生成式人工智能 代理对于大型企业来说是一种多功能且强大的工具。它们可以提高运营效率、客户服务和决策,同时降低成本并实现创新。这些代理擅长自动执行各种日常和重复性任务,例如数据输入、客户支持查询和内容生成。此外,他们可以通过将任务分解为更小的、可管理的步骤、协调各种操作并确保组织内流程的高效执行来编排复杂的多步骤工作流程。这显着减轻了人力资源的负担,使员工能够专注于更具战略性和创造性的任务。
随着人工智能技术的不断发展,生成式人工智能代理的能力预计将得到扩展,为客户提供更多获得竞争优势的机会。处于这一演变的最前沿的是 亚马逊基岩,一项完全托管的服务,可通过 API 提供来自 Amazon 和其他领先 AI 公司的高性能基础模型 (FM)。借助 Amazon Bedrock,您可以构建和扩展具有安全性、隐私性和负责任的 AI 的生成式 AI 应用程序。您现在可以使用 亚马逊基岩代理 和 Amazon Bedrock 知识库 配置专门的代理,根据自然语言输入和组织的数据无缝运行操作。这些托管代理扮演指挥者的角色,协调 FM、API 集成、用户对话和加载数据的知识源之间的交互。
本文重点介绍了如何使用 Amazon Bedrock 的代理和知识库在现有企业资源的基础上进行构建,以自动执行与保险索赔生命周期相关的任务,有效扩展和改进客户服务,并通过改进的知识管理来增强决策支持。由 Amazon Bedrock 提供支持的保险代理人可以协助人工代理人创建新索赔、发送待处理索赔的文档提醒、收集索赔证据以及在现有索赔和客户知识存储库中搜索信息。
解决方案概述
该解决方案的目标是作为客户的基础,使您能够创建自己的专业代理来满足各种需求,例如虚拟助理和自动化任务。部署所需的代码和资源可在 亚马逊基岩示例存储库.
以下演示录制重点介绍了 Amazon Bedrock 功能和技术实施细节的代理和知识库。
Amazon Bedrock 的代理和知识库协同工作以提供以下功能:
- 任务编排 – 智能体使用 FM 来理解自然语言查询,并将多步骤任务分解为更小的可执行步骤。
- 交互式数据收集 – 代理进行自然对话,从用户那里收集补充信息。
- 任务完成 – 代理通过一系列推理步骤和基于的相应行动来完成客户请求 反应提示.
- 系统集成 – 代理对集成公司系统进行 API 调用以运行特定操作。
- 资料查询 – 知识库通过全面管理提高准确性和性能 检索增强生成 (RAG) 使用客户特定的数据源。
- 来源归属 – 代理进行来源归因,通过思维链推理来识别和追踪信息或行为的起源。
下图说明了解决方案体系结构。
工作流程包括以下步骤:
- 用户向代理提供自然语言输入。以下是一些提示示例:
- 创建新的声明。
- 向索赔 2s34w-8x 的保单持有人发送待处理文件提醒。
- 收集索赔 5t16u-7v 的证据。
- 索赔 3b45c-9d 的索赔总额是多少?
- 同一索赔的维修预估总额是多少?
- 哪些因素决定我的汽车保险费?
- 如何降低汽车保险费率?
- 哪些索赔处于待处理状态?
- 向所有未决索赔的保单持有人发送提醒。
- 在预处理期间,代理对用户输入进行验证、上下文化和分类。用户输入(或任务)由代理使用聊天历史记录以及期间指定的指令和底层 FM 进行解释。 代理创建。代理的指示是概述代理预期操作的描述性指南。此外,您还可以选择配置 高级提示,它允许您通过采用更详细的配置并提供手动选择的示例来进行几次提示,从而提高代理的精度。此方法允许您通过提供与特定任务关联的标记示例来增强模型的性能。
- 行动小组 是一组 API 和相应的业务逻辑,其 OpenAPI 模式定义为存储在中的 JSON 文件 亚马逊简单存储服务 (亚马逊 S3)。该架构允许代理围绕每个 API 的功能进行推理。每个Action Group可以指定一个或多个API路径,其业务逻辑通过 AWS Lambda 与操作组关联的功能。
- Amazon Bedrock 知识库提供完全托管的 RAG,以便代理能够访问您的数据。您首先通过指定指示代理何时使用您的知识库的描述来配置知识库。然后,您将知识库指向您的 Amazon S3 数据源。最后,您指定嵌入模型并选择使用现有矢量存储或允许 Amazon Bedrock 代表您创建矢量存储。配置完成后,每个 数据源同步 创建数据的向量嵌入,代理可使用该向量嵌入将信息返回给用户或增强后续的 FM 提示。
- 在编排过程中,代理会制定一个基本原理,其中包含需要操作组 API 调用和知识库查询来生成观察结果的逻辑步骤,该观察结果可用于增强底层 FM 的基本提示。这种 ReAct 风格的提示用作激活 FM 的输入,然后 FM 预测完成用户任务的最佳操作序列。
- 在后处理期间,在所有编排迭代完成后,代理会策划最终响应。默认情况下禁用后处理。
在以下部分中,我们将讨论部署解决方案的关键步骤,包括预实施步骤以及测试和验证。
使用 AWS CloudFormation 创建解决方案资源
在创建代理和知识库之前,必须建立一个密切反映客户使用的现有资源的模拟环境。 Amazon Bedrock 的代理和知识库旨在以这些资源为基础,使用 Lambda 提供的业务逻辑和存储在 Amazon S3 中的客户数据存储库。这种基础性的一致性使您的代理和知识库解决方案与您已建立的基础设施实现无缝集成。
为了模拟代理所利用的现有客户资源,该解决方案使用 创建客户资源.sh 用于自动配置参数化的 shell 脚本 AWS CloudFormation 模板, 基岩-客户-资源.yml,部署以下资源:
- An Amazon DynamoDB 桌子上装满了合成材料 索赔数据.
- 三个 Lambda 函数,代表客户业务逻辑,用于创建索赔、发送待处理状态索赔的文档提醒以及收集新索赔和现有索赔的证据。
- 一个 S3 存储桶,其中包含 OpenAPI 模式格式的 API 文档,用于前面的 Lambda 函数以及维修估算、索赔金额、公司常见问题解答和所需的索赔文档描述,以用作我们的 知识库数据源资产.
- An 亚马逊简单通知服务 (Amazon SNS) 主题,保单持有人的电子邮件订阅该主题,以获取有关索赔状态和待处理操作的电子邮件警报。
- AWS身份和访问管理 上述资源的 (IAM) 权限。
AWS CloudFormation 使用模板中提供的默认值预填充堆栈参数。要提供替代输入值,您可以将参数指定为在 ParameterKey=<ParameterKey>,ParameterValue=<Value>
以下 shell 脚本中的对 aws cloudformation create-stack
命令。
完成以下步骤来配置您的资源:
- 创建一个本地副本
amazon-bedrock-samples
存储库使用git clone
: - 在运行 shell 脚本之前,导航到克隆了该脚本的目录
amazon-bedrock-samples
存储库并修改shell脚本权限为可执行: - 设置您的 CloudFormation 堆栈名称、SNS 电子邮件和证据上传 URL 环境变量。 SNS 电子邮件将用于通知保单持有人,证据上传 URL 将与保单持有人共享以上传其索赔证据。这 保险理赔处理样本 提供证据上传 URL 的示例前端。
- 运行
create-customer-resources.sh
shell 脚本来部署在中定义的模拟客户资源bedrock-insurance-agent.yml
云形成模板。这些是构建代理和知识库的资源。
前面的 source ./create-customer-resources.sh
shell 命令运行以下内容 AWS命令行界面 用于部署模拟客户资源堆栈的 (AWS CLI) 命令:
创建知识库
Amazon Bedrock 知识库使用 RAG,这是一种利用客户数据存储来增强 FM 生成的响应的技术。知识库允许代理访问现有的客户数据存储库,而无需大量的管理员开销。要将知识库连接到您的数据,您可以指定一个 S3 存储桶作为 数据源。借助知识库,应用程序可以获得丰富的上下文信息,通过完全托管的 RAG 解决方案简化开发。这种抽象级别通过最大限度地减少将数据合并到代理功能中的工作量来加快上市时间,并且通过消除使用私有数据进行持续模型重新训练的必要性来优化成本。
下图说明了具有嵌入模型的知识库的架构。
知识库功能通过两个关键过程来描述:预处理(步骤 1-3)和运行时(步骤 4-7):
- 文档经过分割(分块)为可管理的部分。
- 使用 Amazon Bedrock 嵌入模型将这些块转换为嵌入。
- 嵌入用于创建向量索引,从而实现用户查询和数据源文本之间的语义相似性比较。
- 在运行时,用户提供文本输入作为提示。
- 使用 Amazon Bedrock 嵌入模型将输入文本转换为向量。
- 查询向量索引以查找与用户查询相关的块,从而使用从向量索引检索到的附加上下文来增强用户提示。
- 增强提示与附加上下文相结合,用于为用户生成响应。
要创建知识库,请完成以下步骤:
- 在 Amazon Bedrock 控制台上,选择 知识库 在导航窗格中。
- 创建知识库.
- 下 提供知识库详细信息,输入名称和可选说明,保留所有默认设置。对于这篇文章,我们输入描述:
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.
- 下 设置数据源,输入名称。
- 浏览S3 并选择
knowledge-base-assets
您之前部署的数据源 S3 存储桶的文件夹 (<YOUR-STACK-NAME>-customer-resources/agent/knowledge-base-assets/
). - 下 选择嵌入模型并配置向量存储,选择 Titan Embeddings G1 – 文本 并保留其他默认设置。一个 亚马逊 OpenSearch 无服务器 采集 将为您创建。该向量存储是知识库预处理嵌入的存储位置,稍后用于查询和数据源文本之间的语义相似性搜索。
- 下 查看并创建,确认您的配置设置,然后选择 创建知识库.
- 创建知识库后,将显示绿色的“创建成功”横幅,并提供同步数据源的选项。选择 Sync 启动数据源同步。
- 在 Amazon Bedrock 控制台上,导航到您刚刚创建的知识库,然后记下下面的知识库 ID 知识库概述.
- 在仍选择您的知识库的情况下,选择下面列出的知识库数据源 数据源,然后记下下的数据源 ID 数据源概览.
当您为代理部署 Streamlit Web UI 时,知识库 ID 和数据源 ID 将在后续步骤中用作环境变量。
创建代理
代理通过构建时运行过程进行操作,包括几个关键组件:
- 基础模型 – 用户选择一个 FM,指导代理在编排过程中解释用户输入、生成响应并指导后续操作。
- 说明 – 用户制定详细的说明,概述代理的预期功能。可选的高级提示允许在每个编排步骤进行自定义,并结合 Lambda 函数来解析输出。
- (可选)行动组 – 用户定义代理的操作,使用 OpenAPI 架构定义用于任务运行的 API,并使用 Lambda 函数来处理 API 输入和输出。
- (可选)知识库 – 用户可以将代理与知识库关联起来,授予对附加上下文的访问权限,以生成响应和编排步骤。
此示例解决方案中的代理使用 Amazon Bedrock 上的 Anthropic Claude V2.1 FM、一组指令、三个操作组和一个知识库。
要创建代理,请完成以下步骤:
- 在 Amazon Bedrock 控制台上,选择 中介代理 在导航窗格中。
- 创建代理.
- 下 提供代理详细信息,输入代理名称和可选说明,保留所有其他默认设置。
- 下 选择型号,选择 人类克劳德 V2.1 并为代理指定以下说明:
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
- 下一页.
- 下 添加操作组,添加您的第一个操作组:
- 针对 输入操作组名称,输入
create-claim
. - 针对 课程描述,输入
Use this action group to create an insurance claim
- 针对 选择 Lambda 函数,选择
<YOUR-STACK-NAME>-CreateClaimFunction
. - 针对 选择API架构,选择 浏览S3,选择之前创建的存储桶(
<YOUR-STACK-NAME>-customer-resources
),然后选择agent/api-schema/create_claim.json
.
- 针对 输入操作组名称,输入
- 创建第二个操作组:
- 针对 输入操作组名称,输入
gather-evidence
. - 针对 课程描述,输入
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
- 针对 选择 Lambda 函数,选择
<YOUR-STACK-NAME>-GatherEvidenceFunction
. - 针对 选择API架构,选择 浏览S3,选择之前创建的bucket,然后选择
agent/api-schema/gather_evidence.json
.
- 针对 输入操作组名称,输入
- 创建第三个操作组:
- 针对 输入操作组名称,输入
send-reminder
. - 针对 课程描述,输入
Use this action group to check claim status, identify missing or pending documents, and send reminders to policy holders
- 针对 选择 Lambda 函数,选择
<YOUR-STACK-NAME>-SendReminderFunction
. - 针对 选择API架构,选择 浏览S3,选择之前创建的bucket,然后选择
agent/api-schema/send_reminder.json
.
- 针对 输入操作组名称,输入
- 下一页.
- 针对 选择知识库,选择您之前创建的知识库(
claims-knowledge-base
). - 针对 Agent 知识库说明,输入以下内容:
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
- 下一页.
- 下 查看并创建,确认您的配置设置,然后选择 创建代理.
创建代理后,您将看到绿色的“已成功创建”横幅。
测试和验证
以下测试过程旨在验证代理是否正确识别和理解用户创建新索赔、发送未结索赔的待处理文档提醒、收集索赔证据以及在现有索赔和客户知识存储库中搜索信息的意图。响应准确性是通过评估 Amazon Bedrock 代理和知识库生成的答案的相关性、一致性和类人性来确定的。
评估措施和评估技术
用户输入和代理指令验证包括以下内容:
- 前处理 – 使用示例提示来评估代理对不同用户输入的解释、理解和响应能力。验证代理是否遵守配置的指令,以准确验证、情境化和分类用户输入。
- 编曲配置 – 评估代理针对操作组 API 调用和知识库查询所遵循的逻辑步骤(例如“跟踪”),以增强 FM 的基本提示。
- 后期处理 – 在编排迭代后审查代理生成的最终响应,以确保准确性和相关性。默认情况下,后处理处于非活动状态,因此不包含在我们代理的跟踪中。
行动组评估包括以下内容:
- API 模式验证 – 验证 OpenAPI 架构(定义为存储在 Amazon S3 中的 JSON 文件)是否有效指导代理围绕每个 API 的用途进行推理。
- 业务逻辑实现 – 通过与操作组链接的 Lambda 函数测试与 API 路径关联的业务逻辑的实现。
知识库评估包括以下内容:
- 配置验证 – 确认知识库说明正确指导代理何时访问数据。
- S3数据源集成 – 验证代理访问和使用指定 S3 数据源中存储的数据的能力。
端到端测试包括以下内容:
- 集成工作流程 – 执行涉及行动组和知识库的全面测试,以模拟真实场景。
- 响应质量评估 – 评估代理在不同背景和场景中响应的整体准确性、相关性和连贯性。
测试知识库
在 Amazon Bedrock 中设置知识库后,您可以直接测试其行为以评估其响应,然后再将其与代理集成。此测试过程使您能够评估知识库的性能、检查响应并通过探索从中检索信息的源块来排除故障。完成以下步骤:
- 在 Amazon Bedrock 控制台上,选择 知识库 在导航窗格中。
- 选择您要测试的知识库,然后选择 测试 扩大聊天窗口。
- 在测试窗口中,选择用于生成响应的基础模型。
- 使用以下示例查询和其他输入来测试您的知识库:
- 索赔 ID 2s34w-8x 的维修估算诊断结果是什么?
- 对于同一索赔,解决方案和维修估算是多少?
- 发生事故后驾驶员应该做什么?
- 事故报告和图像有什么建议?
- 什么是免赔额,它是如何运作的?
您可以在聊天窗口中在生成响应和返回直接引用之间切换,并且可以选择清除聊天窗口或使用提供的图标复制所有输出。
要检查知识库响应和源块,您可以选择相应的脚注或选择 显示结果详细信息。将出现一个源块窗口,允许您搜索、复制块文本并导航到 S3 数据源。
测试代理
成功测试知识库后,下一个开发阶段涉及代理功能的准备和测试。准备代理涉及打包最新的更改,而测试提供了与代理行为交互和评估代理行为的关键机会。通过此过程,您可以完善代理功能,提高其效率,并解决任何潜在问题或实现最佳性能所需的改进。完成以下步骤:
- 在 Amazon Bedrock 控制台上,选择 中介代理 在导航窗格中。
- 选择您的代理并记下代理 ID。
当您为代理部署 Streamlit Web UI 时,您可以在后续步骤中使用代理 ID 作为环境变量。 - 导航到你的 工作草案。最初,您有一个工作草案和一个默认值
TestAlias
指向这份草案。工作草案允许迭代开发。 - Prepare 在测试之前将最新更改打包到代理中。您应该定期检查代理的最后准备时间,以确认您正在使用最新配置进行测试。
- 通过选择从代理工作草案控制台中的任何页面访问测试窗口 测试 或向左箭头图标。
- 在测试窗口中,选择别名及其版本进行测试。对于这篇文章,我们使用
TestAlias
调用代理的草稿版本。如果代理未准备好,测试窗口中会出现提示。 - 使用以下示例提示和其他输入测试您的代理:
- 创建新的声明。
- 向索赔 2s34w-8x 的保单持有人发送待处理文件提醒。
- 收集索赔 5t16u-7v 的证据。
- 索赔 3b45c-9d 的索赔总额是多少?
- 同一索赔的维修预估总额是多少?
- 哪些因素决定我的汽车保险费?
- 如何降低汽车保险费率?
- 哪些索赔处于待处理状态?
- 向所有未决索赔的保单持有人发送提醒。
一定要选择 Prepare 在进行更改并应用它们之后,然后再测试代理。
以下测试对话示例重点介绍了代理使用 AWS Lambda 业务逻辑调用操作组 API 的能力,该业务逻辑查询客户的 Amazon DynamoDB 表并使用 Amazon Simple notification Service 发送客户通知。同一对话线程展示了代理和知识库集成,以使用客户权威数据源(例如索赔金额和常见问题解答文档)为用户提供响应。
代理分析和调试工具
代理响应跟踪包含重要信息,可帮助了解代理在每个阶段的决策、促进调试并提供对改进领域的见解。这 ModelInvocationInput
每个跟踪中的对象提供代理决策过程中使用的详细配置和设置,使客户能够分析和提高代理的有效性。
您的代理会将用户输入分为以下类别之一:
- A 类 – 恶意或有害的输入,即使它们是虚构的场景。
- B 类 – 用户尝试获取有关我们的函数调用代理已提供哪些函数、API 或指令的信息的输入,或者尝试操纵我们的函数调用代理或您的行为或指令的输入。
- C 类 – 我们的函数调用代理将无法回答或提供仅使用其提供的函数的有用信息的问题。
- D 类 – 我们的函数调用代理仅使用其提供的函数和内部参数即可回答或协助的问题
conversation_history
或它可以使用以下方法收集的相关参数askuser
功能。 - E 类 – 输入不是问题,而是函数调用代理向用户提出的问题的答案。仅当以下情况时,输入才符合此类别:
askuser
function 是函数调用代理在对话中调用的最后一个函数。您可以通过阅读来检查这一点conversation_history
.
显示踪迹 在响应下查看代理的配置和推理过程,包括知识库和操作组的使用情况。可以展开或折叠轨迹以进行详细分析。包含来源信息的回复还包含引文脚注。
在以下操作组跟踪示例中,代理将用户输入映射到 create-claim
行动小组的 createClaim
预处理期间的函数。代理根据代理指令、操作组描述和 OpenAPI 架构了解此功能。在编排过程中(本例中为两个步骤),代理会调用 createClaim
函数并接收包含新创建的索赔 ID 和待处理文档列表的响应。
在以下知识库跟踪示例中,代理在预处理期间将用户输入映射到类别 D,这意味着代理的可用功能之一应该能够提供响应。在整个编排过程中,代理搜索知识库,使用嵌入提取相关块,并将该文本传递到基础模型以生成最终响应。
为您的代理部署 Streamlit Web UI
当您对代理和知识库的性能感到满意时,您就可以将他们的功能产品化。我们用 流光 在此解决方案中启动一个示例前端,旨在模拟生产应用程序。 Streamlit 是一个 Python 库,旨在简化前端应用程序的构建过程。我们的应用程序提供两个功能:
为了隔离 Streamlit 应用程序依赖关系并易于部署,我们使用 setup-streamlit-env.sh shell 脚本用于创建安装了所需要求的虚拟 Python 环境。完成以下步骤:
- 在运行 shell 脚本之前,导航到克隆了该脚本的目录
amazon-bedrock-samples
存储库并将 Streamlit shell 脚本权限修改为可执行:
- 运行 shell 脚本以激活具有所需依赖项的虚拟 Python 环境:
- 设置您的 Amazon Bedrock 代理 ID、代理别名 ID、知识库 ID、数据源 ID、知识库存储桶名称和 AWS 区域环境变量:
- 运行您的 Streamlit 应用程序并开始在本地 Web 浏览器中进行测试:
清理
为了避免您的 AWS 账户产生费用,请清理解决方案的预置资源
删除客户资源.sh shell 脚本清空并删除解决方案的 S3 存储桶,并删除最初从该解决方案配置的资源 bedrock-customer-resources.yml
CloudFormation 堆栈。以下命令使用默认堆栈名称。如果您自定义了堆栈名称,请相应地调整命令。
前面的 ./delete-customer-resources.sh
shell 命令运行以下 AWS CLI 命令来删除模拟的客户资源堆栈和 S3 存储桶:
要删除您的代理和知识库,请按照以下说明操作 删除代理 和 删除知识库。
需要考虑的事项
尽管演示的解决方案展示了 Amazon Bedrock 的代理和知识库的功能,但重要的是要了解该解决方案尚未做好生产准备。相反,它为旨在为自己的特定任务和自动化工作流程创建个性化代理的客户提供概念指南。旨在进行生产部署的客户应完善和调整此初始模型,同时牢记以下安全因素:
- 安全访问 API 和数据:
- 限制对 API、数据库和其他代理集成系统的访问。
- 利用访问控制、机密管理和加密来防止未经授权的访问。
- 输入验证和清理:
- 验证和清理用户输入,以防止注入攻击或试图操纵代理的行为。
- 建立输入规则和数据验证机制。
- 代理管理和测试的访问控制:
- 对用于编辑、测试或配置代理的控制台和工具实施适当的访问控制。
- 限制授权开发人员和测试人员的访问。
- 基础设施安全:
- 遵守有关 VPC、子网、安全组、日志记录和监控的 AWS 安全最佳实践,以确保底层基础设施的安全。
- 代理指令验证:
- 建立细致的流程来审查和验证代理的指示,以防止意外行为。
- 测试和审核:
- 彻底测试代理和集成组件。
- 对代理对话实施审核、日志记录和回归测试,以检测和解决问题。
- 知识库安全:
- 如果用户可以扩充知识库,验证上传内容以防止中毒攻击。
有关其他关键考虑因素,请参阅 使用 Amazon Bedrock、Amazon DynamoDB、Amazon Kendra、Amazon Lex 和 LangChain 构建生成式 AI 代理.
结论
使用 Amazon Bedrock 的代理和知识库实施生成式 AI 代理代表了组织的运营和自动化能力的重大进步。这些工具不仅简化了保险理赔生命周期,还为人工智能在其他各个企业领域的应用开创了先例。通过自动化任务、增强客户服务和改进决策流程,这些人工智能代理使组织能够专注于增长和创新,同时有效地处理日常和复杂的任务。
随着我们不断见证人工智能的快速发展,Amazon Bedrock 的代理和知识库等工具在改变业务运营方面的潜力是巨大的。使用这些技术的企业将获得显着的竞争优势,其特点是效率、客户满意度和决策的提高。不可否认,企业数据管理和运营的未来倾向于更大程度的 AI 集成,而 Amazon Bedrock 处于这一转型的最前沿。
要了解更多信息,请访问: 亚马逊基岩代理,咨询 亚马逊基岩文档,探索 Community.aws 的生成式 AI 空间,并亲自动手 亚马逊基岩工作室.
关于作者
凯尔·T·布洛克索姆 是位于南加州的 AWS 高级解决方案架构师。 Kyle 热衷于将人们聚集在一起并利用技术提供客户喜爱的解决方案。工作之余,他喜欢冲浪、吃饭、与狗摔跤以及宠爱他的侄女和侄子。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/automate-the-insurance-claim-lifecycle-using-agents-and-knowledge-bases-for-amazon-bedrock/
- :具有
- :是
- :不是
- :在哪里
- $UP
- 1
- 10
- 100
- 1040
- 11
- 19
- 500
- 7
- 8
- 9
- a
- 对,能力--
- Able
- 关于
- 抽象化
- 加速
- ACCESS
- 事故
- 因此
- 账号管理
- 准确
- 横过
- 法案
- 操作
- 行动
- 激活
- 激活
- 适应
- 加
- 额外
- 地址
- 遵守
- 高级
- 进步
- 优点
- 后
- 经纪人
- 中介代理
- AI
- 援助
- 致力
- 目标
- 对准
- 所有类型
- 让
- 允许
- 允许
- 已经
- 还
- 替代
- Amazon
- 亚马逊肯德拉
- 亚马逊Lex
- 亚马逊网络服务
- 量
- 量
- an
- 分析
- 分析
- 和
- 回答
- 答案
- 人类的
- 预计
- 任何
- API
- APIs
- 出现
- 出现
- 应用领域
- 应用领域
- 使用
- 架构
- 保健
- 地区
- 参数
- 围绕
- AS
- 评估
- 评定
- 协助
- 助理
- 协助
- 律师
- 相关
- At
- 攻击
- 尝试
- 审计
- 增加
- 增强
- 授权
- 自动化
- 自动化
- 自动化
- 自动化和干细胞工程
- 可使用
- 避免
- AWS
- AWS CloudFormation
- AWS Lambda
- 旗帜
- 基地
- 基于
- BE
- 很
- before
- 开始
- 代表
- 行为
- 行为
- 作为
- 最佳
- 最佳实践
- 之间
- 促进
- 都
- 破坏
- 带来
- 浏览器
- 建立
- 建筑物
- 建
- 负担
- 商业
- 但是
- by
- 加州
- 被称为
- 调用
- 呼叫
- CAN
- 能力
- 汽车
- 案件
- 类别
- 分类
- 产品类别
- CD
- 更改
- 更改
- 收费
- 即时通话
- 查
- 选择
- 要求
- 索赔
- 清洁
- 清除
- CLI
- 密切
- 码
- 倒塌
- 采集
- 社体的一部分
- 公司
- 公司
- 比较
- 竞争的
- 完成
- 复杂
- 组件
- 全面
- 包括
- 概念上的
- 流程条件
- 进行
- 配置
- 配置
- 确认
- 分享链接
- 注意事项
- 由
- 安慰
- 游戏机
- 请教
- 包含
- 内容
- 内容生成
- 上下文
- 上下文
- 上下文
- 继续
- 继续
- 连续
- 控制
- 控制
- 谈话
- 对话
- 转换
- 协调
- 正确地
- 相应
- 价格
- 成本
- 再加
- 覆盖
- 手艺
- 创建信息图
- 创建
- 创建
- 创造
- 创建
- 创意奖学金
- 危急
- 策展人
- 顾客
- 客户数据
- 客户满意度
- 客户服务
- 客户支持
- 合作伙伴
- 定制
- 定制
- data
- 数据录入
- 数据管理
- 数据库
- 决定
- 决策
- 扣除
- 默认
- 定义
- 定义
- 交付
- 演示
- 证明
- 依赖
- 部署
- 部署
- 部署
- 描述
- 设计
- 详细
- 详情
- 检测
- 确定
- 决心
- 开发
- 研发支持
- 发展
- 诊断
- 图表
- 直接
- 导演
- 直接
- 禁用
- 讨论
- 屏 显:
- 不同
- do
- 文件
- 文件
- 文件
- 不
- 狗
- 域名
- 向下
- 草案
- 司机
- ,我们将参加
- e
- 每
- 此前
- 缓解
- 回音
- 边缘
- 只
- 效用
- 效率
- 高效
- 有效
- 努力
- 合格
- 邮箱地址
- 电子邮件
- 嵌入
- 员工
- 雇用
- 授权
- 授权
- 使
- 使
- 加密
- 端至端
- 从事
- 提高
- 加强
- 丰富
- 确保
- 保证
- 输入
- 企业
- 企业
- 条目
- 环境
- 必要
- 建立
- 成熟
- 评估
- 估计
- 评估
- 评估
- 评估
- 甚至
- 证据
- 进化
- 发展
- 例子
- 例子
- Excel
- 执行
- 现有
- 扩大
- 扩大
- 预期
- 探索
- 探索
- 出口
- 广泛
- 促进
- 因素
- 常见问题
- 特征
- 虚构
- 文件
- 档
- 最后
- 终于
- 姓氏:
- 专注焦点
- 遵循
- 以下
- 如下
- 针对
- 第一线
- 格式
- 基金会
- 基础
- 止
- 充分
- 功能
- 功能
- 功能
- 未来
- g1
- Gain增益
- 收集
- 搜集
- 其他咨询
- 生成
- 产生
- 发电
- 代
- 生成的
- 生成式人工智能
- 得到
- 发放
- 更大的
- 绿色
- 团队
- 组的
- 事业发展
- 指南
- 方针
- 指南
- 处理
- 动手
- 有害
- 吊带
- 有
- he
- 有帮助
- 高绩效
- 亮点
- 他的
- 历史
- 持有人
- 持有人
- 创新中心
- HTML
- HTTP
- HTTPS
- 人
- 人力资源
- i
- ICON
- 图标
- ID
- 识别
- 鉴定
- 确定
- 身分
- IDS
- if
- 说明
- 图片
- 巨大
- 履行
- 重要
- 改善
- 改善
- 改进
- 改善
- 改善
- in
- 不活跃
- 包括
- 包括
- 包含
- 结合
- 指数
- 信息
- 基础设施
- 初始
- 原来
- 开始
- 創新
- 输入
- 输入
- 咨询内容
- 可行的洞见
- 安装
- 代替
- 说明
- 保险
- 集成
- 整合
- 积分
- 集成
- 拟
- 相互作用
- 互动
- 内部
- 解释
- 解释
- 成
- 所调用
- 涉及
- 涉及
- 问题
- IT
- 迭代
- 它的
- JSON
- 只是
- 保持
- 键
- 知识
- 知识管理
- 凯尔
- 语言
- 大
- 大企业
- 名:
- 后来
- 最新
- 发射
- 层
- 领导
- 学习用品
- 离开
- 离开
- 左
- Level
- 杠杆作用
- 自学资料库
- 生命周期
- 喜欢
- Line
- 链接
- 清单
- 已发布
- 本地
- 记录
- 逻辑
- 合乎逻辑的
- 爱
- 降低
- 使
- 制作
- 制作
- 恶意
- 管理
- 管理
- 颠覆性技术
- 手动
- 地图
- 标
- 意
- 措施
- 机制
- 方法
- 细致
- 介意
- 最小化
- 失踪
- 麻省理工学院简介
- 模型
- 模型
- 修改
- 监控
- 更多
- 此外
- 最先进的
- 多
- 必须
- my
- 姓名
- 命名
- 自然
- 自然
- 导航
- 旅游导航
- 必要
- 必要性
- 打印车票
- 需要
- 全新
- 新
- 下页
- 注意
- 通知
- 通知
- 现在
- 对象
- 目标
- 观察
- of
- 提供
- on
- 一
- 仅由
- 打开
- 操作
- 操作
- 运营
- 机会
- ZAP优势
- 最佳
- 优化
- 附加选项
- or
- 编排
- 管弦乐编曲
- 组织
- 组织
- 起源
- 本来
- 其他名称
- 我们的
- 轮廓
- 概述
- 产量
- 输出
- 学校以外
- 最划算
- 开销
- 简介
- 己
- 包
- 包装
- 页
- 对
- 面包
- 参数
- 特别
- 通行证
- 情
- 路径
- 有待
- 员工
- 演出
- 性能
- 权限
- 个性化你的
- 相
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 点
- 中毒
- 政策
- 人口稠密
- 拥有
- 帖子
- 潜力
- 强大
- 做法
- 先例
- 前
- 平台精度
- 高级版
- 准备
- Prepare
- 准备
- 准备
- 防止
- 隐私
- 私立
- 程序
- 过程
- 过程
- 处理
- 生产
- 提示
- 正确
- 提供
- 提供
- 提供
- 优
- 规定
- 拉
- 目的
- 蟒蛇
- 质量
- 查询
- 询问
- 题
- 有疑问吗?
- 抹布
- 范围
- 快
- 率
- 价格表
- 宁
- 合理的
- 应对
- 阅读
- 准备
- 真实的世界
- 原因
- 接收
- 建议
- 了解
- 减少
- 减少
- 参考
- 引用
- 提炼
- 关于
- 地区
- 经常
- 有关
- 相关性
- 相应
- 提醒
- 远程
- 修复
- 重复的
- 报告
- 知识库
- 代表
- 代表
- 要求
- 必须
- 岗位要求
- 分辨率
- 资源
- 分别
- 回应
- 响应
- 回复
- 提供品牌战略规划
- 导致
- 回报
- 返回
- 检讨
- 常规
- 定位、竞价/采购和分析/优化数字媒体采购,但算法只不过是解决问题的操作和规则。
- 运行
- 运行
- 运行
- s
- 同
- 样品
- 满意
- 满意
- 对满意
- 鳞片
- 情景
- 脚本
- 无缝的
- 无缝
- 搜索
- 搜索
- 搜索
- 其次
- 秘密
- 部分
- 保障
- 保安
- 看到
- 分割
- 选择
- 选
- 语义
- 提交
- 发送
- 发送
- 序列
- 系列
- 服务
- 服务
- 特色服务
- 集
- 设置
- 设置
- 几个
- 共用的,
- 壳
- 应该
- 显著
- 显著
- 简易
- 简化
- 模拟
- 单
- 坐镇
- 小
- 方案,
- 解决方案
- 一些
- 来源
- 采购
- 来源
- 南
- 太空
- 专门
- 具体的
- 指定
- 指定
- 堆
- 阶段
- 站
- Status
- 步
- 步骤
- 仍
- 存储
- 商店
- 存储
- 商店
- 善用
- 精简
- 精简
- 样式
- 子网
- 随后
- 成功
- 这样
- 供应
- SUPPORT
- 肯定
- 同步。
- 合成的
- 产品
- 表
- 任务
- 任务
- 文案
- 技术
- 技术
- 专业技术
- 模板
- test
- 测试仪
- 测试
- 测试
- 文本
- 这
- 未来
- 其
- 他们
- 然后
- 因此
- 博曼
- 他们
- 事
- 第三
- Free Introduction
- 三
- 通过
- 始终
- 次
- 至
- 一起
- 工具
- 工具
- 主题
- 合计
- 向
- 追踪
- 追踪
- 转型
- 转化
- 转型
- 试图
- 二
- ui
- 无法
- 擅自
- 不可否认
- 下
- 经历
- 相关
- 理解
- 理解
- 理解
- 上传
- 上
- 网址
- 用法
- 使用
- 用过的
- 用户
- 用户
- 使用
- 运用
- 利用
- 验证
- 证实
- 验证
- 价值观
- 变量
- 各个
- 企业验证
- 确认
- 多才多艺
- 版本
- 查看
- 在线会议
- 参观
- 等待
- 想
- we
- 卷筒纸
- 网页浏览器
- Web服务
- 为
- ,尤其是
- 而
- 这
- 而
- 谁的
- 宽
- 大范围
- 将
- 窗口
- 中
- 也完全不需要
- 见证
- 工作
- 一起工作
- 工作流程
- 工作流程
- 加工
- 完全
- 您一站式解决方案
- 和风网
- 压缩