Trí tuệ nhân tạo đại lý là một công cụ linh hoạt và mạnh mẽ cho các doanh nghiệp lớn. Họ có thể nâng cao hiệu quả hoạt động, dịch vụ khách hàng và ra quyết định đồng thời giảm chi phí và tạo điều kiện cho sự đổi mới. Các tác nhân này vượt trội trong việc tự động hóa một loạt các nhiệm vụ thường xuyên và lặp đi lặp lại, chẳng hạn như nhập dữ liệu, yêu cầu hỗ trợ khách hàng và tạo nội dung. Hơn nữa, họ có thể sắp xếp các quy trình công việc phức tạp, gồm nhiều bước bằng cách chia nhỏ các nhiệm vụ thành các bước nhỏ hơn, dễ quản lý hơn, điều phối các hành động khác nhau và đảm bảo thực hiện hiệu quả các quy trình trong tổ chức. Điều này làm giảm đáng kể gánh nặng cho nguồn nhân lực và cho phép nhân viên tập trung vào các nhiệm vụ mang tính chiến lược và sáng tạo hơn.

Khi công nghệ AI tiếp tục phát triển, khả năng của các tác nhân AI tổng hợp dự kiến ​​sẽ mở rộng, mang đến nhiều cơ hội hơn nữa cho khách hàng để đạt được lợi thế cạnh tranh. Đi đầu trong sự tiến hóa này là nền tảng Amazon, một dịch vụ được quản lý hoàn toàn giúp cung cấp các mô hình nền tảng (FM) hiệu suất cao từ Amazon và các công ty AI hàng đầu khác thông qua API. Với Amazon Bedrock, bạn có thể xây dựng và mở rộng quy mô các ứng dụng AI tổng quát với tính bảo mật, quyền riêng tư và AI có trách nhiệm. Bây giờ bạn có thể sử dụng Đại lý cho Amazon Bedrock và Cơ sở kiến ​​thức về Amazon Bedrock để định cấu hình các tác nhân chuyên biệt chạy liền mạch các hành động dựa trên đầu vào ngôn ngữ tự nhiên và dữ liệu của tổ chức bạn. Các tác nhân được quản lý này đóng vai trò điều phối các tương tác giữa FM, tích hợp API, cuộc trò chuyện của người dùng và nguồn kiến ​​thức được tải cùng với dữ liệu của bạn.

Bài đăng này nêu bật cách bạn có thể sử dụng Đại lý và Cơ sở kiến ​​thức cho Amazon Bedrock để xây dựng dựa trên các tài nguyên doanh nghiệp hiện có nhằm tự động hóa các nhiệm vụ liên quan đến vòng đời yêu cầu bảo hiểm, mở rộng quy mô và cải thiện dịch vụ khách hàng một cách hiệu quả, đồng thời tăng cường hỗ trợ quyết định thông qua quản lý kiến ​​thức được cải thiện. Đại lý bảo hiểm do Amazon Bedrock cung cấp có thể hỗ trợ các đại lý con người bằng cách tạo yêu cầu bồi thường mới, gửi lời nhắc tài liệu đang chờ xử lý đối với các yêu cầu mở, thu thập bằng chứng yêu cầu bồi thường và tìm kiếm thông tin trên các yêu cầu bồi thường hiện có và kho lưu trữ kiến ​​thức khách hàng.

Tổng quan về giải pháp

Mục tiêu của giải pháp này là đóng vai trò là nền tảng cho khách hàng, trao quyền cho bạn tạo các đại lý chuyên biệt của riêng mình cho các nhu cầu khác nhau như trợ lý ảo và nhiệm vụ tự động hóa. Mã và tài nguyên cần thiết để triển khai có sẵn trong kho lưu trữ ví dụ amazon-bedrock.

Bản ghi demo sau đây nêu bật chức năng của Đại lý và Cơ sở kiến ​​thức cho Amazon Bedrock cũng như chi tiết triển khai kỹ thuật.

Đại lý và Cơ sở kiến ​​thức cho Amazon Bedrock phối hợp với nhau để cung cấp các khả năng sau:

• Điều phối nhiệm vụ – Đại lý sử dụng FM để hiểu các yêu cầu bằng ngôn ngữ tự nhiên và phân tích các nhiệm vụ nhiều bước thành các bước nhỏ hơn, có thể thực hiện được.
• Thu thập dữ liệu tương tác – Đại lý tham gia vào các cuộc trò chuyện tự nhiên để thu thập thông tin bổ sung từ người dùng.
• Hoàn thành nhiệm vụ – Đại lý hoàn thành các yêu cầu của khách hàng thông qua chuỗi các bước suy luận và hành động tương ứng dựa trên Nhắc lại hành động.
• Hệ thống tích hợp – Đại lý thực hiện lệnh gọi API tới các hệ thống tích hợp của công ty để thực hiện các hành động cụ thể.
• Truy vấn dữ liệu – Cơ sở kiến ​​thức nâng cao độ chính xác và hiệu suất thông qua quản lý toàn diện Truy xuất thế hệ tăng cường (RAG) bằng cách sử dụng các nguồn dữ liệu dành riêng cho khách hàng.
• Ghi công nguồn – Các tác nhân tiến hành phân bổ nguồn, xác định và truy tìm nguồn gốc của thông tin hoặc hành động thông qua suy luận theo chuỗi suy nghĩ.

Sơ đồ sau minh họa kiến ​​trúc giải pháp.

Quy trình làm việc bao gồm các bước sau:

1. Người dùng cung cấp đầu vào ngôn ngữ tự nhiên cho tác nhân. Sau đây là một số lời nhắc ví dụ:
   1. Tạo một yêu cầu mới.
   2. Gửi lời nhắc về các tài liệu đang chờ xử lý tới người có hợp đồng bảo hiểm yêu cầu bồi thường 2s34w-8x.
   3. Thu thập bằng chứng cho yêu cầu bồi thường 5t16u-7v.
   4. Tổng số tiền yêu cầu bồi thường cho yêu cầu bồi thường 3b45c-9d là bao nhiêu?
   5. Tổng ước tính sửa chữa cho cùng một yêu cầu đó là bao nhiêu?
   6. Những yếu tố nào quyết định phí bảo hiểm xe hơi của tôi?
   7. Làm cách nào để tôi có thể giảm mức phí bảo hiểm xe ô tô của mình?
   8. Những xác nhận quyền sở hữu nào có trạng thái mở?
   9. Gửi lời nhắc tới tất cả các chủ hợp đồng có yêu cầu bồi thường mở.
2. Trong quá trình tiền xử lý, tác nhân xác thực, ngữ cảnh hóa và phân loại dữ liệu đầu vào của người dùng. Đầu vào (hoặc tác vụ) của người dùng được tác nhân diễn giải bằng cách sử dụng lịch sử trò chuyện cũng như các hướng dẫn và FM cơ bản đã được chỉ định trong tạo đại lý. Hướng dẫn của tác nhân là những hướng dẫn mô tả phác thảo các hành động dự định của tác nhân. Ngoài ra, bạn có thể tùy ý cấu hình lời nhắc nâng cao, cho phép bạn nâng cao độ chính xác của nhân viên hỗ trợ bằng cách sử dụng các cấu hình chi tiết hơn và cung cấp các ví dụ được chọn thủ công để nhắc nhở vài lần chụp. Phương pháp này cho phép bạn nâng cao hiệu suất của mô hình bằng cách cung cấp các ví dụ được gắn nhãn liên quan đến một nhiệm vụ cụ thể.
3. Nhóm hành động là một tập hợp các API và logic nghiệp vụ tương ứng, có lược đồ OpenAPI được định nghĩa là các tệp JSON được lưu trữ trong Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3). Lược đồ cho phép tác nhân suy luận về chức năng của từng API. Mỗi nhóm hành động có thể chỉ định một hoặc nhiều đường dẫn API mà logic nghiệp vụ của chúng được chạy qua AWS Lambda chức năng liên quan đến nhóm hành động.
4. Cơ sở Kiến thức dành cho Amazon Bedrock cung cấp RAG được quản lý hoàn toàn để cung cấp cho đại lý quyền truy cập vào dữ liệu của bạn. Trước tiên, bạn định cấu hình cơ sở tri thức bằng cách chỉ định mô tả hướng dẫn tác nhân khi nào nên sử dụng cơ sở tri thức của bạn. Sau đó, bạn trỏ cơ sở kiến ​​thức tới nguồn dữ liệu Amazon S3 của mình. Cuối cùng, bạn chỉ định mô hình nhúng và chọn sử dụng kho vectơ hiện có của mình hoặc cho phép Amazon Bedrock thay mặt bạn tạo kho vectơ. Sau khi được cấu hình, mỗi đồng bộ nguồn dữ liệu tạo các vectơ nhúng cho dữ liệu của bạn mà tác nhân có thể sử dụng để trả về thông tin cho người dùng hoặc tăng cường các lời nhắc FM tiếp theo.
5. Trong quá trình điều phối, tác nhân phát triển cơ sở lý luận với các bước logic trong đó cần có lệnh gọi API của nhóm hành động và truy vấn cơ sở kiến ​​thức để tạo ra một quan sát có thể được sử dụng để tăng cường lời nhắc cơ sở cho FM cơ bản. Lời nhắc kiểu ReAct này đóng vai trò là đầu vào để kích hoạt FM, sau đó dự đoán chuỗi hành động tối ưu nhất để hoàn thành nhiệm vụ của người dùng.
6. Trong quá trình xử lý hậu kỳ, sau khi tất cả các lần lặp lại điều phối hoàn tất, tổng đài viên sẽ sắp xếp phản hồi cuối cùng. Xử lý hậu kỳ bị tắt theo mặc định.

Trong các phần sau, chúng tôi thảo luận về các bước chính để triển khai giải pháp, bao gồm các bước trước khi triển khai cũng như thử nghiệm và xác thực.

Tạo tài nguyên giải pháp với AWS CloudFormation

Trước khi tạo đại lý và cơ sở kiến ​​thức, điều cần thiết là phải thiết lập một môi trường mô phỏng phản ánh chặt chẽ các tài nguyên hiện có được khách hàng sử dụng. Đại lý và Cơ sở kiến ​​thức cho Amazon Bedrock được thiết kế để xây dựng dựa trên các tài nguyên này, sử dụng logic kinh doanh do Lambda phân phối và kho lưu trữ dữ liệu khách hàng được lưu trữ trong Amazon S3. Sự liên kết nền tảng này cung cấp sự tích hợp liền mạch giữa các giải pháp cơ sở tri thức và đại lý với cơ sở hạ tầng đã thiết lập của bạn.

Để mô phỏng các tài nguyên khách hàng hiện có được đại lý sử dụng, giải pháp này sử dụng tạo-khách hàng-resource.sh tập lệnh shell để tự động cung cấp tham số Hình thành đám mây AWS bản mẫu, bedrock-khách hàng-resource.yml, để triển khai các tài nguyên sau:

• An Máy phát điện Amazon bảng chứa tổng hợp dữ liệu khiếu nại.
• Ba hàm Lambda đại diện cho logic kinh doanh của khách hàng để tạo xác nhận quyền sở hữu, gửi lời nhắc tài liệu đang chờ xử lý đối với các xác nhận quyền sở hữu ở trạng thái mở và thu thập bằng chứng về các xác nhận quyền sở hữu mới và hiện có.
• Bộ chứa S3 chứa tài liệu API ở định dạng lược đồ OpenAPI cho các hàm Lambda trước đó và ước tính sửa chữa, số tiền yêu cầu bồi thường, Câu hỏi thường gặp của công ty và mô tả tài liệu yêu cầu bồi thường bắt buộc sẽ được sử dụng làm tài liệu yêu cầu bồi thường của chúng tôi. tài sản nguồn dữ liệu cơ sở tri thức.
• An Dịch vụ thông báo đơn giản của Amazon (Amazon SNS) chủ đề mà chủ sở hữu chính sách đăng ký email để nhận thông báo qua email về trạng thái khiếu nại và các hành động đang chờ xử lý.
• Quản lý truy cập và nhận dạng AWS (IAM) cho các tài nguyên trước đó.

AWS CloudFormation điền trước các tham số ngăn xếp bằng các giá trị mặc định được cung cấp trong mẫu. Để cung cấp các giá trị đầu vào thay thế, bạn có thể chỉ định các tham số dưới dạng biến môi trường được tham chiếu trong ParameterKey=<ParameterKey>,ParameterValue=<Value> cặp trong tập lệnh shell sau aws cloudformation create-stack chỉ huy.

Hoàn thành các bước sau để cung cấp tài nguyên của bạn:

1. Tạo một bản sao cục bộ của amazon-bedrock-samples kho lưu trữ bằng cách sử dụng git clone:

   git clone https://github.com/aws-samples/amazon-bedrock-samples.git

2. Trước khi chạy tập lệnh shell, hãy điều hướng đến thư mục nơi bạn đã sao chép tập lệnh shell amazon-bedrock-samples kho lưu trữ và sửa đổi các quyền của tập lệnh Shell để có thể thực thi được:

   # If not already cloned, clone the remote repository (https://github.com/aws-samples/amazon-bedrock-samples) and change working directory to insurance agent shell folder
   cd amazon-bedrock-samples/agents/insurance-claim-lifecycle-automation/shell/
   chmod u+x create-customer-resources

3. Đặt tên ngăn xếp CloudFormation, email SNS và các biến môi trường URL tải lên bằng chứng. Email SNS sẽ được sử dụng để thông báo cho chủ hợp đồng và URL tải lên bằng chứng sẽ được chia sẻ với chủ hợp đồng để tải lên bằng chứng khiếu nại của họ. Các mẫu xử lý yêu cầu bảo hiểm cung cấp giao diện người dùng mẫu cho URL tải lên bằng chứng.

   export STACK_NAME=<YOUR-STACK-NAME> # Stack name must be lower case for S3 bucket naming convention
   export SNS_EMAIL=<YOUR-POLICY-HOLDER-EMAIL> # Email used for SNS notifications
   export EVIDENCE_UPLOAD_URL=<YOUR-EVIDENCE-UPLOAD-URL> # URL provided by the agent to the policy holder for evidence upload

4. Chạy create-customer-resources.sh tập lệnh shell để triển khai các tài nguyên khách hàng được mô phỏng được xác định trong bedrock-insurance-agent.yml Mẫu CloudFormation. Đây là những tài nguyên mà trên đó tác nhân và cơ sở tri thức sẽ được xây dựng.

   source ./create-customer-resources.sh

Trước đó source ./create-customer-resources.sh lệnh shell chạy như sau Giao diện dòng lệnh AWS (AWS CLI) lệnh để triển khai ngăn xếp tài nguyên khách hàng được mô phỏng:

export ACCOUNT_ID=$(aws sts get-caller-identity --query Account --output text)
export ARTIFACT_BUCKET_NAME=$STACK_NAME-customer-resources
export DATA_LOADER_KEY="agent/lambda/data-loader/loader_deployment_package.zip"
export CREATE_CLAIM_KEY="agent/lambda/action-groups/create_claim.zip"
export GATHER_EVIDENCE_KEY="agent/lambda/action-groups/gather_evidence.zip"
export SEND_REMINDER_KEY="agent/lambda/action-groups/send_reminder.zip"

aws s3 mb s3://${ARTIFACT_BUCKET_NAME} --region us-east-1
aws s3 cp ../agent/ s3://${ARTIFACT_BUCKET_NAME}/agent/ --recursive --exclude ".DS_Store"

export BEDROCK_AGENTS_LAYER_ARN=$(aws lambda publish-layer-version 
--layer-name bedrock-agents 
--description "Agents for Bedrock Layer" 
--license-info "MIT" 
--content S3Bucket=${ARTIFACT_BUCKET_NAME},S3Key=agent/lambda/lambda-layer/bedrock-agents-layer.zip 
--compatible-runtimes python3.11 
--query LayerVersionArn --output text)

aws cloudformation create-stack 
--stack-name ${STACK_NAME} 
--template-body file://../cfn/bedrock-customer-resources.yml 
--parameters 
ParameterKey=ArtifactBucket,ParameterValue=${ARTIFACT_BUCKET_NAME} 
ParameterKey=DataLoaderKey,ParameterValue=${DATA_LOADER_KEY} 
ParameterKey=CreateClaimKey,ParameterValue=${CREATE_CLAIM_KEY} 
ParameterKey=GatherEvidenceKey,ParameterValue=${GATHER_EVIDENCE_KEY} 
ParameterKey=SendReminderKey,ParameterValue=${SEND_REMINDER_KEY} 
ParameterKey=BedrockAgentsLayerArn,ParameterValue=${BEDROCK_AGENTS_LAYER_ARN} 
ParameterKey=SNSEmail,ParameterValue=${SNS_EMAIL} 
ParameterKey=EvidenceUploadUrl,ParameterValue=${EVIDENCE_UPLOAD_URL} 
--capabilities CAPABILITY_NAMED_IAM

aws cloudformation describe-stacks --stack-name $STACK_NAME --query "Stacks[0].StackStatus"
aws cloudformation wait stack-create-complete --stack-name $STACK_NAME

Tạo cơ sở kiến ​​thức

Cơ sở Kiến thức dành cho Amazon Bedrock sử dụng RAG, một kỹ thuật khai thác kho dữ liệu khách hàng để nâng cao phản hồi do FM tạo ra. Cơ sở kiến ​​thức cho phép các đại lý truy cập vào kho dữ liệu khách hàng hiện có mà không cần tốn nhiều chi phí quản trị viên. Để kết nối cơ sở kiến ​​thức với dữ liệu của mình, bạn chỉ định nhóm S3 làm nguồn dữ liệu. Với nền tảng kiến ​​thức, các ứng dụng thu được thông tin theo ngữ cảnh phong phú, hợp lý hóa quá trình phát triển thông qua giải pháp RAG được quản lý hoàn toàn. Mức độ trừu tượng này giúp tăng tốc thời gian tiếp thị bằng cách giảm thiểu nỗ lực kết hợp dữ liệu của bạn vào chức năng của tổng đài viên và tối ưu hóa chi phí bằng cách loại bỏ sự cần thiết phải đào tạo lại mô hình liên tục để sử dụng dữ liệu riêng tư.

Sơ đồ sau minh họa kiến ​​trúc của cơ sở tri thức với mô hình nhúng.

Chức năng cơ sở kiến ​​thức được mô tả thông qua hai quy trình chính: tiền xử lý (Bước 1-3) và thời gian chạy (Bước 4-7):

1. Tài liệu trải qua quá trình phân đoạn (phân đoạn) thành các phần có thể quản lý được.
2. Những phần đó được chuyển đổi thành phần nhúng bằng mô hình nhúng Amazon Bedrock.
3. Các phần nhúng được sử dụng để tạo chỉ mục vectơ, cho phép so sánh sự giống nhau về ngữ nghĩa giữa các truy vấn của người dùng và văn bản nguồn dữ liệu.
4. Trong thời gian chạy, người dùng cung cấp nội dung nhập văn bản của họ dưới dạng lời nhắc.
5. Văn bản đầu vào được chuyển đổi thành vectơ bằng mô hình nhúng Amazon Bedrock.
6. Chỉ mục vectơ được truy vấn các đoạn liên quan đến truy vấn của người dùng, tăng cường lời nhắc người dùng bằng ngữ cảnh bổ sung được truy xuất từ ​​chỉ mục vectơ.
7. Lời nhắc tăng cường, cùng với ngữ cảnh bổ sung, được sử dụng để tạo phản hồi cho người dùng.

Để tạo cơ sở kiến ​​thức, hãy hoàn thành các bước sau:

1. Trên bảng điều khiển Amazon Bedrock, chọn Kiến thức cơ bản trong khung điều hướng.
2. Chọn Tạo nền tảng kiến ​​thức.
3. Theo Cung cấp chi tiết cơ sở kiến ​​thức, nhập tên và mô tả tùy chọn, để lại tất cả cài đặt mặc định. Đối với bài đăng này, chúng tôi nhập mô tả:
   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.
4. Theo Thiết lập nguồn dữ liệu, nhập tên.
5. Chọn Duyệt qua S3 Và chọn knowledge-base-assets thư mục của nhóm S3 nguồn dữ liệu mà bạn đã triển khai trước đó (<YOUR-STACK-NAME>-customer-resources/agent/knowledge-base-assets/).
   
6. Theo Chọn mô hình nhúng và định cấu hình cửa hàng vectơ, chọn Titan Nhúng G1 – Văn Bản và để nguyên các cài đặt mặc định khác. MỘT Amazon OpenSearch Serverless bộ sưu tập sẽ được tạo ra cho bạn. Kho lưu trữ vectơ này là nơi lưu trữ các phần nhúng tiền xử lý cơ sở kiến ​​thức và sau đó được sử dụng để tìm kiếm sự tương đồng về ngữ nghĩa giữa các truy vấn và văn bản nguồn dữ liệu.
7. Theo Xem lại và tạo, xác nhận cài đặt cấu hình của bạn, sau đó chọn Tạo nền tảng kiến ​​thức.
   
8. Sau khi cơ sở kiến ​​thức của bạn được tạo, biểu ngữ “được tạo thành công” màu xanh lá cây sẽ hiển thị cùng với tùy chọn đồng bộ hóa nguồn dữ liệu của bạn. Chọn Đồng bộ để bắt đầu đồng bộ hóa nguồn dữ liệu.
   
9. Trên bảng điều khiển Amazon Bedrock, hãy điều hướng đến cơ sở kiến ​​thức bạn vừa tạo, sau đó ghi lại ID cơ sở kiến ​​thức bên dưới Tổng quan về cơ sở kiến ​​thức.
   
10. Với cơ sở tri thức của bạn vẫn được chọn, hãy chọn nguồn dữ liệu cơ sở tri thức được liệt kê bên dưới Nguồn dữ liệu, sau đó ghi lại ID nguồn dữ liệu bên dưới Tổng quan về nguồn dữ liệu.
    

ID cơ sở kiến ​​thức và ID nguồn dữ liệu được sử dụng làm biến môi trường ở bước sau khi bạn triển khai giao diện người dùng web Streamlit cho tổng đài viên của mình.

Tạo một đại lý

Tác nhân hoạt động thông qua quy trình chạy tại thời điểm xây dựng, bao gồm một số thành phần chính:

• Mô hình móng – Người dùng chọn một FM hướng dẫn tác nhân diễn giải đầu vào của người dùng, tạo phản hồi và chỉ đạo các hành động tiếp theo trong quá trình điều phối của nó.
• Hướng Dẫn – Người dùng tạo các hướng dẫn chi tiết phác thảo chức năng dự định của tác nhân. Lời nhắc nâng cao tùy chọn cho phép tùy chỉnh ở từng bước điều phối, kết hợp các hàm Lambda để phân tích cú pháp kết quả đầu ra.
• (Tùy chọn) Nhóm hành động – Người dùng xác định hành động cho tác nhân, sử dụng lược đồ OpenAPI để xác định API cho các lần chạy tác vụ và hàm Lambda để xử lý đầu vào và đầu ra API.
• (Tùy chọn) Cơ sở kiến ​​thức – Người dùng có thể liên kết các tác nhân với cơ sở kiến ​​thức, cấp quyền truy cập vào bối cảnh bổ sung cho các bước tạo và điều phối phản hồi.

Tác nhân trong giải pháp mẫu này sử dụng Anthropic Claude V2.1 FM trên Amazon Bedrock, một bộ hướng dẫn, ba nhóm hành động và một cơ sở kiến ​​thức.

Để tạo một đại lý, hãy hoàn thành các bước sau:

1. Trên bảng điều khiển Amazon Bedrock, chọn Đại lý trong khung điều hướng.
2. Chọn Tạo đại lý.
3. Theo Cung cấp thông tin chi tiết về Đại lý, nhập tên tác nhân và mô tả tùy chọn, để lại tất cả các cài đặt mặc định khác.
4. Theo Chọn mô hình, chọn Nhân chủng học Claude V2.1 và chỉ định các hướng dẫn sau cho đại lý: 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
5. Chọn Sau.
6. Theo Thêm nhóm hành động, thêm nhóm hành động đầu tiên của bạn:
   1. Trong Nhập tên nhóm hành động, đi vào create-claim.
   2. Trong Mô tả, đi vào Use this action group to create an insurance claim
   3. Trong Chọn hàm Lambda, chọn <YOUR-STACK-NAME>-CreateClaimFunction.
   4. Trong Chọn lược đồ API, chọn Duyệt qua S3, chọn nhóm được tạo trước đó (<YOUR-STACK-NAME>-customer-resources), tiếp đó hãy chọn agent/api-schema/create_claim.json.
      
7. Tạo nhóm hành động thứ hai:
   1. Trong Nhập tên nhóm hành động, đi vào gather-evidence.
   2. Trong Mô tả, đi vào 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
   3. Trong Chọn hàm Lambda, chọn <YOUR-STACK-NAME>-GatherEvidenceFunction.
   4. Trong Chọn lược đồ API, chọn Duyệt qua S3, chọn nhóm được tạo trước đó, sau đó chọn agent/api-schema/gather_evidence.json.
8. Tạo nhóm hành động thứ ba:
   1. Trong Nhập tên nhóm hành động, đi vào send-reminder.
   2. Trong Mô tả, đi vào Use this action group to check claim status, identify missing or pending documents, and send reminders to policy holders
   3. Trong Chọn hàm Lambda, chọn <YOUR-STACK-NAME>-SendReminderFunction.
   4. Trong Chọn lược đồ API, chọn Duyệt qua S3, chọn nhóm được tạo trước đó, sau đó chọn agent/api-schema/send_reminder.json.
9. Chọn Sau.
10. Trong Lựa chọn cơ sở kiến ​​thức, chọn cơ sở kiến ​​thức bạn đã tạo trước đó (claims-knowledge-base).
11. Trong Hướng dẫn cơ sở kiến ​​thức dành cho Đại lý, nhập theo chỉ dẫn: 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
12. Chọn Sau.
    
13. Theo Xem lại và tạo, xác nhận cài đặt cấu hình của bạn, sau đó chọn Tạo đại lý.
    

Sau khi tác nhân của bạn được tạo, bạn sẽ thấy biểu ngữ “được tạo thành công” màu xanh lá cây.

Kiểm tra và xác nhận

Quy trình kiểm tra sau đây nhằm mục đích xác minh rằng tác nhân xác định và hiểu chính xác ý định của người dùng trong việc tạo các xác nhận quyền sở hữu mới, gửi lời nhắc tài liệu đang chờ xử lý đối với các xác nhận quyền sở hữu mở, thu thập bằng chứng xác nhận quyền sở hữu và tìm kiếm thông tin trên các xác nhận quyền sở hữu hiện có và kho lưu trữ kiến ​​thức khách hàng. Độ chính xác của phản hồi được xác định bằng cách đánh giá mức độ liên quan, mạch lạc và tính chất giống con người của các câu trả lời do Đại lý và Cơ sở tri thức tạo ra cho Amazon Bedrock.

Các biện pháp đánh giá và kỹ thuật đánh giá

Xác thực hướng dẫn tác nhân và đầu vào của người dùng bao gồm:

• Sơ chế – Sử dụng lời nhắc mẫu để đánh giá khả năng diễn giải, hiểu biết và phản hồi của nhân viên đối với các thông tin đầu vào đa dạng của người dùng. Xác thực sự tuân thủ của tổng đài viên đối với các hướng dẫn đã định cấu hình để xác thực, ngữ cảnh hóa và phân loại chính xác thông tin đầu vào của người dùng.
• Dàn nhạc – Đánh giá các bước logic mà tác nhân tuân theo (ví dụ: “Dấu vết”) đối với các lệnh gọi API của nhóm hành động và truy vấn cơ sở kiến ​​thức để nâng cao lời nhắc cơ sở cho FM.
• Hậu xử lý – Xem lại các phản hồi cuối cùng do tác nhân tạo ra sau các lần lặp lại điều phối để đảm bảo tính chính xác và phù hợp. Quá trình xử lý hậu kỳ không hoạt động theo mặc định và do đó không được bao gồm trong hoạt động theo dõi của tác nhân của chúng tôi.

Đánh giá nhóm hành động bao gồm:

• Xác thực lược đồ API – Xác thực rằng lược đồ OpenAPI (được định nghĩa là các tệp JSON được lưu trữ trong Amazon S3) hướng dẫn hiệu quả lý luận của tác nhân xung quanh mục đích của từng API.
• Triển khai logic nghiệp vụ – Kiểm tra việc triển khai logic nghiệp vụ được liên kết với đường dẫn API thông qua các hàm Lambda được liên kết với nhóm hành động.

Đánh giá cơ sở tri thức bao gồm:

• Xác minh cấu hình – Xác nhận rằng các hướng dẫn cơ sở kiến ​​thức sẽ hướng dẫn chính xác cho tác nhân về thời điểm truy cập dữ liệu.
• Tích hợp nguồn dữ liệu S3 – Xác thực khả năng của tác nhân trong việc truy cập và sử dụng dữ liệu được lưu trữ trong nguồn dữ liệu S3 được chỉ định.

Thử nghiệm từ đầu đến cuối bao gồm:

• Quy trình làm việc tích hợp – Thực hiện các bài kiểm tra toàn diện liên quan đến cả nhóm hành động và cơ sở kiến ​​thức để mô phỏng các tình huống trong thế giới thực.
• Đánh giá chất lượng phản hồi – Đánh giá tính chính xác, phù hợp và mạch lạc tổng thể của các phản ứng của tác nhân trong các bối cảnh và kịch bản đa dạng.

Kiểm tra nền tảng kiến ​​thức

Sau khi thiết lập cơ sở kiến ​​thức của bạn trong Amazon Bedrock, bạn có thể trực tiếp kiểm tra hành vi của nó để đánh giá phản hồi của nó trước khi tích hợp nó với một tổng đài viên. Quá trình kiểm tra này cho phép bạn đánh giá hiệu suất của cơ sở kiến ​​thức, kiểm tra phản hồi và khắc phục sự cố bằng cách khám phá các khối nguồn mà thông tin được truy xuất. Hoàn thành các bước sau:

1. Trên bảng điều khiển Amazon Bedrock, chọn Kiến thức cơ bản trong khung điều hướng.
   
2. Chọn cơ sở kiến ​​thức bạn muốn kiểm tra, sau đó chọn Thử nghiệm để mở rộng cửa sổ trò chuyện.
   
3. Trong cửa sổ kiểm tra, chọn mô hình nền tảng của bạn để tạo phản hồi.
   
4. Kiểm tra cơ sở kiến ​​thức của bạn bằng cách sử dụng các truy vấn mẫu sau đây và các thông tin đầu vào khác:
   1. Chẩn đoán về ước tính sửa chữa cho yêu cầu ID 2s34w-8x là gì?
   2. Giải pháp và ước tính sửa chữa cho cùng một khiếu nại là gì?
   3. Tài xế nên làm gì sau tai nạn?
   4. Những gì được khuyến nghị cho báo cáo và hình ảnh tai nạn?
   5. Khoản khấu trừ là gì và nó hoạt động như thế nào?
      
      

Bạn có thể chuyển đổi giữa việc tạo phản hồi và trả lời trích dẫn trực tiếp trong cửa sổ trò chuyện, đồng thời bạn có tùy chọn xóa cửa sổ trò chuyện hoặc sao chép tất cả kết quả đầu ra bằng các biểu tượng được cung cấp.

Để kiểm tra các phản hồi cơ sở kiến ​​thức và các đoạn nguồn, bạn có thể chọn chú thích cuối trang tương ứng hoặc chọn Hiển thị chi tiết kết quả. Cửa sổ đoạn nguồn sẽ xuất hiện, cho phép bạn tìm kiếm, sao chép văn bản đoạn và điều hướng đến nguồn dữ liệu S3.

Kiểm tra đại lý

Sau khi thử nghiệm thành công cơ sở tri thức của bạn, giai đoạn phát triển tiếp theo bao gồm việc chuẩn bị và thử nghiệm chức năng của đại lý của bạn. Việc chuẩn bị tác nhân bao gồm việc đóng gói các thay đổi mới nhất, trong khi việc thử nghiệm mang lại cơ hội quan trọng để tương tác và đánh giá hành vi của tác nhân. Thông qua quá trình này, bạn có thể tinh chỉnh các khả năng của tổng đài viên, nâng cao hiệu quả của nó và giải quyết mọi vấn đề tiềm ẩn hoặc những cải tiến cần thiết để đạt được hiệu suất tối ưu. Hoàn thành các bước sau:

1. Trên bảng điều khiển Amazon Bedrock, chọn Đại lý trong khung điều hướng.
   
2. Chọn đại lý của bạn và lưu ý ID đại lý.
   
   Bạn sử dụng ID nhân viên hỗ trợ làm biến môi trường ở bước sau khi triển khai giao diện người dùng web Streamlit cho nhân viên hỗ trợ của mình.
3. Điều hướng đến dự thảo làm việc. Ban đầu, bạn có một bản nháp đang hoạt động và một bản mặc định TestAlias chỉ vào dự thảo này. Dự thảo làm việc cho phép phát triển lặp đi lặp lại.
4. Chọn Chuẩn bị để đóng gói tác nhân với những thay đổi mới nhất trước khi thử nghiệm. Bạn nên thường xuyên kiểm tra thời gian chuẩn bị cuối cùng của đại lý để xác nhận rằng bạn đang thử nghiệm với cấu hình mới nhất.
   
5. Truy cập cửa sổ kiểm tra từ bất kỳ trang nào trong bảng điều khiển dự thảo đang hoạt động của tổng đài viên bằng cách chọn Thử nghiệm hoặc biểu tượng mũi tên trái.
6. Trong cửa sổ kiểm tra, chọn bí danh và phiên bản của nó để kiểm tra. Đối với bài đăng này, chúng tôi sử dụng TestAlias để gọi phiên bản dự thảo của đại diện của bạn. Nếu tác nhân chưa được chuẩn bị, lời nhắc sẽ xuất hiện trong cửa sổ kiểm tra.
   
7. Kiểm tra nhân viên hỗ trợ của bạn bằng cách sử dụng các lời nhắc mẫu sau đây và các thông tin đầu vào khác:
   1. Tạo một yêu cầu mới.
   2. Gửi lời nhắc về các tài liệu đang chờ xử lý tới người có hợp đồng bảo hiểm yêu cầu bồi thường 2s34w-8x.
   3. Thu thập bằng chứng cho yêu cầu bồi thường 5t16u-7v.
   4. Tổng số tiền yêu cầu bồi thường cho yêu cầu bồi thường 3b45c-9d là bao nhiêu?
   5. Tổng ước tính sửa chữa cho cùng một yêu cầu đó là bao nhiêu?
   6. Những yếu tố nào quyết định phí bảo hiểm xe hơi của tôi?
   7. Làm cách nào để tôi có thể giảm mức phí bảo hiểm xe ô tô của mình?
   8. Những xác nhận quyền sở hữu nào có trạng thái mở?
   9. Gửi lời nhắc tới tất cả các chủ hợp đồng có yêu cầu bồi thường mở.

Đảm bảo chọn Chuẩn bị sau khi thực hiện các thay đổi để áp dụng chúng trước khi thử nghiệm tác nhân.

Ví dụ về cuộc trò chuyện thử nghiệm sau đây nêu bật khả năng của tổng đài viên trong việc gọi các API nhóm hành động bằng logic nghiệp vụ AWS Lambda để truy vấn bảng Amazon DynamoDB của khách hàng và gửi thông báo cho khách hàng bằng cách sử dụng Dịch vụ thông báo đơn giản của Amazon. Chuỗi cuộc trò chuyện tương tự thể hiện sự tích hợp cơ sở kiến ​​thức và đại lý để cung cấp cho người dùng phản hồi bằng cách sử dụng các nguồn dữ liệu đáng tin cậy của khách hàng, như số tiền yêu cầu bồi thường và tài liệu Câu hỏi thường gặp.

Công cụ phân tích và gỡ lỗi tác nhân

Dấu vết phản hồi của tổng đài viên chứa thông tin cần thiết nhằm hỗ trợ việc hiểu quá trình ra quyết định của tổng đài viên ở từng giai đoạn, tạo điều kiện thuận lợi cho việc gỡ lỗi và cung cấp thông tin chi tiết về các lĩnh vực cần cải thiện. Các ModelInvocationInput đối tượng trong mỗi dấu vết cung cấp các cấu hình và cài đặt chi tiết được sử dụng trong quá trình ra quyết định của tổng đài viên, cho phép khách hàng phân tích và nâng cao hiệu quả của tổng đài viên.

Nhân viên hỗ trợ của bạn sẽ sắp xếp thông tin đầu vào của người dùng vào một trong các danh mục sau:

• Loại A – Thông tin đầu vào độc hại hoặc có hại, ngay cả khi chúng là tình huống hư cấu.
• Loại B – Thông tin đầu vào mà người dùng đang cố gắng lấy thông tin về các chức năng, API hoặc hướng dẫn mà tác nhân gọi hàm của chúng tôi đã được cung cấp hoặc thông tin đầu vào đang cố gắng thao túng hành vi hoặc hướng dẫn của tác nhân gọi hàm của chúng tôi hoặc của bạn.
• Loại C – Các câu hỏi mà nhân viên gọi chức năng của chúng tôi sẽ không thể trả lời hoặc cung cấp thông tin hữu ích để chỉ sử dụng các chức năng mà nó đã được cung cấp.
• Loại D – Các câu hỏi có thể được trả lời hoặc hỗ trợ bởi tác nhân gọi hàm của chúng tôi chỉ bằng cách sử dụng các hàm đã được cung cấp và các đối số từ bên trong conversation_history hoặc các đối số có liên quan mà nó có thể thu thập được bằng cách sử dụng askuser chức năng.
• Loại E – Đầu vào không phải là câu hỏi mà thay vào đó là câu trả lời cho câu hỏi mà tác nhân gọi hàm đã hỏi người dùng. Đầu vào chỉ đủ điều kiện cho danh mục này khi askuser function là hàm cuối cùng mà tác nhân gọi hàm gọi trong cuộc hội thoại. Bạn có thể kiểm tra điều này bằng cách đọc qua conversation_history.

Chọn Hiển thị dấu vết theo phản hồi để xem cấu hình và quy trình lý luận của tác nhân, bao gồm cả cơ sở kiến ​​thức và cách sử dụng nhóm hành động. Dấu vết có thể được mở rộng hoặc thu gọn để phân tích chi tiết. Các phản hồi có thông tin có nguồn gốc cũng chứa chú thích cuối trang để trích dẫn.

Trong ví dụ về theo dõi nhóm hành động sau đây, tác nhân ánh xạ đầu vào của người dùng tới create-claim nhóm hành động createClaim chức năng trong quá trình tiền xử lý. Tác nhân có hiểu biết về chức năng này dựa trên hướng dẫn tác nhân, mô tả nhóm hành động và lược đồ OpenAPI. Trong quá trình điều phối, trong trường hợp này có hai bước, tác tử sẽ gọi createClaim và nhận được phản hồi bao gồm ID yêu cầu mới được tạo và danh sách các tài liệu đang chờ xử lý.

Trong ví dụ về truy tìm cơ sở kiến ​​thức sau đây, tác nhân ánh xạ đầu vào của người dùng vào Danh mục D trong quá trình tiền xử lý, nghĩa là một trong các chức năng có sẵn của tác nhân sẽ có thể cung cấp phản hồi. Trong suốt quá trình điều phối, tác nhân tìm kiếm cơ sở kiến ​​thức, lấy các phần có liên quan bằng cách sử dụng phần nhúng và chuyển văn bản đó đến mô hình nền tảng để tạo ra phản hồi cuối cùng.

Triển khai giao diện người dùng web Streamlit cho đại lý của bạn

Khi bạn hài lòng với hiệu suất của đại lý và cơ sở kiến ​​thức của mình, bạn đã sẵn sàng phát huy năng lực của họ. Chúng tôi sử dụng Hợp lý hóa trong giải pháp này để khởi chạy một giao diện người dùng mẫu, nhằm mô phỏng một ứng dụng sản xuất. Streamlit là thư viện Python được thiết kế để hợp lý hóa và đơn giản hóa quá trình xây dựng các ứng dụng front-end. Ứng dụng của chúng tôi cung cấp hai tính năng:

• Đầu vào lời nhắc của đại lý – Cho phép người dùng gọi đại lý sử dụng đầu vào nhiệm vụ của riêng họ.
• Tải lên tệp cơ sở kiến ​​thức – Cho phép người dùng tải các tệp cục bộ của họ lên bộ chứa S3 đang được sử dụng làm nguồn dữ liệu cho cơ sở kiến ​​thức. Sau khi tập tin được tải lên, ứng dụng bắt đầu công việc nhập để đồng bộ hóa nguồn dữ liệu cơ sở tri thức.

Để tách biệt các phần phụ thuộc của ứng dụng Streamlit và để dễ triển khai, chúng tôi sử dụng setup-streamlit-env.sh shell script để tạo môi trường Python ảo với các yêu cầu đã cài đặt. Hoàn thành các bước sau:

1. Trước khi chạy tập lệnh shell, hãy điều hướng đến thư mục nơi bạn đã sao chép tập lệnh shell amazon-bedrock-samples kho lưu trữ và sửa đổi các quyền của tập lệnh shell Streamlit để có thể thực thi được:

cd amazon-bedrock-samples/agents/insurance-claim-lifecycle-automation/agent/streamlit/
chmod u+x setup-streamlit-env.sh

2. Chạy tập lệnh shell để kích hoạt môi trường Python ảo với các phần phụ thuộc cần thiết:

source ./setup-streamlit-env.sh

3. Đặt ID tác nhân Amazon Bedrock, ID bí danh của tác nhân, ID cơ sở kiến ​​thức, ID nguồn dữ liệu, tên nhóm cơ sở kiến ​​thức và các biến môi trường Khu vực AWS:

export BEDROCK_AGENT_ID=<YOUR-AGENT-ID>
export BEDROCK_AGENT_ALIAS_ID=<YOUR-AGENT-ALIAS-ID>
export BEDROCK_KB_ID=<YOUR-KNOWLEDGE-BASE-ID>
export BEDROCK_DS_ID=<YOUR-DATA-SOURCE-ID>
export KB_BUCKET_NAME=<YOUR-KNOWLEDGE-BASE-S3-BUCKET-NAME>
export AWS_REGION=<YOUR-STACK-REGION>

4. Chạy ứng dụng Streamlit của bạn và bắt đầu thử nghiệm trong trình duyệt web cục bộ của bạn:

streamlit run agent_streamlit.py

Làm sạch

Để tránh bị tính phí trong tài khoản AWS của bạn, hãy dọn sạch tài nguyên được cung cấp của giải pháp

Sản phẩm xóa-khách hàng-resource.sh tập lệnh shell làm trống và xóa nhóm S3 của giải pháp cũng như xóa các tài nguyên được cung cấp ban đầu từ bedrock-customer-resources.yml Ngăn xếp CloudFormation. Các lệnh sau sử dụng tên ngăn xếp mặc định. Nếu bạn tùy chỉnh tên ngăn xếp, hãy điều chỉnh các lệnh cho phù hợp.

# cd amazon-bedrock-samples/agents/insurance-claim-lifecycle-automation/shell/
# chmod u+x delete-customer-resources.sh
# export STACK_NAME=<YOUR-STACK-NAME>
./delete-customer-resources.sh

Trước đó ./delete-customer-resources.sh Lệnh shell chạy các lệnh AWS CLI sau để xóa ngăn xếp tài nguyên khách hàng được mô phỏng và bộ chứa S3:

echo "Emptying and Deleting S3 Bucket: $ARTIFACT_BUCKET_NAME"
aws s3 rm s3://${ARTIFACT_BUCKET_NAME} --recursive
aws s3 rb s3://${ARTIFACT_BUCKET_NAME}

echo "Deleting CloudFormation Stack: $STACK_NAME"
aws cloudformation delete-stack --stack-name $STACK_NAME
aws cloudformation describe-stacks --stack-name $STACK_NAME --query "Stacks[0].StackStatus"
aws cloudformation wait stack-delete-complete --stack-name $STACK_NAME

Để xóa nhân viên hỗ trợ và cơ sở kiến ​​thức của bạn, hãy làm theo hướng dẫn dành cho xóa đại lý và xóa cơ sở kiến ​​thức, Tương ứng.

Những cân nhắc

Mặc dù giải pháp đã được chứng minh thể hiện khả năng của Đại lý và Cơ sở tri thức dành cho Amazon Bedrock nhưng điều quan trọng là phải hiểu rằng giải pháp này chưa sẵn sàng để đưa vào sản xuất. Đúng hơn, nó đóng vai trò như một hướng dẫn mang tính khái niệm cho những khách hàng muốn tạo ra các tác nhân được cá nhân hóa cho các nhiệm vụ cụ thể và quy trình làm việc tự động của riêng họ. Khách hàng muốn triển khai sản xuất nên tinh chỉnh và điều chỉnh mô hình ban đầu này, đồng thời lưu ý các yếu tố bảo mật sau:

• Truy cập an toàn vào API và dữ liệu:
  • Hạn chế quyền truy cập vào API, cơ sở dữ liệu và các hệ thống tích hợp tác nhân khác.
  • Sử dụng kiểm soát truy cập, quản lý bí mật và mã hóa để ngăn chặn truy cập trái phép.
• Xác thực đầu vào và vệ sinh:
  • Xác thực và vệ sinh đầu vào của người dùng để ngăn chặn các cuộc tấn công tiêm nhiễm hoặc cố gắng thao túng hành vi của tác nhân.
  • Thiết lập các quy tắc đầu vào và cơ chế xác thực dữ liệu.
• Kiểm soát truy cập để quản lý và kiểm tra tác nhân:
  • Triển khai các biện pháp kiểm soát quyền truy cập thích hợp cho bảng điều khiển và công cụ dùng để chỉnh sửa, kiểm tra hoặc định cấu hình tác nhân.
  • Giới hạn quyền truy cập vào các nhà phát triển và người thử nghiệm được ủy quyền.
• An ninh cơ sở hạ tầng:
  • Tuân thủ các biện pháp bảo mật tốt nhất của AWS liên quan đến VPC, mạng con, nhóm bảo mật, ghi nhật ký và giám sát để bảo mật cơ sở hạ tầng cơ bản.
• Xác thực hướng dẫn đại lý:
  • Thiết lập một quy trình tỉ mỉ để xem xét và xác nhận các hướng dẫn của đại lý nhằm ngăn chặn các hành vi ngoài ý muốn.
• Kiểm tra và kiểm toán:
  • Kiểm tra kỹ lưỡng tác nhân và các thành phần tích hợp.
  • Triển khai kiểm tra, ghi nhật ký và kiểm tra hồi quy các cuộc hội thoại của tổng đài viên để phát hiện và giải quyết các vấn đề.
• Bảo mật cơ sở tri thức:
  • Nếu người dùng có thể nâng cao cơ sở kiến ​​thức, hãy xác thực các nội dung tải lên để ngăn chặn các cuộc tấn công đầu độc.

Để biết những cân nhắc quan trọng khác, hãy tham khảo Xây dựng các tác nhân AI tổng hợp với Amazon Bedrock, Amazon DynamoDB, Amazon Kendra, Amazon Lex và LangChain.

Kết luận

Việc triển khai các tác nhân AI tổng hợp sử dụng Đại lý và Cơ sở tri thức cho Amazon Bedrock thể hiện sự tiến bộ đáng kể về khả năng vận hành và tự động hóa của các tổ chức. Những công cụ này không chỉ đơn giản hóa vòng đời yêu cầu bảo hiểm mà còn đặt tiền lệ cho việc ứng dụng AI trong nhiều lĩnh vực doanh nghiệp khác. Bằng cách tự động hóa các nhiệm vụ, nâng cao dịch vụ khách hàng và cải thiện quy trình ra quyết định, các tác nhân AI này trao quyền cho các tổ chức tập trung vào tăng trưởng và đổi mới, đồng thời xử lý các nhiệm vụ thường ngày và phức tạp một cách hiệu quả.

Khi chúng ta tiếp tục chứng kiến ​​sự phát triển nhanh chóng của AI, tiềm năng của các công cụ như Đại lý và Cơ sở tri thức dành cho Amazon Bedrock trong việc chuyển đổi hoạt động kinh doanh là vô cùng lớn. Các doanh nghiệp sử dụng các công nghệ này sẽ đạt được lợi thế cạnh tranh đáng kể, được đánh dấu bằng hiệu quả được cải thiện, sự hài lòng của khách hàng và khả năng ra quyết định. Không thể phủ nhận rằng tương lai của quản lý và vận hành dữ liệu doanh nghiệp đang hướng tới việc tích hợp AI nhiều hơn và Amazon Bedrock đang đi đầu trong quá trình chuyển đổi này.

Để tìm hiểu thêm, hãy truy cập Đại lý cho Amazon Bedrock, tham khảo ý kiến ​​của Tài liệu về Amazon Bedrock, khám phá cái không gian AI sáng tạo tại Community.aws, và bắt tay vào thực hiện Hội thảo Amazon Bedrock.

Lưu ý

Kyle T. Blocksom là Kiến trúc sư giải pháp cấp cao của AWS có trụ sở tại Nam California. Niềm đam mê của Kyle là gắn kết mọi người lại với nhau và tận dụng công nghệ để mang đến những giải pháp mà khách hàng yêu thích. Ngoài công việc, anh ấy thích lướt sóng, ăn uống, đấu vật với con chó của mình và chiều chuộng cháu gái và cháu trai của mình.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://aws.amazon.com/blogs/machine-learning/automate-the-insurance-claim-lifecycle-using-agents-and-knowledge-bases-for-amazon-bedrock/