生成式 AI 代理能够根据用户输入编排对基础模型 (FM) 和其他增强工具的一系列调用,从而产生类似人类的响应并参与自然语言对话。代理不是仅通过静态决策树实现预定义的意图,而是在其可用工具套件的上下文中自治。 亚马逊基岩 是一项完全托管的服务,可通过 API 以及开发人员工具提供来自 AI 公司的领先 FM,以帮助构建和扩展生成式 AI 应用程序。
在这篇文章中,我们演示了如何构建由 Amazon Bedrock 提供支持的生成式 AI 金融服务代理。代理可以帮助用户查找其帐户信息、完成贷款申请或回答自然语言问题,同时引用所提供答案的来源。该解决方案旨在充当开发人员的启动板,为各种应用程序(例如虚拟工作人员和客户支持系统)创建自己的个性化对话代理。解决方案代码和部署资产可以在 GitHub存储库.
亚马逊Lex 为开源提供自然语言理解(NLU)和自然语言处理(NLP)接口 浪链对话代理 嵌入在一个 AWS放大 网站。该代理配备的工具包括托管在 Amazon Bedrock 上的 Anthropic Claude 2.1 FM 以及存储在 Amazon DynamoDB 和 亚马逊肯德拉 提供以下功能:
- 提供个性化回复 – 查询 DynamoDB 以获取客户账户信息,例如抵押贷款摘要详细信息、到期余额和下一个付款日期
- 获取一般知识 – 利用代理的推理逻辑与用于预训练通过 Amazon Bedrock 提供的不同 FM 的大量数据,为任何客户提示生成回复
- 策划固执己见的答案 – 使用配置有权威数据源的 Amazon Kendra 索引通知代理响应:存储在 亚马逊简单存储服务 (Amazon S3)和 亚马逊 Kendra 网络爬虫 为客户的网站配置
解决方案概述
演示录音
以下演示录音重点介绍了代理功能和技术实施细节。
解决方案架构
下图说明了解决方案体系结构。
代理的响应工作流程包括以下步骤:
- 用户通过选择网络、短信或语音渠道与代理进行自然语言对话。该 Web 渠道包括一个 Amplify 托管网站,其中包含一个面向虚构客户的 Amazon Lex 嵌入式聊天机器人。可以使用以下选项配置 SMS 和语音通道 亚马逊通 和 消息传递集成 适用于亚马逊 Lex。每个用户请求均由 Amazon Lex 处理,通过一个称为意图识别的过程来确定用户意图,该过程涉及分析和解释用户的输入(文本或语音)以了解用户的预期操作或目的。
- Amazon Lex 然后调用 AWS Lambda 用户意图实现的处理程序。与 Amazon Lex 聊天机器人关联的 Lambda 函数包含处理用户意图所需的逻辑和业务规则。 Lambda 根据用户的输入执行特定操作或检索信息,做出决策并生成适当的响应。
- Lambda 将金融服务代理逻辑用作 LangChain 对话代理,可以访问 DynamoDB 上存储的客户特定数据,使用 Amazon Kendra 索引的文档和网页来策划固执己见的响应,并通过 Amazon Bedrock 上的 FM 提供一般知识答案。 Amazon Kendra 生成的响应包括来源归属,演示了如何通过以下方式向代理提供其他上下文信息: 检索增强生成 (抹布)。 RAG 允许您增强代理使用您自己的数据生成更准确且与上下文相关的响应的能力。
代理架构
下图说明了代理架构。
Agent的推理工作流程包括以下步骤:
- LangChain对话代理结合了对话记忆,因此它可以通过上下文生成来响应多个查询。该内存允许代理提供考虑到正在进行的对话的上下文的响应。这是通过上下文生成来实现的,其中代理根据从对话中记住的信息生成相关且适合上下文的响应。简而言之,代理会记住之前所说的内容,并使用该信息以在正在进行的讨论中有意义的方式回答多个问题。我们的代理使用 LangChain的DynamoDB聊天消息历史类 作为对话记忆缓冲区,它可以回忆过去的交互,并通过更有意义、上下文感知的响应来增强用户体验。
- 该代理在 Amazon Bedrock 上使用 Anthropic Claude 2.1,通过一系列精心生成的文本输入(称为 提示。即时工程的主要目标是从 FM 中引出具体且准确的响应。不同的即时工程技术包括:
- 零射击 – 向模型提出一个问题,没有任何其他线索。该模型预计将仅根据给定的问题生成响应。
- 少射 – 在实际问题之前包含一组示例问题及其相应的答案。通过让模型接触这些例子,它学会以类似的方式做出反应。
- 思路链 – 一种特定风格的少样本提示,其中提示被设计为包含一系列中间推理步骤,引导模型通过逻辑思维过程,最终得出所需的答案。
我们的代理通过在收到请求后运行一组操作来利用思想链推理。在每个动作之后,智能体都会进入观察步骤,并在其中表达一个想法。如果尚未获得最终答案,代理将进行迭代,选择不同的操作以逐步获得最终答案。请参阅以下示例代码:
思考:我需要使用工具吗?是的
行动:要采取的行动
动作输入:动作的输入
观察:行动的结果
思考:我需要使用工具吗?不
FSI 代理:[答案和源文件]
- 作为代理不同推理路径和自我评估选择的一部分,以决定下一步行动,它能够通过 亚马逊 Kendra 索引检索工具。该代理使用 Amazon Kendra 在各种内容类型中执行上下文搜索,包括文档、常见问题解答、知识库、手册和网站。有关支持的数据源的更多详细信息,请参阅 资料来源。代理有权使用此工具对用户提示提供固执己见的响应,这些响应应使用客户提供的权威知识库来回答,而不是使用用于预训练 Amazon Bedrock FM 的更通用的知识语料库。
部署指南
在以下部分中,我们将讨论部署解决方案的关键步骤,包括部署前和部署后。
预部署
在部署解决方案之前,您需要使用受令牌保护的 Webhook 创建自己的解决方案存储库的分叉版本,以自动持续部署 Amplify 网站。 Amplify 配置指向 GitHub 源存储库,我们网站的前端就是从该存储库构建的。
分叉和克隆 生成式 ai-amazon-bedrock-langchain-agent-示例 知识库
- 要控制构建 Amplify 网站的源代码,请按照以下说明操作 分叉一个存储库 分叉 Generative-ai-amazon-bedrock-langchain-agent-example 存储库。这将创建与原始代码库断开连接的存储库副本,以便您可以进行适当的修改。
- 请记下分叉的存储库 URL,用于在下一步中克隆存储库并配置解决方案部署自动化脚本中使用的 GITHUB_PAT 环境变量。
- 使用 git clone 命令克隆您的分叉存储库:
创建 GitHub 个人访问令牌
Amplify 托管网站使用 GitHub 个人访问令牌 (PAT) 作为第三方源代码控制的 OAuth 令牌。 OAuth 令牌用于使用 SSH 克隆创建 Webhook 和只读部署密钥。
- 要创建 PAT,请按照以下中的说明进行操作 创建个人访问令牌(经典)。您可能更喜欢使用 GitHub 应用程序 代表组织访问资源或进行长期集成。
- 在关闭浏览器之前记下您的 PAT — 您将使用它来配置解决方案部署自动化脚本中使用的 GITHUB_PAT 环境变量。该脚本会将您的 PAT 发布到 AWS机密管理器 运用 AWS命令行界面 (AWS CLI) 命令和密钥名称将用作 GitHubTokenSecretName AWS CloudFormation 参数。
部署
解决方案部署自动化脚本使用参数化的CloudFormation模板, GenAI-FSI-Agent.yml,自动配置以下解决方案资源:
- 一个 Amplify 网站,用于模拟您的前端环境。
- 通过机器人导入部署包配置的 Amazon Lex 自动程序。
- 四个 DynamoDB 表:
- 用户待处理帐户表 – 记录待处理的交易(例如贷款申请)。
- 用户现有帐户表 – 包含用户帐户信息(例如抵押帐户摘要)。
- 对话索引表 – 跟踪对话状态。
- 会话表 – 存储对话历史记录。
- 一个 S3 存储桶,其中包含 Lambda 代理处理程序、Lambda 数据加载器和 Amazon Lex 部署包,以及客户常见问题解答和抵押贷款应用程序示例文档。
- 两个 Lambda 函数:
- 代理处理程序 – 包含LangChain对话代理逻辑,可以根据用户输入智能地使用各种工具。
- 数据加载器 – 将示例客户帐户数据加载到 UserExistingAccountsTable 中,并在堆栈创建期间作为自定义 CloudFormation 资源进行调用。
- 适用于 Amazon Bedrock Boto3、LangChain 和 pdfrw 库的 Lambda 层。该层为 LangChain 的 FM 库提供 Amazon Bedrock 模型作为底层 FM,并提供 pdfrw 作为开源 PDF 库,用于创建和修改 PDF 文件。
- Amazon Kendra 索引,提供客户权威信息的可搜索索引,包括文档、常见问题解答、知识库、手册、网站等。
- 两个 Amazon Kendra 数据源:
- Amazon S3 – 主办 客户常见问题解答文档示例.
- 亚马逊 Kendra 网络爬虫 – 配置了模拟客户特定网站的根域(例如,.com)。
- 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。要提供备用输入值,您可以将参数指定为在以下 shell 脚本的 `aws cloudformation create-stack` 命令中的 `ParameterKey=,ParameterValue=` 对中引用的环境变量。
- 在运行 shell 脚本之前,导航到您的 Generative-ai-amazon-bedrock-langchain-agent-example 存储库的分叉版本作为工作目录,并将 shell 脚本权限修改为可执行:
- 设置在预部署步骤中创建的 Amplify 存储库和 GitHub PAT 环境变量:
- 最后,运行解决方案部署自动化脚本来部署解决方案的资源,包括 GenAI-FSI-Agent.yml CloudFormation堆栈:
source ./create-stack.sh
解决方案部署自动化脚本
前面的 source ./create-stack.sh shell
命令运行以下 AWS CLI 命令来部署解决方案堆栈:
部署后
在本节中,我们讨论启动旨在模拟客户生产应用程序的前端应用程序的部署后步骤。金融服务代理将作为示例 Web UI 中的嵌入式助手运行。
为您的聊天机器人启动 Web UI
亚马逊 Lex 网络用户界面也称为聊天机器人 UI,允许您快速为 Amazon Lex 聊天机器人配置全面的 Web 客户端。 UI 与 Amazon Lex 集成以生成一个 JavaScript 插件,该插件将 Amazon Lex 支持的聊天小部件合并到您现有的 Web 应用程序中。在本例中,我们使用 Web UI 来模拟带有嵌入式 Amazon Lex 聊天机器人的现有客户 Web 应用程序。完成以下步骤:
- 按照说明进行 部署 Amazon Lex Web UI CloudFormation 堆栈.
- 在 AWS CloudFormation 控制台上,导航到堆栈的 输出 选项卡并找到值
SnippetUrl
.
- 复制 Web UI Iframe 片段,其格式类似于下面的格式 将 ChatBot UI 作为 Iframe 添加到您的网站.
- 通过将 Web UI JavaScript 插件添加到标记的部分来编辑 Amplify GitHub 源存储库的分叉版本
<-- Paste your Lex Web UI JavaScript plugin here -->
对于下面的每个 HTML 文件 前端目录:index.html
,contact.html
及about.html
.
Amplify 提供自动构建和发布管道,该管道根据对分叉存储库的新提交进行触发,并将网站的新版本发布到 Amplify 域。您可以在 Amplify 控制台上查看部署状态。
访问放大网站
Amazon Lex Web UI JavaScript 插件就位后,您现在就可以启动 Amplify 演示网站了。
- 要访问您网站的域,请导航到 CloudFormation 堆栈的 输出 选项卡并找到放大域 URL。或者,使用以下命令:
- 访问 Amplify 域 URL 后,您可以继续进行测试和验证。
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访问客户数据(例如帐户信息)的意图,通过预定义意图完成业务工作流程(例如完成贷款申请)以及回答一般查询,例如以下示例提示:
- 我为什么要使用?
- 他们的费率有多有竞争力?
- 我应该使用哪种类型的抵押贷款?
- 目前的抵押贷款趋势是什么?
- 我需要存多少钱作为首付?
- 交易结束时我还需要支付哪些其他费用?
响应准确性是通过评估 Amazon Bedrock 提供的 Anthropic Claude 2.1 FM 生成的答案的相关性、连贯性和类人性来确定的。每个响应提供的源链接(例如,基于 Amazon Kendra Web Crawler 配置的 .com)也应被确认为可信。
提供个性化回复
验证代理是否成功访问并利用 DynamoDB 中的相关客户信息来定制特定于用户的响应。
请注意,在代理中使用 PIN 身份验证仅用于演示目的,不应在任何生产实施中使用。
策划固执己见的答案
验证代理根据权威客户文档和 Amazon Kendra 索引的网页正确寻找答复,从而满足固执己见的问题并提供可信的答案。
提供情境生成
根据之前的聊天记录确定客服人员提供上下文相关响应的能力。
获取一般知识
确认代理能够访问非客户特定、非主观查询的一般知识信息,这些查询需要基于 Amazon Bedrock FM 训练数据和 RAG 进行准确且连贯的响应。
运行预定义意图
确保代理正确解释并以对话方式完成旨在路由到预定义意图的用户提示,例如作为业务工作流程的一部分完成贷款申请。
以下是通过对话流程完成的贷款申请文件。
多渠道支持功能可以与前面的跨 Web、SMS 和语音渠道的评估措施结合进行测试。有关将聊天机器人与其他服务集成的更多信息,请参阅 将 Amazon Lex V2 机器人与 Twilio SMS 集成 和 将 Amazon Lex 自动程序添加到 Amazon Connect.
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。
- 撤销 GitHub 个人访问令牌。 GitHub PAT 配置有过期值。如果您想确保您的 PAT 在到期之前无法用于以编程方式访问分叉的 Amplify GitHub 存储库,您可以按照以下方式撤销 PAT: GitHub 存储库的说明.
- 使用解决方案删除自动化脚本删除 GenAI-FSI-Agent.yml CloudFormation 堆栈和其他解决方案资源。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。
# export STACK_NAME=<YOUR-STACK-NAME>
./delete-stack.sh
解决方案删除自动化脚本
delete-stack.sh shell
脚本会删除最初使用解决方案部署自动化脚本配置的资源,包括 GenAI-FSI-Agent.yml CloudFormation 堆栈。
需要考虑的事项
尽管本文中的解决方案展示了由 Amazon Bedrock 提供支持的生成式 AI 金融服务代理的功能,但必须认识到该解决方案尚未做好生产准备。相反,它为旨在为虚拟工作人员和客户支持系统等各种应用程序创建个性化对话代理的开发人员提供了一个说明性示例。开发人员的生产路径将迭代此示例解决方案,并考虑以下事项。
安全和隐私
确保整个实施过程中的数据安全和用户隐私。实施适当的访问控制和加密机制来保护敏感信息。像生成式 AI 金融服务代理这样的解决方案将受益于底层 FM 尚不可用的数据,这通常意味着您将希望使用自己的私人数据来实现功能的最大飞跃。考虑以下最佳实践:
- 保守秘密,确保安全 – 您将希望这些数据在生成过程中保持完全受保护、安全和私密,并希望控制这些数据的共享和使用方式。
- 建立使用护栏 – 在将数据提供给您的团队之前,了解服务如何使用数据。创建并分发规则,规定哪些数据可以用于哪些服务。向您的团队明确这些内容,以便他们能够快速行动并安全地进行原型设计。
- 涉及法律,宜早不宜迟 – 在开始通过您计划使用的服务运行任何敏感数据之前,让您的法律团队查看条款和条件以及服务卡。您的法律合作伙伴从未像今天这样重要。
作为我们在 AWS 中如何使用 Amazon Bedrock 思考此问题的一个示例:所有数据均经过加密且不会离开您的 VPC,并且 Amazon Bedrock 会制作仅客户可以访问的基本 FM 的单独副本,并进行微调或训练该模型的私有副本。
用户验收测试
与真实用户进行用户验收测试(UAT),以评估生成式人工智能金融服务代理的性能、可用性和满意度。收集反馈并根据用户输入进行必要的改进。
部署与监控
在 AWS 上部署经过全面测试的代理,并实施监控和日志记录以跟踪其性能、识别问题并根据需要优化系统。 Lambda 监控和故障排除功能 默认情况下为代理的 Lambda 处理程序启用。
维护和更新
定期更新代理最新的 FM 版本和数据,以提高其准确性和有效性。监控 DynamoDB 中的客户特定数据并根据需要同步您的 Amazon Kendra 数据源索引。
结论
在这篇文章中,我们深入研究了生成式人工智能代理的令人兴奋的世界,以及它们通过编排对 FM 和其他补充工具的调用来促进类人交互的能力。通过遵循本指南,您可以使用 Bedrock、LangChain 和现有客户资源成功实施、测试和验证可靠的代理,通过自然语言对话为用户提供准确且个性化的财务帮助。
在即将发布的文章中,我们将演示如何使用替代方法来提供相同的功能 亚马逊基岩代理 和 Amazon Bedrock 知识库。这一完全由 AWS 托管的实施将进一步探索如何通过个性化代理提供智能自动化和数据搜索功能,从而改变用户与应用程序交互的方式,使交互更加自然、高效和有效。
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/build-generative-ai-agents-with-amazon-bedrock-amazon-dynamodb-amazon-kendra-amazon-lex-and-langchain/
- :具有
- :是
- :不是
- :在哪里
- $UP
- 1
- 10
- 100
- 11
- 32
- 7
- 799
- 8
- 9
- a
- 对,能力--
- 关于
- 验收
- ACCESS
- 无障碍
- 访问
- 因此
- 账号管理
- 精准的
- 实现
- 横过
- 法案
- 操作
- 行动
- 实际
- 添加
- 额外
- 经纪人
- 中介代理
- AI
- 致力
- 目标
- 所有类型
- 允许
- 沿
- 已经
- 还
- 替代
- Amazon
- 亚马逊肯德拉
- 亚马逊Lex
- 亚马逊网络服务
- 量
- 放大
- an
- 分析
- 和
- 回答
- 答案
- 人类的
- 任何
- API
- 应用领域
- 应用领域
- 的途径
- 适当
- 架构
- 保健
- AS
- 评定
- 办公室文员:
- 协助
- 帮助
- 助理
- 相关
- At
- 增强
- 认证
- 自动化
- 自动化
- 自动化和干细胞工程
- 自主性
- 可使用
- 避免
- AWS
- AWS CloudFormation
- AWS Lambda
- 当前余额
- 基地
- 基于
- BE
- 很
- before
- 代表
- 得益
- 最佳
- 最佳实践
- 最大
- 博特
- 带来
- 缓冲
- 建立
- 建立
- 建
- 商业
- by
- 加州
- 被称为
- 呼叫
- CAN
- 能力
- 能力
- 能力
- 牌
- 小心
- 案件
- CD
- 链
- 更改
- 渠道
- 通道
- 收费
- 即时通话
- 聊天机器人
- 聊天机器人
- 选择
- 选择
- 经典
- 清洁
- 清除
- 客户
- 关闭
- 码
- 代码库
- 相干
- COM的
- 提交
- 公司
- 竞争的
- 补充
- 完成
- 完成
- 完全
- 完成
- 全面
- 条件
- 配置
- 配置
- CONFIRMED
- 结合
- 考虑
- 注意事项
- 安慰
- 包含
- 包含
- 内容
- 内容类型
- 上下文
- 上下文
- 连续
- 控制
- 控制
- 谈话
- 听起来像对话
- 对话
- 正确地
- 相应
- 成本
- 套餐
- 履带
- 创建信息图
- 创建
- 创建
- 创造
- 创建
- 可信的
- 电流
- 习俗
- 顾客
- 客户数据
- 客户支持
- 合作伙伴
- 定制
- data
- 数据安全
- 决定
- 决定
- 决定
- 默认
- 交付
- 提升
- 演示
- 演示
- 示范
- 部署
- 部署
- 设计
- 期望
- 详情
- 确定
- 决心
- 开发商
- 开发
- 对话框
- 不同
- 断开的
- 讨论
- 讨论
- 分发
- 不同
- do
- 文件
- 文件
- 不
- 狗
- 域
- 向下
- 草案
- 两
- ,我们将参加
- e
- 每
- 此前
- 回音
- 有效
- 效用
- 高效
- 嵌入式
- 启用
- 加密
- 加密
- 从事
- 工程师
- 提高
- 确保
- 进入
- 环境
- 配备
- 必要
- 评估
- 评估
- 例子
- 例子
- 令人兴奋的
- 现有
- 预期
- 体验
- 呼气
- 到期
- 探索
- 出口
- 表示
- 促进
- 常见问题
- 反馈
- 文件
- 档
- 最后
- 金融
- 金融服务
- 寻找
- 结束
- 流
- 遵循
- 以下
- 针对
- 叉
- 格式
- 发现
- 基金会
- 止
- 前端
- 履行
- 充分
- 功能
- 功能
- 功能
- 进一步
- 收集
- 其他咨询
- 生成
- 产生
- 产生
- 发电
- 代
- 生成的
- 生成式人工智能
- 混帐
- GitHub上
- 特定
- 指南
- 指导
- 马具
- 有
- he
- 帮助
- 此处
- 亮点
- 他的
- 历史
- 托管
- 为了
- 创新中心
- How To
- HTML
- HTTP
- HTTPS
- i
- 识别
- 鉴定
- 身分
- if
- 说明
- 实施
- 履行
- 进口
- 重要
- 改善
- in
- 包括
- 包括
- 包括
- 包含
- 合并
- 合并
- 指数
- 索引
- 通知
- 信息
- 输入
- 输入
- 代替
- 说明
- 文书
- 集成
- 整合
- 集成
- 智能化
- 拟
- 意图
- 相互作用
- 互动
- 接口
- 内部
- 成
- 调用
- 所调用
- 问题
- IT
- 它的
- JavaScript的
- JPG
- 跳
- 保持
- 键
- 知识
- 已知
- 语言
- 最新
- 发射
- 发射
- 快速启动
- 层
- 领导
- 可以学习
- 离开
- 法律咨询
- 杠杆作用
- 库
- 自学资料库
- 喜欢
- Line
- 链接
- 装载机
- 负载
- 贷款
- 记录
- 逻辑
- 合乎逻辑的
- 爱
- 降低
- 使
- 制作
- 制作
- 管理
- 经理
- 方式
- 可能..
- 有意义的
- 手段
- 措施
- 机制
- 内存
- 的话
- 一半
- 麻省理工学院简介
- 模型
- 模型
- 修改
- 修改
- 显示器
- 监控
- 更多
- 抵押
- 移动
- 许多
- 多
- 必须
- 姓名
- 命名
- 自然
- 自然语言处理
- 自然
- 导航
- 必要
- 需求
- 打印车票
- 决不要
- 全新
- 下页
- NLP
- lu
- 没有
- 注意
- 现在
- OAuth的
- 目标
- 观察
- of
- 提供
- 经常
- on
- 正在进行
- 仅由
- 打开
- 开放源码
- 操作
- 自以为是
- 优化
- or
- 编排
- 管弦乐编曲
- 组织
- 原版的
- 本来
- 其他名称
- 我们的
- 输出
- 学校以外
- 超过
- 简介
- 己
- 包
- 包
- 对
- 参数
- 参数
- 部分
- 伙伴
- 情
- 过去
- 径
- 路径
- 付款
- 有待
- 员工
- 演出
- 性能
- 施行
- 权限
- 个人
- 个性化你的
- 管道
- 地方
- 计划
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 请
- 插入
- 点
- 帖子
- 功率
- 供电
- 做法
- 前
- 预定义
- 比较喜欢
- 呈现
- 以前
- 小学
- 隐私
- 私立
- 程序
- 继续
- 过程
- 处理
- 处理
- 生产
- 生产
- 生产
- 程序化
- 进展
- 提示
- 保护
- 保护
- 原型
- 提供
- 提供
- 提供
- 规定
- 国家
- 发布
- 发布
- 目的
- 目的
- 查询
- 题
- 有疑问吗?
- 很快
- 范围
- 价格表
- 宁
- 上游
- 达
- 准备
- 真实
- 接收
- 承认
- 承认
- 了解
- 记录
- 参考
- 释放
- 相应
- 可靠
- 远程
- 知识库
- 请求
- 要求
- 必须
- 资源
- 资源
- 回应
- 响应
- 回复
- 导致
- 结果
- 检讨
- 根
- 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
- 安然
- 说
- 同
- 满意
- 保存
- 鳞片
- 脚本
- 搜索
- 秘密
- 秘密
- 部分
- 部分
- 安全
- 保安
- 看到
- 选择
- 感
- 敏感
- 分开
- 系列
- 服务
- 服务
- 特色服务
- 集
- 共用的,
- 壳
- 应该
- 类似
- 简易
- 简单
- 单
- 短信
- 片段
- So
- 独自
- 方案,
- 解决方案
- 来源
- 源代码
- 来源
- 采购
- 南
- 具体的
- 言语
- 堆
- 开始
- 州/领地
- 静止
- Status
- 留
- 步
- 步骤
- 存储
- 存储
- 商店
- 样式
- 顺利
- 这样
- 套房
- 概要
- 耗材
- SUPPORT
- 支持系统
- 支持
- 合成的
- 系统
- 产品
- 裁缝
- 采取
- 串联
- 任务
- 队
- 文案
- 技术
- 专业技术
- 模板
- 条款
- 条款和条件
- test
- 测试
- 测试
- 文本
- 比
- 这
- 信息
- 其
- 他们
- 然后
- 博曼
- 他们
- 思维
- 第三方
- Free Introduction
- 思想
- 通过
- 始终
- 至
- 今晚
- 一起
- 象征
- 工具
- 工具
- 向
- 跟踪时
- 产品培训
- 火车
- 交易
- 改造
- 树
- 趋势
- true
- 曲调
- 类型
- 类型
- ui
- 最终
- 下
- 相关
- 理解
- 理解
- 理解
- 即将上市
- 更新
- 上
- 网址
- 可用性
- 用法
- 使用
- 用过的
- 用户
- 用户体验
- 用户隐私
- 用户
- 使用
- 运用
- 利用
- 验证
- 验证
- 折扣值
- 价值观
- 变量
- 各种
- 各个
- 广阔
- 确认
- 版本
- 版本
- 通过
- 查看
- 在线会议
- 音色
- 等待
- 想
- 是
- 方法..
- we
- 卷筒纸
- Web应用程序
- Web服务
- 您的网站
- 网站
- 为
- 什么是
- 这
- 而
- 宽
- 大范围
- 小部件
- 将
- 中
- 也完全不需要
- 工作
- 工人
- 工作流程
- 工作流程
- 加工
- 世界
- 将
- 含
- 但
- 完全
- 您一站式解决方案
- 和风网
- 压缩