กำเนิด AI ตัวแทนเป็นเครื่องมืออเนกประสงค์และมีประสิทธิภาพสำหรับองค์กรขนาดใหญ่ พวกเขาสามารถเพิ่มประสิทธิภาพการดำเนินงาน การบริการลูกค้า และการตัดสินใจ ในขณะเดียวกันก็ลดต้นทุนและทำให้เกิดนวัตกรรม เจ้าหน้าที่เหล่านี้มีความเป็นเลิศในการทำงานประจำและงานซ้ำๆ โดยอัตโนมัติ เช่น การป้อนข้อมูล การสอบถามข้อมูลการสนับสนุนลูกค้า และการสร้างเนื้อหา ยิ่งไปกว่านั้น พวกเขาสามารถเรียบเรียงขั้นตอนการทำงานที่ซับซ้อนหลายขั้นตอนโดยแบ่งงานออกเป็นขั้นตอนเล็กๆ ที่สามารถจัดการได้ ประสานงานการดำเนินการต่างๆ และรับรองว่าการดำเนินการตามกระบวนการภายในองค์กรมีประสิทธิภาพ สิ่งนี้ช่วยลดภาระด้านทรัพยากรบุคคลได้อย่างมาก และช่วยให้พนักงานมุ่งเน้นไปที่งานเชิงกลยุทธ์และสร้างสรรค์ได้มากขึ้น
ในขณะที่เทคโนโลยี AI ยังคงพัฒนาต่อไป ความสามารถของตัวแทน AI เจนเนอเรชั่นจึงถูกคาดหวังให้ขยายออกไป ซึ่งมอบโอกาสที่มากขึ้นให้กับลูกค้าในการได้รับความได้เปรียบทางการแข่งขัน อยู่ในระดับแนวหน้าของวิวัฒนาการนี้ อเมซอน เบดร็อคซึ่งเป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งทำให้โมเดลพื้นฐาน (FM) ที่มีประสิทธิภาพสูงจาก Amazon และบริษัท AI ชั้นนำอื่นๆ พร้อมใช้งานผ่าน API ด้วย Amazon Bedrock คุณสามารถสร้างและปรับขนาดแอปพลิเคชัน AI ที่สร้างได้ด้วยการรักษาความปลอดภัย ความเป็นส่วนตัว และ AI ที่มีความรับผิดชอบ ตอนนี้คุณสามารถใช้ ตัวแทนของ Amazon Bedrock และ ฐานความรู้สำหรับ Amazon Bedrock เพื่อกำหนดค่าตัวแทนพิเศษที่ดำเนินการได้อย่างราบรื่นโดยอิงตามอินพุตภาษาธรรมชาติและข้อมูลขององค์กรของคุณ เอเจนต์ที่ได้รับการจัดการเหล่านี้ทำหน้าที่เป็นผู้ควบคุมดูแลการโต้ตอบระหว่าง FM, การผสานรวม API, การสนทนาของผู้ใช้ และแหล่งความรู้ที่โหลดข้อมูลของคุณ
โพสต์นี้เน้นย้ำวิธีที่คุณสามารถใช้ตัวแทนและฐานความรู้สำหรับ Amazon Bedrock เพื่อสร้างทรัพยากรองค์กรที่มีอยู่เพื่อทำให้งานที่เกี่ยวข้องกับวงจรการเรียกร้องค่าสินไหมทดแทนเป็นอัตโนมัติ ปรับขนาดและปรับปรุงการบริการลูกค้าอย่างมีประสิทธิภาพ และปรับปรุงการสนับสนุนการตัดสินใจผ่านการจัดการความรู้ที่ได้รับการปรับปรุง ตัวแทนประกันภัยที่ขับเคลื่อนโดย Amazon Bedrock ของคุณสามารถช่วยเหลือตัวแทนที่เป็นมนุษย์ได้โดยการสร้างการเรียกร้องใหม่ การส่งการแจ้งเตือนเอกสารที่รอดำเนินการสำหรับการเรียกร้องที่เปิดอยู่ การรวบรวมหลักฐานการเรียกร้อง และการค้นหาข้อมูลในการเรียกร้องที่มีอยู่และคลังความรู้ของลูกค้า
ภาพรวมโซลูชัน
วัตถุประสงค์ของโซลูชันนี้คือทำหน้าที่เป็นรากฐานสำหรับลูกค้า ช่วยให้คุณสร้างตัวแทนเฉพาะทางของคุณเองสำหรับความต้องการที่หลากหลาย เช่น ผู้ช่วยเสมือนและงานอัตโนมัติ รหัสและทรัพยากรที่จำเป็นสำหรับการปรับใช้งานมีอยู่ใน พื้นที่เก็บข้อมูลตัวอย่าง Amazon-bedrock.
การบันทึกการสาธิตต่อไปนี้เน้นตัวแทนและฐานความรู้สำหรับฟังก์ชันการทำงานของ Amazon Bedrock และรายละเอียดการใช้งานทางเทคนิค
ตัวแทนและฐานความรู้สำหรับ Amazon Bedrock ทำงานร่วมกันเพื่อมอบความสามารถต่อไปนี้:
- การเรียบเรียงงาน – ตัวแทนใช้ FM เพื่อทำความเข้าใจการสอบถามด้วยภาษาธรรมชาติ และแยกงานที่มีหลายขั้นตอนออกเป็นขั้นตอนที่เล็กลงและดำเนินการได้
- การรวบรวมข้อมูลแบบโต้ตอบ – ตัวแทนมีส่วนร่วมในการสนทนาที่เป็นธรรมชาติเพื่อรวบรวมข้อมูลเสริมจากผู้ใช้
- การปฏิบัติตามภารกิจ – ตัวแทนดำเนินการตามคำขอของลูกค้าผ่านชุดขั้นตอนการให้เหตุผลและการดำเนินการที่เกี่ยวข้องตาม โต้ตอบพร้อมท์.
- ระบบบูรณาการ – ตัวแทนทำการเรียก API ไปยังระบบของบริษัทที่ผสานรวมเพื่อดำเนินการเฉพาะ
- การสืบค้นข้อมูล – ฐานความรู้ช่วยเพิ่มความแม่นยำและประสิทธิภาพผ่านการจัดการเต็มรูปแบบ การดึงข้อมูล Augmented Generation (RAG) โดยใช้แหล่งข้อมูลเฉพาะลูกค้า
- การระบุแหล่งที่มา – ตัวแทนดำเนินการระบุแหล่งที่มา ระบุและติดตามที่มาของข้อมูลหรือการกระทำผ่านการให้เหตุผลแบบลูกโซ่แห่งความคิด
ไดอะแกรมต่อไปนี้แสดงสถาปัตยกรรมโซลูชัน
เวิร์กโฟลว์ประกอบด้วยขั้นตอนต่อไปนี้:
- ผู้ใช้ให้ข้อมูลอินพุตภาษาธรรมชาติแก่ตัวแทน ต่อไปนี้คือตัวอย่างพร้อมท์:
- สร้างการอ้างสิทธิ์ใหม่
- ส่งการแจ้งเตือนเอกสารที่ค้างอยู่ไปยังผู้ถือกรมธรรม์การเรียกร้อง 2s34w-8x
- รวบรวมหลักฐานการเคลม 5t16u-7v.
- จำนวนเงินเรียกร้องทั้งหมดสำหรับการเรียกร้อง 3b45c-9d คือเท่าใด
- ยอดรวมการซ่อมแซมสำหรับการเรียกร้องเดียวกันนั้นคือเท่าใด
- ปัจจัยใดบ้างที่เป็นตัวกำหนดเบี้ยประกันรถยนต์ของฉัน?
- ฉันจะลดอัตราประกันรถยนต์ของฉันได้อย่างไร?
- การเรียกร้องใดมีสถานะเปิด?
- ส่งการแจ้งเตือนไปยังผู้ถือกรมธรรม์ทุกคนที่มีการเคลมแบบเปิด
- ในระหว่างการประมวลผลล่วงหน้า เอเจนต์จะตรวจสอบ กำหนดบริบท และจัดหมวดหมู่อินพุตของผู้ใช้ การป้อนข้อมูลของผู้ใช้ (หรืองาน) จะถูกตีความโดยเจ้าหน้าที่โดยใช้ประวัติการแชทและคำแนะนำและ FM พื้นฐานที่ระบุไว้ในระหว่างนั้น การสร้างตัวแทน. คำแนะนำของตัวแทนเป็นแนวทางเชิงพรรณนาที่สรุปการกระทำที่ตั้งใจไว้ของตัวแทน นอกจากนี้คุณยังสามารถเลือกกำหนดค่าได้อีกด้วย พร้อมท์ขั้นสูงซึ่งช่วยให้คุณสามารถเพิ่มความแม่นยำของตัวแทนได้โดยใช้การกำหนดค่าที่มีรายละเอียดมากขึ้น และนำเสนอตัวอย่างที่เลือกด้วยตนเองสำหรับการแจ้งเตือนแบบไม่กี่ช็อต วิธีการนี้ช่วยให้คุณสามารถปรับปรุงประสิทธิภาพของโมเดลได้โดยการจัดเตรียมตัวอย่างที่มีป้ายกำกับที่เกี่ยวข้องกับงานเฉพาะ
- กลุ่มปฏิบัติการ คือชุดของ API และตรรกะทางธุรกิจที่เกี่ยวข้อง ซึ่งสคีมา OpenAPI ถูกกำหนดให้เป็นไฟล์ JSON ที่จัดเก็บไว้ บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (อเมซอน S3). สคีมาช่วยให้เอเจนต์สามารถให้เหตุผลเกี่ยวกับการทำงานของ API แต่ละรายการได้ กลุ่มการดำเนินการแต่ละกลุ่มสามารถระบุเส้นทาง API หนึ่งเส้นทางขึ้นไป ซึ่งมีการเรียกใช้ตรรกะทางธุรกิจผ่าน AWS แลมบ์ดา ฟังก์ชั่นที่เกี่ยวข้องกับกลุ่มการกระทำ
- ฐานความรู้สำหรับ Amazon Bedrock มอบ RAG ที่มีการจัดการอย่างเต็มรูปแบบเพื่อให้ตัวแทนสามารถเข้าถึงข้อมูลของคุณได้ ขั้นแรกคุณกำหนดค่าฐานความรู้โดยการระบุคำอธิบายที่จะแนะนำตัวแทนเมื่อจะใช้ฐานความรู้ของคุณ จากนั้นคุณชี้ฐานความรู้ไปยังแหล่งข้อมูล Amazon S3 ของคุณ สุดท้ายนี้ คุณระบุโมเดลการฝังและเลือกใช้ร้านค้าเวกเตอร์ที่มีอยู่ของคุณ หรืออนุญาตให้ Amazon Bedrock สร้างร้านค้าเวกเตอร์ในนามของคุณ หลังจากกำหนดค่าเรียบร้อยแล้วละ การซิงค์แหล่งข้อมูล สร้างการฝังเวกเตอร์ของข้อมูลของคุณที่ตัวแทนสามารถใช้เพื่อส่งคืนข้อมูลให้กับผู้ใช้หรือเพิ่มการแจ้งเตือน FM ที่ตามมา
- ในระหว่างการจัดประสาน เอเจนต์จะพัฒนาเหตุผลด้วยขั้นตอนเชิงตรรกะที่จำเป็นต้องมีการเรียกใช้ API กลุ่มการดำเนินการและการสืบค้นฐานความรู้เพื่อสร้างการสังเกตที่สามารถใช้เพื่อเพิ่มพรอมต์ฐานสำหรับ FM ที่เกี่ยวข้อง การแจ้งสไตล์ ReAct นี้ทำหน้าที่เป็นอินพุตสำหรับการเปิดใช้งาน FM ซึ่งจะคาดการณ์ลำดับการดำเนินการที่เหมาะสมที่สุดเพื่อให้งานของผู้ใช้เสร็จสมบูรณ์
- ในระหว่างการประมวลผลภายหลัง หลังจากวนซ้ำการเรียบเรียงทั้งหมดเสร็จสิ้น เอเจนต์จะดูแลจัดการการตอบกลับขั้นสุดท้าย การประมวลผลภายหลังถูกปิดใช้งานตามค่าเริ่มต้น
ในส่วนต่อไปนี้ เราจะหารือเกี่ยวกับขั้นตอนสำคัญในการปรับใช้โซลูชัน รวมถึงขั้นตอนก่อนการใช้งาน และการทดสอบและการตรวจสอบ
สร้างทรัพยากรโซลูชันด้วย AWS CloudFormation
ก่อนที่จะสร้างตัวแทนและฐานความรู้ของคุณ จำเป็นอย่างยิ่งที่จะต้องสร้างสภาพแวดล้อมจำลองที่สะท้อนทรัพยากรที่มีอยู่ที่ลูกค้าใช้อย่างใกล้ชิด ตัวแทนและฐานความรู้สำหรับ Amazon Bedrock ได้รับการออกแบบมาเพื่อสร้างบนทรัพยากรเหล่านี้ โดยใช้ตรรกะทางธุรกิจที่จัดส่งโดย Lambda และที่เก็บข้อมูลลูกค้าที่จัดเก็บไว้ใน Amazon S3 การวางแนวพื้นฐานนี้ให้การบูรณาการตัวแทนและโซลูชันฐานความรู้ของคุณเข้ากับโครงสร้างพื้นฐานที่คุณสร้างขึ้นได้อย่างราบรื่น
เพื่อจำลองทรัพยากรของลูกค้าที่มีอยู่ซึ่งใช้โดยตัวแทน โซลูชันนี้ใช้ สร้าง-ลูกค้า-resources.sh เชลล์สคริปต์เพื่อทำให้การจัดเตรียมพารามิเตอร์เป็นแบบอัตโนมัติ การก่อตัวของ AWS Cloud แม่แบบ ข้อเท็จจริงลูกค้า-resources.ymlเพื่อปรับใช้ทรัพยากรต่อไปนี้:
- An อเมซอน ไดนาโมดีบี โต๊ะที่เต็มไปด้วยสารสังเคราะห์ ข้อมูลการเรียกร้อง.
- ฟังก์ชัน Lambda สามฟังก์ชันที่แสดงถึงตรรกะทางธุรกิจของลูกค้าสำหรับการสร้างการอ้างสิทธิ์ การส่งการแจ้งเตือนเอกสารที่ค้างอยู่สำหรับการอ้างสิทธิ์ในสถานะที่เปิดอยู่ และการรวบรวมหลักฐานเกี่ยวกับการอ้างสิทธิ์ใหม่และที่มีอยู่
- บัคเก็ต S3 ที่มีเอกสารประกอบ API ในรูปแบบสคีมา OpenAPI สำหรับฟังก์ชัน Lambda ก่อนหน้าและการประมาณการการซ่อมแซม จำนวนการเคลม คำถามที่พบบ่อยของบริษัท และคำอธิบายเอกสารการเคลมที่จำเป็นเพื่อใช้เป็นของเรา สินทรัพย์แหล่งข้อมูลฐานความรู้.
- An บริการแจ้งเตือนแบบง่ายของ Amazon (Amazon SNS) หัวข้ออีเมลของผู้ถือกรมธรรม์ที่สมัครรับอีเมลแจ้งเตือนสถานะการเรียกร้องและการดำเนินการที่รอดำเนินการ
- AWS Identity และการจัดการการเข้าถึง สิทธิ์ (IAM) สำหรับทรัพยากรก่อนหน้า
AWS CloudFormation เติมพารามิเตอร์สแต็กไว้ล่วงหน้าด้วยค่าเริ่มต้นที่ให้ไว้ในเทมเพลต หากต้องการระบุค่าอินพุตอื่น คุณสามารถระบุพารามิเตอร์เป็นตัวแปรสภาพแวดล้อมที่อ้างอิงใน ParameterKey=<ParameterKey>,ParameterValue=<Value>
คู่ในเชลล์สคริปต์ต่อไปนี้ aws cloudformation create-stack
คำสั่ง
ทำตามขั้นตอนต่อไปนี้เพื่อจัดเตรียมทรัพยากรของคุณ:
- สร้างสำเนาในเครื่องของ
amazon-bedrock-samples
พื้นที่เก็บข้อมูลโดยใช้git clone
: - ก่อนที่คุณจะรันเชลล์สคริปต์ ให้นำทางไปยังไดเร็กทอรีที่คุณโคลนไว้
amazon-bedrock-samples
พื้นที่เก็บข้อมูลและแก้ไขการอนุญาตเชลล์สคริปต์เพื่อให้สามารถเรียกใช้งานได้: - ตั้งชื่อสแต็ก CloudFormation, อีเมล SNS และตัวแปรสภาพแวดล้อม URL การอัปโหลดหลักฐาน อีเมล SNS จะถูกใช้สำหรับการแจ้งเตือนผู้ถือกรมธรรม์ และ URL การอัปโหลดหลักฐานจะถูกแชร์กับผู้ถือกรมธรรม์เพื่ออัปโหลดหลักฐานการเรียกร้องของพวกเขา ที่ ตัวอย่างการดำเนินการเคลมประกัน ให้ตัวอย่างส่วนหน้าสำหรับ URL การอัปโหลดหลักฐาน
- เรียกใช้
create-customer-resources.sh
เชลล์สคริปต์เพื่อปรับใช้ทรัพยากรลูกค้าจำลองที่กำหนดไว้ในbedrock-insurance-agent.yml
เทมเพลต CloudFormation สิ่งเหล่านี้คือทรัพยากรที่จะสร้างตัวแทนและฐานความรู้
ก่อนหน้านี้ source ./create-customer-resources.sh
คำสั่งเชลล์รันดังต่อไปนี้ อินเทอร์เฟซบรรทัดคำสั่ง AWS AWS คำสั่ง (AWS CLI) เพื่อปรับใช้สแต็กทรัพยากรของลูกค้าที่จำลอง:
สร้างฐานความรู้
ฐานความรู้สำหรับ Amazon Bedrock ใช้ RAG ซึ่งเป็นเทคนิคที่ควบคุมการจัดเก็บข้อมูลลูกค้าเพื่อปรับปรุงการตอบสนองที่สร้างโดย FM ฐานความรู้ช่วยให้ตัวแทนสามารถเข้าถึงที่เก็บข้อมูลลูกค้าที่มีอยู่โดยไม่ต้องมีค่าใช้จ่ายของผู้ดูแลระบบที่กว้างขวาง หากต้องการเชื่อมต่อฐานความรู้กับข้อมูลของคุณ คุณต้องระบุบัคเก็ต S3 เป็น แหล่งข้อมูล. ด้วยฐานความรู้ แอปพลิเคชันจะได้รับข้อมูลเชิงบริบทที่สมบูรณ์ยิ่งขึ้น และปรับปรุงการพัฒนาผ่านโซลูชัน RAG ที่มีการจัดการเต็มรูปแบบ สิ่งที่เป็นนามธรรมในระดับนี้จะช่วยเร่งเวลาในการนำสินค้าออกสู่ตลาดโดยลดความพยายามในการรวมข้อมูลของคุณเข้ากับฟังก์ชันการทำงานของตัวแทน และจะปรับต้นทุนให้เหมาะสมโดยละทิ้งความจำเป็นในการฝึกอบรมโมเดลอย่างต่อเนื่องเพื่อใช้ข้อมูลส่วนตัว
แผนภาพต่อไปนี้แสดงสถาปัตยกรรมสำหรับฐานความรู้ที่มีแบบจำลองการฝัง
ฟังก์ชันการทำงานของฐานความรู้ถูกอธิบายผ่านกระบวนการหลักสองกระบวนการ: การประมวลผลล่วงหน้า (ขั้นตอนที่ 1-3) และรันไทม์ (ขั้นตอนที่ 4-7):
- เอกสารได้รับการแบ่งส่วน (chunking) ออกเป็นส่วนต่างๆ ที่สามารถจัดการได้
- ชิ้นส่วนเหล่านั้นจะถูกแปลงเป็นการฝังโดยใช้โมเดลการฝัง Amazon Bedrock
- การฝังจะใช้เพื่อสร้างดัชนีเวกเตอร์ ช่วยให้สามารถเปรียบเทียบความคล้ายคลึงทางความหมายระหว่างข้อความค้นหาของผู้ใช้และข้อความแหล่งข้อมูลได้
- ในระหว่างรันไทม์ ผู้ใช้ระบุการป้อนข้อความเป็นพรอมต์
- ข้อความที่ป้อนจะถูกแปลงเป็นเวกเตอร์โดยใช้โมเดลการฝัง Amazon Bedrock
- ดัชนีเวกเตอร์ถูกสอบถามสำหรับส่วนที่เกี่ยวข้องกับข้อความค้นหาของผู้ใช้ โดยเพิ่มพรอมต์ผู้ใช้พร้อมบริบทเพิ่มเติมที่ดึงมาจากดัชนีเวกเตอร์
- พรอมต์เสริมควบคู่ไปกับบริบทเพิ่มเติมใช้เพื่อสร้างการตอบกลับสำหรับผู้ใช้
หากต้องการสร้างฐานความรู้ ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Bedrock ให้เลือก ฐานความรู้ ในบานหน้าต่างนำทาง
- Choose สร้างฐานความรู้.
- ภายใต้ ให้รายละเอียดฐานความรู้ป้อนชื่อและคำอธิบายเพิ่มเติม โดยคงการตั้งค่าเริ่มต้นไว้ทั้งหมด สำหรับโพสต์นี้ เราป้อนคำอธิบาย:
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.
- ภายใต้ ตั้งค่าแหล่งข้อมูล, ป้อนชื่อ
- Choose เรียกดู S3 และเลือก
knowledge-base-assets
โฟลเดอร์ของบัคเก็ตแหล่งข้อมูล S3 ที่คุณปรับใช้ก่อนหน้านี้ (<YOUR-STACK-NAME>-customer-resources/agent/knowledge-base-assets/
). - ภายใต้ เลือกโมเดลการฝังและกำหนดค่าที่เก็บเวกเตอร์เลือก Titan Embeddings G1 – ข้อความ และคงการตั้งค่าเริ่มต้นอื่นๆ ไว้ หนึ่ง Amazon OpenSearch แบบไร้เซิร์ฟเวอร์ ชุด จะถูกสร้างขึ้นสำหรับคุณ ที่เก็บเวกเตอร์นี้เป็นที่เก็บการฝังการประมวลผลล่วงหน้าของฐานความรู้ และใช้ในภายหลังสำหรับการค้นหาความคล้ายคลึงทางความหมายระหว่างข้อความค้นหาและข้อความแหล่งข้อมูล
- ภายใต้ ตรวจสอบและสร้างยืนยันการตั้งค่าการกำหนดค่าของคุณ จากนั้นเลือก สร้างฐานความรู้.
- หลังจากสร้างฐานความรู้ของคุณแล้ว แบนเนอร์สีเขียว “สร้างสำเร็จ” จะแสดงพร้อมตัวเลือกในการซิงค์แหล่งข้อมูลของคุณ เลือก ซิงค์ เพื่อเริ่มต้นการซิงค์แหล่งข้อมูล
- บนคอนโซล Amazon Bedrock ให้นำทางไปยังฐานความรู้ที่คุณเพิ่งสร้างขึ้น จากนั้นจดบันทึก ID ฐานความรู้ด้านล่าง ภาพรวมฐานความรู้.
- ขณะที่ยังเลือกฐานความรู้ของคุณอยู่ ให้เลือกแหล่งข้อมูลฐานความรู้ของคุณที่แสดงอยู่ภายใต้ แหล่งข้อมูลจากนั้นจดบันทึกรหัสแหล่งข้อมูลด้านล่าง ภาพรวมแหล่งข้อมูล.
รหัสฐานความรู้และรหัสแหล่งข้อมูลจะถูกใช้เป็นตัวแปรสภาพแวดล้อมในขั้นตอนต่อมาเมื่อคุณปรับใช้ Streamlit web UI สำหรับตัวแทนของคุณ
สร้างตัวแทน
เอเจนต์ดำเนินการผ่านกระบวนการรันตามเวลาบิลด์ ซึ่งประกอบด้วยองค์ประกอบหลักหลายประการ:
- แบบจำลองมูลนิธิ – ผู้ใช้เลือก FM ที่แนะนำตัวแทนในการตีความอินพุตของผู้ใช้ สร้างการตอบสนอง และควบคุมการดำเนินการที่ตามมาในระหว่างกระบวนการเรียบเรียง
- คำแนะนำ – ผู้ใช้จัดทำคำแนะนำโดยละเอียดซึ่งสรุปฟังก์ชันการทำงานที่ต้องการของตัวแทน ข้อความแจ้งขั้นสูงที่เป็นตัวเลือกช่วยให้ปรับแต่งได้ในแต่ละขั้นตอนการประสาน โดยผสมผสานฟังก์ชัน Lambda เพื่อแยกวิเคราะห์เอาต์พุต
- (ไม่บังคับ) กลุ่มการดำเนินการ – ผู้ใช้กำหนดการดำเนินการสำหรับเอเจนต์ โดยใช้สคีมา OpenAPI เพื่อกำหนด API สำหรับการรันงาน และฟังก์ชัน Lambda เพื่อประมวลผลอินพุตและเอาต์พุต API
- (ไม่บังคับ) ฐานความรู้ – ผู้ใช้สามารถเชื่อมโยงตัวแทนกับฐานความรู้ โดยให้สิทธิ์การเข้าถึงบริบทเพิ่มเติมสำหรับการสร้างการตอบสนองและขั้นตอนการเตรียมการ
เอเจนต์ในโซลูชันตัวอย่างนี้ใช้ Anthropic Claude V2.1 FM บน Amazon Bedrock ชุดคำสั่ง กลุ่มการดำเนินการสามกลุ่ม และฐานความรู้หนึ่งฐาน
หากต้องการสร้างตัวแทน ให้ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Bedrock ให้เลือก ตัวแทน ในบานหน้าต่างนำทาง
- Choose สร้างตัวแทน.
- ภายใต้ ระบุรายละเอียดตัวแทนป้อนชื่อตัวแทนและคำอธิบายเพิ่มเติม โดยคงการตั้งค่าเริ่มต้นอื่นๆ ทั้งหมดไว้
- ภายใต้ เลือกรุ่นเลือก มานุษยวิทยา Claude V2.1 และระบุคำแนะนำต่อไปนี้สำหรับตัวแทน:
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
- Choose ถัดไป.
- ภายใต้ เพิ่มกลุ่มการดำเนินการเพิ่มกลุ่มการกระทำแรกของคุณ:
- สำหรับ ป้อนชื่อกลุ่มการดำเนินการป้อน
create-claim
. - สำหรับ รายละเอียดป้อน
Use this action group to create an insurance claim
- สำหรับ เลือกฟังก์ชันแลมบ์ดาเลือก
<YOUR-STACK-NAME>-CreateClaimFunction
. - สำหรับ เลือกสคีมา APIเลือก เรียกดู S3ให้เลือกบัคเก็ตที่สร้างไว้ก่อนหน้านี้ (
<YOUR-STACK-NAME>-customer-resources
) จากนั้นเลือกagent/api-schema/create_claim.json
.
- สำหรับ ป้อนชื่อกลุ่มการดำเนินการป้อน
- สร้างกลุ่มปฏิบัติการที่สอง:
- สำหรับ ป้อนชื่อกลุ่มการดำเนินการป้อน
gather-evidence
. - สำหรับ รายละเอียดป้อน
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
- สำหรับ เลือกฟังก์ชันแลมบ์ดาเลือก
<YOUR-STACK-NAME>-GatherEvidenceFunction
. - สำหรับ เลือกสคีมา APIเลือก เรียกดู S3ให้เลือกบัคเก็ตที่สร้างไว้ก่อนหน้านี้ จากนั้นเลือก
agent/api-schema/gather_evidence.json
.
- สำหรับ ป้อนชื่อกลุ่มการดำเนินการป้อน
- สร้างกลุ่มปฏิบัติการที่สาม:
- สำหรับ ป้อนชื่อกลุ่มการดำเนินการป้อน
send-reminder
. - สำหรับ รายละเอียดป้อน
Use this action group to check claim status, identify missing or pending documents, and send reminders to policy holders
- สำหรับ เลือกฟังก์ชันแลมบ์ดาเลือก
<YOUR-STACK-NAME>-SendReminderFunction
. - สำหรับ เลือกสคีมา APIเลือก เรียกดู S3ให้เลือกบัคเก็ตที่สร้างไว้ก่อนหน้านี้ จากนั้นเลือก
agent/api-schema/send_reminder.json
.
- สำหรับ ป้อนชื่อกลุ่มการดำเนินการป้อน
- Choose ถัดไป.
- สำหรับ เลือกฐานความรู้ให้เลือกฐานความรู้ที่คุณสร้างไว้ก่อนหน้านี้ (
claims-knowledge-base
). - สำหรับ คำแนะนำฐานความรู้สำหรับตัวแทน, ป้อนต่อไปนี้:
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
- Choose ถัดไป.
- ภายใต้ ตรวจสอบและสร้างยืนยันการตั้งค่าการกำหนดค่าของคุณ จากนั้นเลือก สร้างตัวแทน.
หลังจากสร้างตัวแทนแล้ว คุณจะเห็นแบนเนอร์สีเขียว “สร้างสำเร็จ”
การทดสอบและการตรวจสอบ
ขั้นตอนการทดสอบต่อไปนี้มีจุดมุ่งหมายเพื่อตรวจสอบว่าตัวแทนระบุและเข้าใจจุดประสงค์ของผู้ใช้อย่างถูกต้องในการสร้างการอ้างสิทธิ์ใหม่ การส่งการแจ้งเตือนเอกสารที่ค้างอยู่สำหรับการอ้างสิทธิ์ที่เปิดอยู่ การรวบรวมหลักฐานการอ้างสิทธิ์ และการค้นหาข้อมูลระหว่างการอ้างสิทธิ์ที่มีอยู่และคลังความรู้ของลูกค้า ความแม่นยำในการตอบสนองถูกกำหนดโดยการประเมินความเกี่ยวข้อง ความเชื่อมโยง และธรรมชาติของคำตอบที่สร้างโดยตัวแทนและฐานความรู้สำหรับ Amazon Bedrock
มาตรการประเมินและเทคนิคการประเมิน
การตรวจสอบอินพุตของผู้ใช้และคำสั่งตัวแทนมีดังต่อไปนี้:
- กระบวนการเตรียมการผลิต – ใช้ตัวอย่างพร้อมท์เพื่อประเมินการตีความ ความเข้าใจ และการตอบสนองต่ออินพุตของผู้ใช้ที่หลากหลาย ตรวจสอบความสม่ำเสมอของตัวแทนในคำแนะนำที่กำหนดค่าไว้สำหรับการตรวจสอบ การกำหนดบริบท และการจัดหมวดหมู่อินพุตของผู้ใช้อย่างถูกต้อง
- orchestration – ประเมินขั้นตอนเชิงตรรกะที่ตัวแทนปฏิบัติตาม (เช่น "ติดตาม") สำหรับการเรียกใช้ API กลุ่มการดำเนินการและการสืบค้นฐานความรู้เพื่อปรับปรุงพรอมต์ฐานสำหรับ FM
- หลังการประมวลผล – ตรวจสอบคำตอบสุดท้ายที่สร้างโดยตัวแทนหลังจากการวนซ้ำของการจัดการเพื่อให้มั่นใจถึงความถูกต้องและความเกี่ยวข้อง การประมวลผลภายหลังจะไม่ทำงานตามค่าเริ่มต้น ดังนั้นจึงไม่รวมอยู่ในการติดตามของตัวแทนของเรา
การประเมินกลุ่มปฏิบัติการประกอบด้วยสิ่งต่อไปนี้:
- การตรวจสอบสคีมา API – ตรวจสอบว่าสคีมา OpenAPI (หมายถึงไฟล์ JSON ที่จัดเก็บไว้ใน Amazon S3) ชี้แนะเหตุผลของตัวแทนเกี่ยวกับวัตถุประสงค์ของ API แต่ละรายการได้อย่างมีประสิทธิภาพ
- การนำตรรกะทางธุรกิจไปใช้ – ทดสอบการใช้งานตรรกะทางธุรกิจที่เกี่ยวข้องกับเส้นทาง API ผ่านฟังก์ชัน Lambda ที่เชื่อมโยงกับกลุ่มการดำเนินการ
การประเมินฐานความรู้ประกอบด้วยสิ่งต่อไปนี้:
- การตรวจสอบการกำหนดค่า – ยืนยันว่าคำแนะนำฐานความรู้กำหนดทิศทางที่ถูกต้องให้ตัวแทนทราบว่าจะเข้าถึงข้อมูลเมื่อใด
- การรวมแหล่งข้อมูล S3 – ตรวจสอบความสามารถของตัวแทนในการเข้าถึงและใช้ข้อมูลที่จัดเก็บไว้ในแหล่งข้อมูล S3 ที่ระบุ
การทดสอบแบบ end-to-end มีดังต่อไปนี้:
- เวิร์กโฟลว์แบบรวม – ทำการทดสอบที่ครอบคลุมที่เกี่ยวข้องกับทั้งกลุ่มปฏิบัติการและฐานความรู้เพื่อจำลองสถานการณ์ในโลกแห่งความเป็นจริง
- การประเมินคุณภาพการตอบสนอง – ประเมินความถูกต้องโดยรวม ความเกี่ยวข้อง และการเชื่อมโยงกันของการตอบสนองของตัวแทนในบริบทและสถานการณ์ที่หลากหลาย
ทดสอบฐานความรู้
หลังจากตั้งค่าฐานความรู้ของคุณใน Amazon Bedrock แล้ว คุณสามารถทดสอบพฤติกรรมได้โดยตรงเพื่อประเมินการตอบสนองก่อนที่จะผสานรวมกับตัวแทน กระบวนการทดสอบนี้ช่วยให้คุณสามารถประเมินประสิทธิภาพของฐานความรู้ ตรวจสอบการตอบสนอง และแก้ไขปัญหาโดยการสำรวจแหล่งข้อมูลที่ดึงข้อมูลมา ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Bedrock ให้เลือก ฐานความรู้ ในบานหน้าต่างนำทาง
- เลือกฐานความรู้ที่คุณต้องการทดสอบ จากนั้นเลือก ทดสอบ เพื่อขยายหน้าต่างแชท
- ในหน้าต่างการทดสอบ ให้เลือกโมเดลพื้นฐานสำหรับการสร้างการตอบสนอง
- ทดสอบฐานความรู้ของคุณโดยใช้แบบสอบถามตัวอย่างและอินพุตอื่นๆ ต่อไปนี้:
- การวินิจฉัยการประมาณการการซ่อมแซมสำหรับข้อเรียกร้อง ID 2s34w-8x คืออะไร
- การแก้ปัญหาและค่าซ่อมโดยประมาณสำหรับการเรียกร้องเดียวกันนั้นคือเท่าใด
- ผู้ขับขี่ควรทำอย่างไรหลังเกิดอุบัติเหตุ?
- มีคำแนะนำอะไรบ้างในการรายงานอุบัติเหตุและรูปภาพ?
- การหักลดหย่อนคืออะไรและทำงานอย่างไร?
คุณสามารถสลับระหว่างการสร้างการตอบกลับและการส่งคืนใบเสนอราคาโดยตรงในหน้าต่างแชท และคุณมีตัวเลือกในการล้างหน้าต่างแชทหรือคัดลอกเอาต์พุตทั้งหมดโดยใช้ไอคอนที่ให้มา
หากต้องการตรวจสอบการตอบสนองของฐานความรู้และแหล่งที่มา คุณสามารถเลือกเชิงอรรถที่เกี่ยวข้องหรือเลือกได้ แสดงรายละเอียดผลลัพธ์. หน้าต่างก้อนแหล่งที่มาจะปรากฏขึ้น เพื่อให้คุณสามารถค้นหา คัดลอกข้อความก้อน และนำทางไปยังแหล่งข้อมูล S3
ทดสอบตัวแทน
หลังจากการทดสอบฐานความรู้ของคุณประสบความสำเร็จ ขั้นตอนการพัฒนาถัดไปเกี่ยวข้องกับการจัดเตรียมและการทดสอบฟังก์ชันการทำงานของตัวแทนของคุณ การเตรียมตัวแทนเกี่ยวข้องกับการบรรจุการเปลี่ยนแปลงล่าสุด ในขณะที่การทดสอบให้โอกาสที่สำคัญในการโต้ตอบและประเมินพฤติกรรมของตัวแทน ด้วยกระบวนการนี้ คุณสามารถปรับแต่งความสามารถของตัวแทน เพิ่มประสิทธิภาพ และแก้ไขปัญหาที่อาจเกิดขึ้นหรือการปรับปรุงที่จำเป็นสำหรับประสิทธิภาพสูงสุด ทำตามขั้นตอนต่อไปนี้:
- บนคอนโซล Amazon Bedrock ให้เลือก ตัวแทน ในบานหน้าต่างนำทาง
- เลือกตัวแทนของคุณและจดรหัสตัวแทน
คุณใช้ ID ตัวแทนเป็นตัวแปรสภาพแวดล้อมในขั้นตอนต่อมาเมื่อคุณปรับใช้ Streamlit web UI สำหรับตัวแทนของคุณ - ไปที่ของคุณ ร่างการทำงาน. ในตอนแรก คุณมีแบบร่างที่ใช้งานได้และเป็นค่าเริ่มต้น
TestAlias
ชี้ไปที่ร่างนี้ ร่างการทำงานช่วยให้สามารถพัฒนาซ้ำได้ - Choose เตรียมการ เพื่อจัดทำแพ็คเกจตัวแทนด้วยการเปลี่ยนแปลงล่าสุดก่อนการทดสอบ คุณควรตรวจสอบเวลาที่เจ้าหน้าที่เตรียมไว้ครั้งล่าสุดเป็นประจำ เพื่อยืนยันว่าคุณกำลังทดสอบด้วยการกำหนดค่าล่าสุด
- เข้าถึงหน้าต่างทดสอบจากหน้าใดก็ได้ภายในคอนโซลร่างการทำงานของตัวแทนโดยเลือก ทดสอบ หรือไอคอนลูกศรซ้าย
- ในหน้าต่างทดสอบ ให้เลือกนามแฝงและเวอร์ชันสำหรับการทดสอบ สำหรับโพสต์นี้เราใช้
TestAlias
เพื่อเรียกใช้เวอร์ชันร่างของตัวแทนของคุณ หากไม่ได้เตรียมตัวแทนไว้ ข้อความแจ้งจะปรากฏขึ้นในหน้าต่างทดสอบ - ทดสอบตัวแทนของคุณโดยใช้พร้อมท์ตัวอย่างต่อไปนี้และอินพุตอื่นๆ:
- สร้างการอ้างสิทธิ์ใหม่
- ส่งการแจ้งเตือนเอกสารที่ค้างอยู่ไปยังผู้ถือกรมธรรม์การเรียกร้อง 2s34w-8x
- รวบรวมหลักฐานการเคลม 5t16u-7v.
- จำนวนเงินเรียกร้องทั้งหมดสำหรับการเรียกร้อง 3b45c-9d คือเท่าใด
- ยอดรวมการซ่อมแซมสำหรับการเรียกร้องเดียวกันนั้นคือเท่าใด
- ปัจจัยใดบ้างที่เป็นตัวกำหนดเบี้ยประกันรถยนต์ของฉัน?
- ฉันจะลดอัตราประกันรถยนต์ของฉันได้อย่างไร?
- การเรียกร้องใดมีสถานะเปิด?
- ส่งการแจ้งเตือนไปยังผู้ถือกรมธรรม์ทุกคนที่มีการเคลมแบบเปิด
ตรวจสอบให้แน่ใจว่าได้เลือก เตรียมการ หลังจากทำการเปลี่ยนแปลงเพื่อนำไปใช้ก่อนทดสอบตัวแทน
ตัวอย่างการสนทนาทดสอบต่อไปนี้เน้นความสามารถของตัวแทนในการเรียกใช้ API กลุ่มการดำเนินการด้วยตรรกะทางธุรกิจ AWS Lambda ที่สอบถามตาราง Amazon DynamoDB ของลูกค้าและส่งการแจ้งเตือนลูกค้าโดยใช้ Amazon Simple Notification Service เธรดการสนทนาเดียวกันนี้จะแสดงการบูรณาการตัวแทนและฐานความรู้เพื่อให้ผู้ใช้ได้รับคำตอบโดยใช้แหล่งข้อมูลที่เชื่อถือได้ของลูกค้า เช่น จำนวนการเรียกร้องและเอกสารคำถามที่พบบ่อย
เครื่องมือวิเคราะห์และดีบักเอเจนต์
การติดตามการตอบสนองของตัวแทนประกอบด้วยข้อมูลที่จำเป็นเพื่อช่วยในการทำความเข้าใจการตัดสินใจของตัวแทนในแต่ละขั้นตอน อำนวยความสะดวกในการแก้ไขจุดบกพร่อง และให้ข้อมูลเชิงลึกในด้านการปรับปรุง ที่ ModelInvocationInput
ออบเจ็กต์ภายในการติดตามแต่ละรายการจะให้การกำหนดค่าและการตั้งค่าโดยละเอียดที่ใช้ในกระบวนการตัดสินใจของตัวแทน ช่วยให้ลูกค้าสามารถวิเคราะห์และปรับปรุงประสิทธิภาพของตัวแทนได้
ตัวแทนของคุณจะจัดเรียงข้อมูลผู้ใช้ให้อยู่ในประเภทใดประเภทหนึ่งต่อไปนี้:
- ประเภท ก – อินพุตที่เป็นอันตรายหรือเป็นอันตราย แม้ว่าจะเป็นสถานการณ์สมมติก็ตาม
- หมวด B – อินพุตที่ผู้ใช้พยายามรับข้อมูลเกี่ยวกับฟังก์ชัน, API หรือคำแนะนำที่ตัวแทนการเรียกใช้ฟังก์ชันของเรามอบให้ หรืออินพุตที่พยายามจัดการพฤติกรรมหรือคำสั่งของตัวแทนการเรียกใช้ฟังก์ชันของเราหรือของคุณ
- หมวด C – คำถามที่ตัวแทนการเรียกใช้ฟังก์ชันของเราไม่สามารถตอบหรือให้ข้อมูลที่เป็นประโยชน์สำหรับการใช้งานเฉพาะฟังก์ชันที่มีให้เท่านั้น
- หมวด ดี – คำถามที่สามารถตอบหรือช่วยเหลือได้โดยตัวแทนการเรียกใช้ฟังก์ชันของเรา โดยใช้เฉพาะฟังก์ชันที่ได้รับและข้อโต้แย้งจากภายใน
conversation_history
หรือข้อโต้แย้งที่เกี่ยวข้องสามารถรวบรวมได้โดยใช้askuser
ฟังก์ชัน - หมวด E – อินพุตที่ไม่ใช่คำถาม แต่เป็นคำตอบสำหรับคำถามที่ตัวแทนการเรียกใช้ฟังก์ชันถามผู้ใช้ ข้อมูลเข้ามีสิทธิ์สำหรับหมวดหมู่นี้เฉพาะเมื่อ
askuser
function คือฟังก์ชันสุดท้ายที่ตัวแทนการเรียกใช้ฟังก์ชันเรียกใช้ในการสนทนา คุณสามารถตรวจสอบได้โดยการอ่านผ่านconversation_history
.
Choose แสดงร่องรอย ภายใต้การตอบสนองเพื่อดูการกำหนดค่าและกระบวนการให้เหตุผลของตัวแทน รวมถึงฐานความรู้และการใช้งานกลุ่มปฏิบัติการ สามารถขยายหรือยุบการติดตามเพื่อการวิเคราะห์โดยละเอียดได้ การตอบกลับด้วยข้อมูลที่มาจากแหล่งยังมีเชิงอรรถสำหรับการอ้างอิงด้วย
ในตัวอย่างการติดตามกลุ่มการดำเนินการต่อไปนี้ เอเจนต์แมปอินพุตของผู้ใช้กับ create-claim
กลุ่มปฏิบัติการ createClaim
ฟังก์ชั่นระหว่างการประมวลผลล่วงหน้า เอเจนต์มีความเข้าใจฟังก์ชันนี้ตามคำสั่งของเอเจนต์ คำอธิบายกลุ่มการดำเนินการ และสคีมา OpenAPI ในระหว่างกระบวนการประสาน ซึ่งเป็นสองขั้นตอนในกรณีนี้ เอเจนต์จะเรียกใช้ createClaim
และรับการตอบกลับซึ่งรวมถึงรหัสการเคลมที่สร้างขึ้นใหม่และรายการเอกสารที่รอดำเนินการ
ในตัวอย่างการติดตามฐานความรู้ต่อไปนี้ เอเจนต์แมปอินพุตของผู้ใช้กับหมวด D ในระหว่างการประมวลผลล่วงหน้า ซึ่งหมายความว่าหนึ่งในฟังก์ชันที่พร้อมใช้งานของเอเจนต์ควรจะสามารถให้การตอบสนองได้ ตลอดการเตรียมการ เจ้าหน้าที่จะค้นหาฐานความรู้ ดึงส่วนที่เกี่ยวข้องโดยใช้การฝัง และส่งข้อความนั้นไปยังโมเดลพื้นฐานเพื่อสร้างการตอบกลับขั้นสุดท้าย
ปรับใช้ UI เว็บ Streamlit สำหรับตัวแทนของคุณ
เมื่อคุณพอใจกับประสิทธิภาพของตัวแทนและฐานความรู้ของคุณ คุณก็พร้อมที่จะเพิ่มศักยภาพของพวกเขา เราใช้ สตรีมไลท์ ในโซลูชันนี้เพื่อเปิดตัวตัวอย่างส่วนหน้า ซึ่งมีจุดประสงค์เพื่อจำลองแอปพลิเคชันที่ใช้งานจริง Streamlit เป็นไลบรารี Python ที่ออกแบบมาเพื่อปรับปรุงและลดความซับซ้อนของกระบวนการสร้างแอปพลิเคชันส่วนหน้า แอปพลิเคชันของเรามีคุณสมบัติสองประการ:
- การป้อนข้อมูลพร้อมท์ของตัวแทน – อนุญาตให้ผู้ใช้ เรียกใช้ตัวแทน โดยใช้การป้อนข้อมูลงานของตนเอง
- อัพโหลดไฟล์ฐานความรู้ – ช่วยให้ผู้ใช้สามารถอัปโหลดไฟล์ในเครื่องของตนไปยังบัคเก็ต S3 ที่ใช้เป็นแหล่งข้อมูลสำหรับฐานความรู้ หลังจากอัพโหลดไฟล์แล้วแอพพลิเคชั่น เริ่มงานการนำเข้า เพื่อซิงค์แหล่งข้อมูลฐานความรู้
เพื่อแยกการพึ่งพาแอปพลิเคชัน Streamlit ของเราและเพื่อความสะดวกในการปรับใช้ เราใช้ การตั้งค่า streamlit-env.sh เชลล์สคริปต์เพื่อสร้างสภาพแวดล้อม Python เสมือนพร้อมข้อกำหนดที่ติดตั้งไว้ ทำตามขั้นตอนต่อไปนี้:
- ก่อนที่คุณจะรันเชลล์สคริปต์ ให้นำทางไปยังไดเร็กทอรีที่คุณโคลนไว้
amazon-bedrock-samples
พื้นที่เก็บข้อมูลและแก้ไขสิทธิ์สคริปต์เชลล์ Streamlit เพื่อให้สามารถเรียกใช้งานได้:
- รันเชลล์สคริปต์เพื่อเปิดใช้งานสภาพแวดล้อม Python เสมือนโดยมีการขึ้นต่อกันที่จำเป็น:
- ตั้งค่า ID ตัวแทน Amazon Bedrock, ID นามแฝงตัวแทน, ID ฐานความรู้, ID แหล่งข้อมูล, ชื่อบัคเก็ตฐานความรู้ และตัวแปรสภาพแวดล้อมภูมิภาค AWS:
- เรียกใช้แอปพลิเคชัน Streamlit ของคุณและเริ่มการทดสอบในเว็บเบราว์เซอร์ในพื้นที่ของคุณ:
ทำความสะอาด
เพื่อหลีกเลี่ยงการเรียกเก็บเงินในบัญชี AWS ของคุณ ให้ล้างทรัพยากรที่จัดเตรียมไว้ของโซลูชัน
พื้นที่ ลบลูกค้า-resources.sh เชลล์สคริปต์จะล้างและลบบัคเก็ต S3 ของโซลูชัน และลบทรัพยากรที่ได้รับการจัดเตรียมไว้ตั้งแต่แรกจาก bedrock-customer-resources.yml
สแต็ก CloudFormation คำสั่งต่อไปนี้ใช้ชื่อสแต็กเริ่มต้น หากคุณปรับแต่งชื่อสแต็ก ให้ปรับคำสั่งตามนั้น
ก่อนหน้านี้ ./delete-customer-resources.sh
คำสั่งเชลล์รันคำสั่ง AWS CLI ต่อไปนี้เพื่อลบสแต็กทรัพยากรของลูกค้าที่จำลองและบัคเก็ต S3:
หากต้องการลบตัวแทนและฐานความรู้ของคุณ ให้ทำตามคำแนะนำสำหรับ การลบตัวแทน และ การลบฐานความรู้ตามลำดับ
สิ่งที่ควรพิจารณา
แม้ว่าโซลูชันที่สาธิตจะแสดงความสามารถของตัวแทนและฐานความรู้สำหรับ Amazon Bedrock แต่สิ่งสำคัญคือต้องเข้าใจว่าโซลูชันนี้ยังไม่พร้อมสำหรับการใช้งานจริง แต่ทำหน้าที่เป็นแนวทางเชิงแนวคิดสำหรับลูกค้าที่ต้องการสร้างตัวแทนส่วนบุคคลสำหรับงานเฉพาะของตนเองและขั้นตอนการทำงานอัตโนมัติ ลูกค้าที่มีเป้าหมายในการใช้งานจริงควรปรับปรุงและปรับใช้โมเดลเริ่มต้นนี้ โดยคำนึงถึงปัจจัยด้านความปลอดภัยต่อไปนี้:
- การเข้าถึง API และข้อมูลอย่างปลอดภัย:
- จำกัดการเข้าถึง API ฐานข้อมูล และระบบที่รวมเอเจนต์อื่นๆ
- ใช้การควบคุมการเข้าถึง การจัดการความลับ และการเข้ารหัสเพื่อป้องกันการเข้าถึงโดยไม่ได้รับอนุญาต
- การตรวจสอบอินพุตและการฆ่าเชื้อ:
- ตรวจสอบและฆ่าเชื้ออินพุตของผู้ใช้เพื่อป้องกันการโจมตีแบบฉีดหรือพยายามบิดเบือนพฤติกรรมของตัวแทน
- สร้างกฎการป้อนข้อมูลและกลไกการตรวจสอบข้อมูล
- การควบคุมการเข้าถึงสำหรับการจัดการและการทดสอบตัวแทน:
- ใช้การควบคุมการเข้าถึงที่เหมาะสมสำหรับคอนโซลและเครื่องมือที่ใช้ในการแก้ไข ทดสอบ หรือกำหนดค่าเอเจนต์
- จำกัดการเข้าถึงสำหรับนักพัฒนาและผู้ทดสอบที่ได้รับอนุญาต
- การรักษาความปลอดภัยโครงสร้างพื้นฐาน:
- ปฏิบัติตามแนวทางปฏิบัติที่ดีที่สุดด้านความปลอดภัยของ AWS เกี่ยวกับ VPC, ซับเน็ต, กลุ่มความปลอดภัย, การบันทึก และการตรวจสอบเพื่อความปลอดภัยของโครงสร้างพื้นฐานพื้นฐาน
- การตรวจสอบคำแนะนำของตัวแทน:
- สร้างกระบวนการที่พิถีพิถันในการทบทวนและตรวจสอบคำแนะนำของตัวแทนเพื่อป้องกันพฤติกรรมที่ไม่ได้ตั้งใจ
- การทดสอบและตรวจสอบ:
- ทดสอบตัวแทนและส่วนประกอบแบบรวมอย่างละเอียด
- ใช้การตรวจสอบ การบันทึก และการทดสอบการถดถอยของการสนทนาของตัวแทนเพื่อตรวจจับและแก้ไขปัญหา
- ความปลอดภัยของฐานความรู้:
- หากผู้ใช้สามารถเพิ่มฐานความรู้ได้ ให้ตรวจสอบการอัปโหลดเพื่อป้องกันการโจมตีแบบวางยาพิษ
สำหรับข้อควรพิจารณาที่สำคัญอื่นๆ โปรดดูที่ สร้างเอเจนต์ AI เชิงสร้างสรรค์ด้วย Amazon Bedrock, Amazon DynamoDB, Amazon Kendra, Amazon Lex และ LangChain.
สรุป
การใช้งานตัวแทน AI ทั่วไปโดยใช้ตัวแทนและฐานความรู้สำหรับ Amazon Bedrock แสดงให้เห็นถึงความก้าวหน้าที่สำคัญในความสามารถในการปฏิบัติงานและระบบอัตโนมัติขององค์กร เครื่องมือเหล่านี้ไม่เพียงแต่ปรับปรุงวงจรการเคลมประกันเท่านั้น แต่ยังเป็นแบบอย่างสำหรับการประยุกต์ใช้ AI ในโดเมนองค์กรอื่นๆ อีกด้วย ด้วยการทำงานอัตโนมัติ ปรับปรุงการบริการลูกค้า และปรับปรุงกระบวนการตัดสินใจ เจ้าหน้าที่ AI เหล่านี้ช่วยให้องค์กรมุ่งเน้นไปที่การเติบโตและนวัตกรรม ในขณะที่จัดการงานประจำและงานที่ซับซ้อนได้อย่างมีประสิทธิภาพ
ในขณะที่เรายังคงเห็นวิวัฒนาการอย่างรวดเร็วของ AI ศักยภาพของเครื่องมือเช่นตัวแทนและฐานความรู้สำหรับ Amazon Bedrock ในการเปลี่ยนแปลงการดำเนินธุรกิจนั้นมีอยู่มากมาย องค์กรที่ใช้เทคโนโลยีเหล่านี้จะได้รับความได้เปรียบทางการแข่งขันที่สำคัญ โดยโดดเด่นด้วยประสิทธิภาพที่ดีขึ้น ความพึงพอใจของลูกค้า และการตัดสินใจ อนาคตของการจัดการข้อมูลองค์กรและการดำเนินงานนั้นขึ้นอยู่กับการบูรณาการ AI ที่ยิ่งใหญ่ขึ้นอย่างปฏิเสธไม่ได้ และ Amazon Bedrock ก็อยู่ในแถวหน้าของการเปลี่ยนแปลงนี้
ต้องการเรียนรู้เพิ่มเติมโปรดเยี่ยมชม ตัวแทนของ Amazon Bedrock,ปรึกษา เอกสาร Amazon Bedrockสำรวจ พื้นที่ AI สร้างสรรค์ที่ community.awsและลงมือทำจริงกับ เวิร์คช็อป Bedrock ของ Amazon.
เกี่ยวกับผู้เขียน
ไคล์ ที. บล็อคซัม เป็นสถาปนิกโซลูชันอาวุโสที่มี AWS ประจำอยู่ในแคลิฟอร์เนียตอนใต้ ความปรารถนาของ Kyle คือการนำผู้คนมารวมกันและใช้ประโยชน์จากเทคโนโลยีเพื่อนำเสนอโซลูชันที่ลูกค้าชื่นชอบ นอกเหนือจากงาน เขาสนุกกับการเล่นกระดานโต้คลื่น รับประทานอาหาร มวยปล้ำกับสุนัขของเขา และเอาใจหลานสาวและหลานชายของเขา
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/automate-the-insurance-claim-lifecycle-using-agents-and-knowledge-bases-for-amazon-bedrock/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 1
- 10
- 100
- 1040
- 11
- 19
- 500
- 7
- 8
- 9
- a
- ความสามารถ
- สามารถ
- เกี่ยวกับเรา
- สิ่งที่เป็นนามธรรม
- เร่ง
- เข้า
- อุบัติเหตุ
- ตาม
- ลงชื่อเข้าใช้
- ความถูกต้อง
- แม่นยำ
- ข้าม
- กระทำ
- การกระทำ
- การปฏิบัติ
- กระตุ้น
- การเปิดใช้งาน
- ปรับ
- เพิ่ม
- เพิ่มเติม
- ที่อยู่
- การยึดมั่น
- สูง
- ความก้าวหน้า
- ความได้เปรียบ
- หลังจาก
- ตัวแทน
- ตัวแทน
- AI
- ช่วย
- การเล็ง
- จุดมุ่งหมาย
- การวางแนว
- ทั้งหมด
- อนุญาต
- การอนุญาต
- ช่วยให้
- แล้ว
- ด้วย
- ทางเลือก
- อเมซอน
- อเมซอน เคนดรา
- อเมซอน เล็กซ์
- Amazon Web Services
- จำนวน
- จำนวน
- an
- การวิเคราะห์
- วิเคราะห์
- และ
- คำตอบ
- คำตอบ
- มานุษยวิทยา
- คาดการณ์
- ใด
- API
- APIs
- ปรากฏ
- ปรากฏ
- การใช้งาน
- การใช้งาน
- ใช้
- สถาปัตยกรรม
- เป็น
- พื้นที่
- ข้อโต้แย้ง
- รอบ
- AS
- ประเมินผล
- การประเมินผล
- ช่วยเหลือ
- ผู้ช่วย
- ช่วย
- ภาคี
- ที่เกี่ยวข้อง
- At
- การโจมตี
- ความพยายามในการ
- การตรวจสอบบัญชี
- เสริม
- เติม
- มีอำนาจ
- โดยอัตโนมัติ
- อัตโนมัติ
- โดยอัตโนมัติ
- อัตโนมัติ
- ใช้ได้
- หลีกเลี่ยง
- AWS
- การก่อตัวของ AWS Cloud
- AWS แลมบ์ดา
- แบนเนอร์
- ฐาน
- ตาม
- BE
- รับ
- ก่อน
- เริ่ม
- ตัวแทน
- พฤติกรรม
- พฤติกรรม
- กำลัง
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ระหว่าง
- เพิ่ม
- ทั้งสอง
- หมดสภาพ
- นำมาซึ่ง
- เบราว์เซอร์
- สร้าง
- การก่อสร้าง
- สร้าง
- ภาระ
- ธุรกิจ
- แต่
- by
- แคลิฟอร์เนีย
- ที่เรียกว่า
- โทร
- โทร
- CAN
- ความสามารถในการ
- รถ
- กรณี
- หมวดหมู่
- การจัดหมวดหมู่
- หมวดหมู่
- CD
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- โหลด
- พูดคุย
- ตรวจสอบ
- Choose
- เลือก
- ข้อเรียกร้อง
- การเรียกร้อง
- ปลาเดยส์
- ชัดเจน
- CLI
- อย่างใกล้ชิด
- รหัส
- ทรุดตัวลง
- ชุด
- ชุมชน
- บริษัท
- บริษัท
- เปรียบเทียบ
- การแข่งขัน
- สมบูรณ์
- ซับซ้อน
- ส่วนประกอบ
- ครอบคลุม
- ประกอบไปด้วย
- เกี่ยวกับความคิดเห็น
- สภาพ
- ความประพฤติ
- องค์ประกอบ
- การกำหนดค่า
- ยืนยัน
- เชื่อมต่อ
- การพิจารณา
- ประกอบ
- ปลอบใจ
- คอนโซล
- ปรึกษา
- บรรจุ
- เนื้อหา
- การสร้างเนื้อหา
- สิ่งแวดล้อม
- บริบท
- ตามบริบท
- ต่อ
- อย่างต่อเนื่อง
- ต่อเนื่องกัน
- ควบคุม
- การควบคุม
- การประชุม
- การสนทนา
- การสนทนา
- แปลง
- ประสานงาน
- ได้อย่างถูกต้อง
- ตรงกัน
- ราคา
- ค่าใช้จ่าย
- ควบคู่
- ความคุ้มครอง
- หัตถกรรม
- สร้าง
- ที่สร้างขึ้น
- สร้าง
- การสร้าง
- การสร้าง
- ความคิดสร้างสรรค์
- วิกฤติ
- ภัณฑารักษ์
- ลูกค้า
- ข้อมูลลูกค้า
- ความพึงพอใจของลูกค้า
- บริการลูกค้า
- Customer Support
- ลูกค้า
- การปรับแต่ง
- การปรับแต่ง
- ข้อมูล
- การป้อนข้อมูล
- การจัดการข้อมูล
- ฐานข้อมูล
- การตัดสินใจ
- การตัดสินใจ
- หักลดหย่อน
- ค่าเริ่มต้น
- กำหนด
- กำหนด
- ส่งมอบ
- สาธิต
- แสดงให้เห็นถึง
- การอ้างอิง
- ปรับใช้
- นำไปใช้
- การใช้งาน
- ลักษณะ
- ได้รับการออกแบบ
- รายละเอียด
- รายละเอียด
- ตรวจจับ
- กำหนด
- แน่นอน
- นักพัฒนา
- พัฒนาการ
- พัฒนา
- การวินิจฉัยโรค
- แผนภาพ
- โดยตรง
- การกำกับ
- โดยตรง
- พิการ
- สนทนา
- แสดง
- หลาย
- do
- เอกสาร
- เอกสาร
- เอกสาร
- ทำ
- สุนัข
- โดเมน
- ลง
- ร่าง
- คนขับรถ
- ในระหว่าง
- e
- แต่ละ
- ก่อน
- ความสะดวก
- เสียงสะท้อน
- ขอบ
- มีประสิทธิภาพ
- ประสิทธิผล
- อย่างมีประสิทธิภาพ
- ที่มีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- ความพยายาม
- เหมาะสม
- อีเมล
- อีเมล
- การฝัง
- พนักงาน
- จ้าง
- ให้อำนาจ
- เพิ่มขีดความสามารถ
- ช่วยให้
- การเปิดใช้งาน
- การเข้ารหัสลับ
- จบสิ้น
- ว่าจ้าง
- เสริม
- การเสริมสร้าง
- อุดม
- ทำให้มั่นใจ
- การสร้างความมั่นใจ
- เข้าสู่
- Enterprise
- ผู้ประกอบการ
- การเข้า
- สิ่งแวดล้อม
- จำเป็น
- สร้าง
- ที่จัดตั้งขึ้น
- ประมาณการ
- ประมาณการ
- ประเมินค่า
- การประเมินการ
- การประเมินผล
- แม้
- หลักฐาน
- วิวัฒนาการ
- คาย
- ตัวอย่าง
- ตัวอย่าง
- Excel
- การปฏิบัติ
- ที่มีอยู่
- แสดง
- ขยาย
- ที่คาดหวัง
- สำรวจ
- สำรวจ
- ส่งออก
- กว้างขวาง
- อำนวยความสะดวก
- ปัจจัย
- คำถามที่พบบ่อย
- คุณสมบัติ
- สวม
- เนื้อไม่มีมัน
- ไฟล์
- สุดท้าย
- ในที่สุด
- ชื่อจริง
- โฟกัส
- ปฏิบัติตาม
- ดังต่อไปนี้
- ดังต่อไปนี้
- สำหรับ
- แถวหน้า
- รูป
- รากฐาน
- พื้นฐาน
- ราคาเริ่มต้นที่
- อย่างเต็มที่
- ฟังก์ชัน
- ฟังก์ชั่น
- ฟังก์ชั่น
- อนาคต
- g1
- ได้รับ
- รวบรวม
- การรวบรวม
- General
- สร้าง
- สร้าง
- การสร้าง
- รุ่น
- กำเนิด
- กำเนิด AI
- ได้รับ
- การอนุญาต
- มากขึ้น
- สีเขียว
- บัญชีกลุ่ม
- กลุ่ม
- การเจริญเติบโต
- ให้คำแนะนำ
- แนวทาง
- คู่มือ
- การจัดการ
- มือบน
- เป็นอันตราย
- สายรัด
- มี
- he
- เป็นประโยชน์
- ที่มีประสิทธิภาพสูง
- ไฮไลท์
- ของเขา
- ประวัติ
- เจ้าของ
- ผู้ถือ
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- ทรัพยากรมนุษย์
- i
- ICON
- ไอคอน
- ID
- ระบุ
- แยกแยะ
- ระบุ
- เอกลักษณ์
- รหัส
- if
- แสดงให้เห็นถึง
- ภาพ
- เวิ้งว้าง
- การดำเนินงาน
- สำคัญ
- ปรับปรุง
- การปรับปรุง
- การปรับปรุง
- การปรับปรุง
- การปรับปรุง
- in
- ไม่ได้ใช้งาน
- รวม
- รวมถึง
- รวมทั้ง
- ผสมผสาน
- ดัชนี
- ข้อมูล
- โครงสร้างพื้นฐาน
- แรกเริ่ม
- ในขั้นต้น
- เริ่มต้น
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- อินพุต
- ปัจจัยการผลิต
- สอบถามข้อมูล
- ข้อมูลเชิงลึก
- การติดตั้ง
- แทน
- คำแนะนำการใช้
- ประกัน
- แบบบูรณาการ
- การบูรณาการ
- บูรณาการ
- การผสานรวม
- ตั้งใจว่า
- โต้ตอบ
- ปฏิสัมพันธ์
- ภายใน
- การตีความ
- การตีความ
- เข้าไป
- จะเรียก
- ที่เกี่ยวข้องกับการ
- ที่เกี่ยวข้องกับ
- ปัญหา
- IT
- ซ้ำ
- ITS
- JSON
- เพียงแค่
- การเก็บรักษา
- คีย์
- ความรู้
- การจัดการความรู้
- Kyle
- ภาษา
- ใหญ่
- องค์กรขนาดใหญ่
- ชื่อสกุล
- ต่อมา
- ล่าสุด
- เปิดตัว
- ชั้น
- ชั้นนำ
- เรียนรู้
- ทิ้ง
- การออกจาก
- ซ้าย
- ชั้น
- เลฟเวอเรจ
- ห้องสมุด
- วงจรชีวิต
- กดไลก์
- Line
- ที่เชื่อมโยง
- รายการ
- จดทะเบียน
- ในประเทศ
- การเข้าสู่ระบบ
- ตรรกะ
- ตรรกะ
- ความรัก
- ลด
- ทำ
- ทำให้
- การทำ
- ที่เป็นอันตราย
- จัดการได้
- การจัดการ
- การจัดการ
- ด้วยมือ
- แผนที่
- โดดเด่น
- ความหมาย
- มาตรการ
- กลไก
- วิธี
- พิถีพิถัน
- ใจ
- การลด
- หายไป
- เอ็มไอที
- แบบ
- โมเดล
- แก้ไข
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- ยิ่งไปกว่านั้น
- มากที่สุด
- หลาย
- ต้อง
- my
- ชื่อ
- การตั้งชื่อ
- โดยธรรมชาติ
- ธรรมชาติ
- นำทาง
- การเดินเรือ
- จำเป็น
- ความจำเป็น
- จำเป็น
- ความต้องการ
- ใหม่
- ใหม่
- ถัดไป
- หมายเหตุ
- การประกาศ
- การแจ้งเตือน
- ตอนนี้
- วัตถุ
- วัตถุประสงค์
- การสังเกต
- of
- การเสนอ
- on
- ONE
- เพียง
- เปิด
- ทำงาน
- การดำเนินงาน
- การดำเนินการ
- โอกาส
- โอกาส
- ดีที่สุด
- เพิ่มประสิทธิภาพ
- ตัวเลือกเสริม (Option)
- or
- กำลังเตรียมการ
- ประสาน
- organizacja
- องค์กร
- ที่มา
- แต่เดิม
- อื่นๆ
- ของเรา
- เค้าโครง
- สรุป
- เอาท์พุต
- เอาท์พุท
- ด้านนอก
- ทั้งหมด
- เหนือศีรษะ
- ภาพรวม
- ของตนเอง
- แพ็คเกจ
- บรรจุภัณฑ์
- หน้า
- คู่
- บานหน้าต่าง
- พารามิเตอร์
- ในสิ่งที่สนใจ
- ผ่าน
- กิเลส
- เส้นทาง
- คาราคาซัง
- คน
- ดำเนินการ
- การปฏิบัติ
- สิทธิ์
- ส่วนบุคคล
- ระยะ
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- จุด
- การวางยาพิษ
- นโยบาย
- ประชากร
- ครอบครอง
- โพสต์
- ที่มีศักยภาพ
- ที่มีประสิทธิภาพ
- การปฏิบัติ
- แบบอย่าง
- มาก่อน
- ความแม่นยำ
- Premium
- การจัดเตรียม
- เตรียมการ
- เตรียม
- การเตรียมความพร้อม
- ป้องกัน
- ความเป็นส่วนตัว
- ส่วนตัว
- ขั้นตอนการ
- กระบวนการ
- กระบวนการ
- การประมวลผล
- การผลิต
- แจ้ง
- เหมาะสม
- ให้
- ให้
- ให้
- การให้
- บทบัญญัติ
- ดึง
- วัตถุประสงค์
- หลาม
- คุณภาพ
- คำสั่ง
- การสอบถาม
- คำถาม
- คำถาม
- เศษผ้า
- พิสัย
- รวดเร็ว
- คะแนน
- ราคา
- ค่อนข้าง
- เหตุผล
- เกิดปฏิกิริยา
- การอ่าน
- พร้อม
- โลกแห่งความจริง
- เหตุผล
- ที่ได้รับ
- แนะนำ
- การบันทึก
- ลด
- ลด
- อ้างอิง
- อ้างอิง
- ปรับแต่ง
- เกี่ยวกับ
- ภูมิภาค
- สม่ำเสมอ
- ที่เกี่ยวข้อง
- ความสัมพันธ์กัน
- ตรงประเด็น
- การแจ้งเตือน
- รีโมท
- ซ่อมแซม
- ซ้ำ
- รายงาน
- กรุ
- แสดง
- แสดงให้เห็นถึง
- การร้องขอ
- จำเป็นต้องใช้
- ความต้องการ
- ความละเอียด
- แหล่งข้อมูล
- ตามลำดับ
- ตอบสนอง
- คำตอบ
- การตอบสนอง
- รับผิดชอบ
- ผล
- กลับ
- การคืน
- ทบทวน
- ประจำวัน
- กฎระเบียบ
- วิ่ง
- ทำงาน
- รันไทม์
- s
- เดียวกัน
- ตัวอย่าง
- ความพอใจ
- ความพึงพอใจ
- พอใจกับ
- ขนาด
- สถานการณ์
- ต้นฉบับ
- ไร้รอยต่อ
- ได้อย่างลงตัว
- ค้นหา
- ค้นหา
- ค้นหา
- ที่สอง
- ความลับ
- ส่วน
- การรักษา
- ความปลอดภัย
- เห็น
- การแบ่งส่วน
- เลือก
- เลือก
- ความหมาย
- ส่ง
- การส่ง
- ส่ง
- ลำดับ
- ชุด
- ให้บริการอาหาร
- บริการ
- บริการ
- ชุด
- การตั้งค่า
- การตั้งค่า
- หลาย
- ที่ใช้ร่วมกัน
- เปลือก
- น่า
- สำคัญ
- อย่างมีความหมาย
- ง่าย
- ลดความซับซ้อน
- แกล้งทำ
- เดียว
- นั่งอยู่
- มีขนาดเล็กกว่า
- ทางออก
- โซลูชัน
- บาง
- แหล่ง
- ที่มา
- แหล่งที่มา
- ทางใต้
- ช่องว่าง
- เฉพาะ
- โดยเฉพาะ
- ที่ระบุไว้
- ระบุ
- กอง
- ระยะ
- ยืน
- Status
- ขั้นตอน
- ขั้นตอน
- ยังคง
- การเก็บรักษา
- จัดเก็บ
- เก็บไว้
- ร้านค้า
- ยุทธศาสตร์
- เพรียวลม
- การทำให้เพรียวลม
- สไตล์
- ซับเน็ต
- ภายหลัง
- ที่ประสบความสำเร็จ
- อย่างเช่น
- จัดหาอุปกรณ์
- สนับสนุน
- แน่ใจ
- ซิงค์.
- สังเคราะห์
- ระบบ
- ตาราง
- งาน
- งาน
- วิชาการ
- เทคนิค
- เทคโนโลยี
- เทคโนโลยี
- เทมเพลต
- ทดสอบ
- ทดสอบ
- การทดสอบ
- การทดสอบ
- ข้อความ
- ที่
- พื้นที่
- ก้าวสู่อนาคต
- ที่มา
- ของพวกเขา
- พวกเขา
- แล้วก็
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- สิ่ง
- ที่สาม
- นี้
- สาม
- ตลอด
- ตลอด
- เวลา
- ไปยัง
- ร่วมกัน
- เครื่องมือ
- เครื่องมือ
- หัวข้อ
- รวม
- ไปทาง
- ติดตาม
- การติดตาม
- การแปลง
- เปลี่ยน
- การเปลี่ยนแปลง
- พยายาม
- สอง
- ui
- ไม่สามารถ
- ไม่มีสิทธิ
- ปฏิเสธไม่ได้
- ภายใต้
- ได้รับ
- พื้นฐาน
- เข้าใจ
- ความเข้าใจ
- เข้าใจ
- อัปโหลด
- เมื่อ
- URL
- การใช้
- ใช้
- มือสอง
- ผู้ใช้งาน
- ผู้ใช้
- ใช้
- การใช้
- ใช้
- ตรวจสอบความถูกต้อง
- กำลังตรวจสอบ
- การตรวจสอบ
- ความคุ้มค่า
- ตัวแปร
- ต่างๆ
- การตรวจสอบ
- ตรวจสอบ
- อเนกประสงค์
- รุ่น
- รายละเอียด
- เสมือน
- เยี่ยมชมร้านค้า
- รอ
- ต้องการ
- we
- เว็บ
- เว็บเบราเซอร์
- บริการเว็บ
- คือ
- เมื่อ
- แต่ทว่า
- ที่
- ในขณะที่
- ใคร
- กว้าง
- ช่วงกว้าง
- จะ
- หน้าต่าง
- กับ
- ภายใน
- ไม่มี
- พยาน
- งาน
- ทำงานด้วยกัน
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- การทำงาน
- คุณ
- ของคุณ
- ลมทะเล
- รหัสไปรษณีย์