-resources.yml
Stiva CloudFormation. Următoarele comenzi folosesc numele implicit al stivei. Dacă ați personalizat numele stivei, ajustați comenzile în consecință.
Precedentul ./delete-customer-resources.sh
Comanda shell rulează următoarele comenzi AWS CLI pentru a șterge stiva de resurse emulate pentru clienți și compartimentul S3:
Pentru a șterge agentul și baza de cunoștințe, urmați instrucțiunile pentru ștergerea unui agent și ștergerea unei baze de cunoștințe, respectiv.
Considerații
Deși soluția demonstrată prezintă capabilitățile agenților și bazelor de cunoștințe pentru Amazon Bedrock, este important să înțelegeți că această soluție nu este pregătită pentru producție. Mai degrabă, servește ca ghid conceptual pentru clienții care doresc să creeze agenți personalizați pentru propriile sarcini specifice și fluxuri de lucru automatizate. Clienții care vizează implementarea în producție ar trebui să perfecționeze și să adapteze acest model inițial, ținând cont de următorii factori de securitate:
- Acces securizat la API-uri și date:
- Restricționați accesul la API-uri, baze de date și alte sisteme integrate de agent.
- Utilizați controlul accesului, gestionarea secretelor și criptarea pentru a preveni accesul neautorizat.
- Validarea și igienizarea intrărilor:
- Validați și igienizați intrările utilizatorilor pentru a preveni atacurile prin injecție sau încercările de a manipula comportamentul agentului.
- Stabiliți reguli de intrare și mecanisme de validare a datelor.
- Controale de acces pentru managementul și testarea agenților:
- Implementați controale de acces adecvate pentru console și instrumente utilizate pentru a edita, testa sau configura agentul.
- Limitați accesul la dezvoltatori și testeri autorizați.
- Securitatea infrastructurii:
- Respectați cele mai bune practici de securitate AWS privind VPC-urile, subrețelele, grupurile de securitate, înregistrarea în jurnal și monitorizarea pentru securizarea infrastructurii de bază.
- Validarea instrucțiunilor agentului:
- Stabiliți un proces meticulos pentru a revizui și valida instrucțiunile agentului pentru a preveni comportamentele neintenționate.
- Testare si auditare:
- Testați cu atenție agentul și componentele integrate.
- Implementați auditarea, înregistrarea în jurnal și testarea de regresie a conversațiilor cu agenții pentru a detecta și rezolva problemele.
- Securitatea bazei de cunoștințe:
- Dacă utilizatorii pot spori baza de cunoștințe, validați încărcările pentru a preveni atacurile de otrăvire.
Pentru alte considerații cheie, consultați Creați agenți AI generativi cu Amazon Bedrock, Amazon DynamoDB, Amazon Kendra, Amazon Lex și LangChain.
Concluzie
Implementarea agenților AI generativi folosind agenți și baze de cunoștințe pentru Amazon Bedrock reprezintă un progres semnificativ în capabilitățile operaționale și de automatizare ale organizațiilor. Aceste instrumente nu numai că simplifică ciclul de viață al daunelor de asigurare, dar creează și un precedent pentru aplicarea AI în diferite alte domenii ale întreprinderilor. Prin automatizarea sarcinilor, îmbunătățirea serviciului pentru clienți și îmbunătățirea proceselor de luare a deciziilor, acești agenți AI împuternicesc organizațiile să se concentreze pe creștere și inovare, gestionând în același timp sarcinile de rutină și complexe în mod eficient.
Pe măsură ce continuăm să asistăm la evoluția rapidă a AI, potențialul instrumentelor precum agenții și bazele de cunoștințe pentru Amazon Bedrock în transformarea operațiunilor de afaceri este imens. Întreprinderile care utilizează aceste tehnologii vor câștiga un avantaj competitiv semnificativ, marcat de o eficiență îmbunătățită, satisfacție a clienților și luarea deciziilor. Viitorul managementului datelor și operațiunilor întreprinderii se înclină, fără îndoială, către o mai bună integrare a AI, iar Amazon Bedrock este în fruntea acestei transformări.
Pentru a afla mai multe, vizitați Agenți pentru Amazon Bedrock, consultați Documentația Amazon Bedrock, exploreaza spațiu AI generativ la community.aws, și puneți-vă în practică cu Atelierul Amazon Bedrock.
Despre autor
Kyle T. Blocksom este un arhitect senior de soluții cu AWS, cu sediul în California de Sud. Pasiunea lui Kyle este de a aduce oamenii împreună și de a folosi tehnologia pentru a oferi soluții pe care clienții le iubesc. În afara serviciului, îi place să facă surfing, să mănânce, să se lupte cu câinele său și să-și răsfețe nepoata și nepotul.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/automate-the-insurance-claim-lifecycle-using-agents-and-knowledge-bases-for-amazon-bedrock/
- :are
- :este
- :nu
- :Unde
- $UP
- 1
- 10
- 100
- 1040
- 11
- 19
- 500
- 7
- 8
- 9
- a
- capacitate
- Capabil
- Despre Noi
- abstracție
- Accelerează
- acces
- accident
- în consecință
- Cont
- precizie
- precis
- peste
- act
- Acțiune
- acțiuni
- activa
- activând
- adapta
- adăuga
- Suplimentar
- adresa
- aderare
- avansat
- avansare
- Avantaj
- După
- Agent
- agenţi
- AI
- Ajutorul
- Urmarind
- isi propune
- aliniere
- TOATE
- permite
- Permiterea
- permite
- deja
- de asemenea
- alternativă
- Amazon
- Amazon Kendra
- Amazon Lex
- Amazon Web Services
- sumă
- Sume
- an
- analiză
- analiza
- și
- răspunde
- răspunsuri
- Antropică
- anticipează
- Orice
- api
- API-uri
- apărea
- apare
- aplicație
- aplicatii
- Aplică
- arhitectură
- SUNT
- domenii
- argumente
- în jurul
- AS
- evalua
- evaluare
- ajuta
- asistenți
- asistată
- Avocat Colaborator
- asociate
- At
- Atacuri
- Încercările
- audit
- spori
- augmented
- autorizat
- automatizarea
- Automata
- automatizarea
- Automatizare
- disponibil
- evita
- AWS
- Formarea AWS Cloud
- AWS Lambdas
- steag
- de bază
- bazat
- BE
- fost
- înainte
- începe
- folosul
- comportament
- comportamente
- fiind
- CEL MAI BUN
- Cele mai bune practici
- între
- a stimula
- atât
- Breaking
- aduce
- browser-ul
- construi
- Clădire
- construit
- povară
- afaceri
- dar
- by
- California
- denumit
- apel
- apeluri
- CAN
- capacități
- mașină
- caz
- categorii
- categorizând
- Categorii
- CD
- Schimbare
- Modificări
- taxe
- Chat
- verifica
- Alege
- alegere
- pretinde
- creanțe
- curat
- clar
- cli
- îndeaproape
- cod
- prăbuşit
- colectare
- comunitate
- Companii
- companie
- comparații
- competitiv
- Completă
- complex
- componente
- cuprinzător
- care cuprinde
- conceptual
- condiție
- Conduce
- Configuraţie
- configurat
- Confirma
- Conectați
- Considerații
- constă
- Consoleze
- console
- consulta
- conţine
- conţinut
- Generare de conținut
- context
- contexte
- contextual
- continua
- continuă
- continuu
- Control
- controale
- Convenție
- Conversație
- conversații
- convertit
- coordonator
- corect
- Corespunzător
- A costat
- Cheltuieli
- cuplat
- acoperire
- ambarcaţiunilor
- crea
- a creat
- creează
- Crearea
- creaţie
- Creator
- critic
- curate
- client
- datele despre consumator
- Satisfactia clientului
- Serviciu clienți
- Relații Clienți
- clienţii care
- personalizare
- personalizate
- de date
- de introducere a datelor
- management de date
- baze de date
- decizie
- Luarea deciziilor
- deductibilă
- Mod implicit
- defini
- definit
- livra
- Demo
- demonstrat
- dependențe
- implementa
- dislocate
- desfășurarea
- descriere
- proiectat
- detaliat
- detalii
- detecta
- Determina
- determinat
- Dezvoltatorii
- Dezvoltare
- dezvoltă
- diagnostic
- diagramă
- direcționa
- călăuzitor
- direct
- invalid
- discuta
- Afişa
- diferit
- do
- document
- documentaţie
- documente
- face
- Câine
- domenii
- jos
- proiect
- şofer
- în timpul
- e
- fiecare
- Mai devreme
- uşura
- ecou
- Margine
- în mod eficient
- eficacitate
- eficiență
- eficient
- eficient
- efort
- eligibil
- e-mailuri
- Încorporarea
- de angajați
- angajarea
- împuternici
- împuternicirea
- permite
- permițând
- criptare
- un capăt la altul
- angaja
- spori
- consolidarea
- îmbogățit
- asigura
- asigurare
- Intrați
- Afacere
- Companii
- intrare
- Mediu inconjurator
- esenţial
- stabili
- stabilit
- estima
- estimări
- evalua
- evaluarea
- evaluare
- Chiar
- dovadă
- evoluţie
- evolua
- exemplu
- exemple
- Excel
- execuție
- existent
- Extinde
- extins
- de aşteptat
- explora
- Explorarea
- exporturile
- extensiv
- facilita
- factori
- FAQ
- DESCRIERE
- fictiv
- Fișier
- Fişiere
- final
- În cele din urmă
- First
- Concentra
- urma
- următor
- urmează
- Pentru
- frunte
- format
- Fundație
- fundamentale
- din
- complet
- funcţie
- funcționalitate
- funcții
- viitor
- g1
- Câştig
- aduna
- culegere
- General
- genera
- generată
- generator
- generaţie
- generativ
- AI generativă
- obține
- acordarea
- mai mare
- Verde
- grup
- Grupului
- Creștere
- ghida
- orientări
- Ghiduri
- Manipularea
- hands-on
- nociv
- hamurile
- Avea
- he
- util
- performanta inalta
- highlights-uri
- lui
- istorie
- titular
- Titularii
- Cum
- HTML
- http
- HTTPS
- uman
- Resurse Umane
- i
- ICON
- icoane
- ID
- identifică
- identifica
- identificarea
- Identitate
- ID-uri
- if
- ilustrează
- imagini
- imens
- implementarea
- important
- îmbunătăţi
- îmbunătățit
- îmbunătățire
- îmbunătățiri
- îmbunătățirea
- in
- inactiv
- inclus
- include
- Inclusiv
- care încorporează
- index
- informații
- Infrastructură
- inițială
- inițial
- iniția
- Inovaţie
- intrare
- intrări
- Cereri
- perspective
- instalat
- in schimb
- instrucțiuni
- asigurare
- integrate
- integrarea
- integrare
- integrările
- destinate
- interacţiona
- interacţiuni
- intern
- interpretare
- interpretarea
- în
- invocă
- implică
- implicând
- probleme de
- IT
- iterații
- ESTE
- JSON
- doar
- păstrare
- Cheie
- cunoştinţe
- Management de cunoștințe
- Kyle
- limbă
- mare
- Întreprinderi mari
- Nume
- mai tarziu
- Ultimele
- lansa
- strat
- conducere
- AFLAȚI
- Părăsi
- lăsând
- stânga
- Nivel
- Pârghie
- Bibliotecă
- ciclu de viață
- ca
- Linie
- legate de
- Listă
- listat
- local
- logare
- logică
- logic
- dragoste
- LOWER
- face
- FACE
- Efectuarea
- rău
- flexibil
- gestionate
- administrare
- manual
- Harta
- marcat
- sens
- măsuri
- mecanisme
- metodă
- meticulos
- minte
- minimizând
- dispărut
- MIT
- model
- Modele
- modifica
- Monitorizarea
- mai mult
- În plus
- cele mai multe
- multiplu
- trebuie sa
- my
- nume
- denumire
- Natural
- Natură
- Navigaţi
- Navigare
- necesar
- necesitate
- necesar
- nevoilor
- Nou
- recent
- următor
- nota
- notificare
- notificări
- acum
- obiect
- obiectiv
- observaţie
- of
- oferind
- on
- ONE
- afară
- deschide
- funcionar
- operațional
- Operațiuni
- Oportunităţi
- Oportunitate
- optimă
- Optimizează
- Opțiune
- or
- orchestrând
- orchestrație
- organizație
- organizații
- origine
- iniţial
- Altele
- al nostru
- schiță
- conturând
- producție
- iesiri
- exterior
- global
- deasupra
- Prezentare generală
- propriu
- pachet
- ambalaje
- pagină
- perechi
- pâine
- parametrii
- special
- trece
- pasiune
- căi
- în așteptarea
- oameni
- Efectua
- performanță
- permisiuni
- Personalizat
- fază
- Plato
- Informații despre date Platon
- PlatoData
- Joaca
- Punct
- otrăvire
- Politica
- populat
- posedă
- Post
- potenţial
- puternic
- practicile
- Precedent
- precedent
- Precizie
- Premium
- pregătire
- Pregăti
- pregătit
- pregătirea
- împiedica
- intimitate
- privat
- procedură
- proces
- procese
- prelucrare
- producere
- solicitări
- adecvat
- furniza
- prevăzut
- furnizează
- furnizarea
- dispoziţie
- Trage
- scop
- Piton
- calitate
- interogări
- întrebare
- întrebare
- Întrebări
- cârpă
- gamă
- rapid
- rată
- tarife
- mai degraba
- Argumentare
- Reacţiona
- Citind
- gata
- lumea reală
- motiv
- primește
- recomandat
- înregistrare
- reduce
- reducerea
- trimite
- referință
- rafina
- cu privire la
- regiune
- regulat
- legate de
- relevanţa
- aducere aminte
- la distanta
- repara
- repetitiv
- raportează
- depozit
- reprezenta
- reprezintă
- cereri de
- necesar
- Cerinţe
- Rezoluţie
- Resurse
- respectiv
- Răspunde
- răspuns
- răspunsuri
- responsabil
- rezultat
- reveni
- revenind
- revizuiască
- rutină
- norme
- Alerga
- ruleaza
- Runtime
- s
- acelaşi
- probă
- satisfacție
- satisfăcut
- mulțumit cu
- Scară
- scenarii
- scenariu
- fără sudură
- perfect
- Caută
- Cautari
- căutare
- Al doilea
- secrete
- secțiuni
- asigurarea
- securitate
- vedea
- segmentarea
- selecta
- selectate
- semantică
- trimite
- trimitere
- trimite
- Secvenţă
- serie
- servește
- serviciu
- Servicii
- set
- instalare
- setări
- câteva
- comun
- Coajă
- să
- semnificativ
- semnificativ
- simplu
- simplifica
- simula
- singur
- sta
- mai mici
- soluţie
- soluţii
- unele
- Sursă
- provenind
- Surse
- Sudic
- Spaţiu
- de specialitate
- specific
- specificată
- precizând
- stivui
- Etapă
- stand
- Stare
- Pas
- paşi
- Încă
- depozitare
- stoca
- stocate
- magazine
- Strategic
- simplifica
- raționalizarea
- stil
- subrețele
- ulterior
- de succes
- astfel de
- livra
- a sustine
- sigur
- sincronizare
- sintetic
- sisteme
- tabel
- Sarcină
- sarcini
- Tehnic
- tehnică
- Tehnologii
- Tehnologia
- șablon
- test
- testere
- Testarea
- teste
- a) Sport and Nutrition Awareness Day in Manasia Around XNUMX people from the rural commune Manasia have participated in a sports and healthy nutrition oriented activity in one of the community’s sports ready yards. This activity was meant to gather, mainly, middle-aged people from a Romanian rural community and teach them about the benefits that sports have on both their mental and physical health and on how sporting activities can be used to bring people from a community closer together. Three trainers were made available for this event, so that the participants would get the best possible experience physically and so that they could have the best access possible to correct information and good sports/nutrition practices. b) Sports Awareness Day in Poiana Țapului A group of young participants have taken part in sporting activities meant to teach them about sporting conduct, fairplay, and safe physical activities. The day culminated with a football match.
- acea
- Viitorul
- Sursa
- lor
- Lor
- apoi
- prin urmare
- Acestea
- ei
- lucruri
- Al treilea
- acest
- trei
- Prin
- de-a lungul
- timp
- la
- împreună
- instrument
- Unelte
- subiect
- Total
- față de
- Urmă
- calc
- Transformare
- transformat
- transformare
- încercat
- Două
- ui
- incapabil
- neautorizat
- incontestabil
- în
- suferi
- care stau la baza
- înţelege
- înţelegere
- înțelege
- încărcat
- pe
- URL-ul
- Folosire
- utilizare
- utilizat
- Utilizator
- utilizatorii
- utilizări
- folosind
- utilizate
- VALIDA
- validare
- validare
- Valori
- variabil
- diverse
- Verificare
- verifica
- multilateral
- versiune
- Vizualizare
- Virtual
- Vizita
- aștepta
- vrea
- we
- web
- browser web
- servicii web
- au fost
- cand
- întrucât
- care
- în timp ce
- a caror
- larg
- Gamă largă
- voi
- fereastră
- cu
- în
- fără
- martor
- Apartamente
- lucram impreuna
- flux de lucru
- fluxuri de lucru
- de lucru
- Tu
- Ta
- zephyrnet
- Zip