improve employee productivity using genai
1.0.0
مثال مساعد GenAI لإنتاجية الموظف هو نموذج تعليمات برمجية مبتكر مصمم لرفع كفاءة وفعالية مهام الكتابة من خلال تكامل تقنيات الذكاء الاصطناعي. يستخدم هذا المثال المساعد، المصمم خصيصًا لمستخدمي AWS، Amazon Bedrock ونماذج الذكاء الاصطناعي التوليدية لأتمتة عملية إنشاء القوالب الأولية، والتي يمكن أيضًا تخصيصها لتناسب احتياجاتك الخاصة. يمكن للمستخدمين إدخال كل من النصوص والصور، مع الاستفادة من إمكانيات الوسائط المتعددة للذكاء الاصطناعي المتطور مثل عائلة Claude 3، التي تدعم التفاعل الديناميكي مع أنواع بيانات متعددة.
تم بناء مثال مساعد GenAI لإنتاجية الموظف على تقنيات AWS القوية بدون خادم مثل Lambda وAPI Gateway وDynamoDB وS3، مما يضمن قابلية التوسع والتوافر العالي والأمان من خلال Cognito. توفر هذه التقنيات أساسًا يسمح لمثال مساعد GenAI لإنتاجية الموظف بالاستجابة عند الطلب لاحتياجات المستخدم مع الحفاظ على معايير أمنية صارمة. ويستمد جوهر قدراته الإنتاجية من نماذج الذكاء الاصطناعي القوية المتوفرة في Amazon Bedrock، والتي تساعد على تقديم محتوى مخصص وعالي الجودة بسرعة.
يعرض مثال مساعد GenAI لإنتاجية الموظف وظائفه من خلال سلسلة من صور GIF التفاعلية، مما يسهل على المستخدمين فهم ميزاته والاستفادة منها:
من خلال توفير واجهة مبسطة وأدوات شاملة، لا يعمل مثال مساعد GenAI لإنتاجية الموظف على تبسيط عملية إنشاء المستندات المعقدة فحسب، بل يعزز أيضًا إنتاجية المستخدم وإبداعه. يعمل مستودع GitHub هذا كدليل لنشر هذا الحل على حسابات AWS المملوكة للمستخدمين، مما يضمن أنه يمكن لأي شخص الإعداد والبدء في الاستفادة من الإمكانات المتقدمة لمساعد الكتابة المدعوم بالذكاء الاصطناعي.
الأنماط المعمارية والمكونات القابلة لإعادة الاستخدام
بالإضافة إلى الميزات التفاعلية، يوفر مثال مساعد GenAI لإنتاجية الموظف نمطًا معماريًا قويًا لبناء حلول الذكاء الاصطناعي التوليدي على AWS. من خلال الاستفادة من خدمات Amazon Bedrock وAWS بدون خادم مثل Lambda وAPI Gateway وDynamoDB، يوضح المثال نهجًا قابلاً للتطوير وآمنًا لنشر تطبيقات الذكاء الاصطناعي التوليدي. يمكن استخدام نمط البنية هذا كأساس لبناء العديد من حلول الذكاء الاصطناعي التوليدية المصممة خصيصًا لحالات الاستخدام المختلفة. علاوة على ذلك، يتضمن الحل واجهة مستخدم قابلة لإعادة الاستخدام مبنية على إطار عمل React، مما يتيح للمطورين توسيع الواجهة وتخصيصها بسهولة لتناسب احتياجاتهم الخاصة. يعرض المثال أيضًا تنفيذ دعم البث باستخدام WebSockets، مما يسمح بالاستجابات في الوقت الفعلي في كل من التفاعلات القائمة على الدردشة والطلبات لمرة واحدة، مما يعزز تجربة المستخدم واستجابة مساعد الذكاء الاصطناعي التوليدي.
improve-employee-productivity-using-genai/
│
├── backend/ - Contains all backend related files.
│ ├── artifacts/ - Artifacts such as screenshots
│ ├── src/ - Source code for Lambda functions.
│ ├── utils/ - Utility scripts such as helper to create Cognito users
│ ├── layer/ - Code for Lambda layers.
│ └── template.yaml - Main SAM template for Infrastructure as Code (IaC) deployment.
│
└── frontend/ - Houses the frontend React application.
│ ├── src/ - Main folder for React code.
│ └── App.js - Entry point for the React application.
│ └── .env - Environment variables created on deployment (auto-generated).
│
├── deploy.sh - Single bash script for deploying both backend and frontend.
└── default_templates.json - Default templates that gets uploaded to DynamoDB at deployment for bootstrap.
قبل أن تبدأ بنشر وتطوير مثال مساعد GenAI لإنتاجية الموظف، تأكد من إعداد المتطلبات المسبقة التالية:
pip وتشغيلهايرجى التأكد من تثبيتها وتكوينها بشكل صحيح قبل متابعة نشر أو تطوير مثال مساعد GenAI لإنتاجية الموظف.
️ هام : قبل متابعة النشر، تأكد من إكمال كافة المتطلبات المسبقة.
نشر إنتاجية الموظف يتضمن مثال مساعد GenAI تنفيذ برنامج نصي bash يتعامل مع إعداد كل من الواجهة الخلفية والواجهة الأمامية. فيما يلي الخطوات التفصيلية التي ينفذها البرنامج النصي:
لنشر مثال مساعد GenAI لإنتاجية الموظف، استخدم الأوامر التالية في جهازك الطرفي، بما في ذلك منطقة AWS كوسيطة مطلوبة:
./deploy.sh --region=your-aws-region --email=your-email./deploy.sh --backend --region=your-aws-region --email=your-email./deploy.sh --frontend --region=your-aws-region --email=your-email./deploy.sh --delete --region=your-aws-region --email=your-email./deploy.sh --container --region=your-aws-region --email=your-email استبدل your-aws-region بمنطقة AWS المناسبة (على سبيل المثال، us-east-1 )
تأكد من تشغيل هذه الأوامر من جذر دليل المشروع واستبدال your-aws-region بمنطقة AWS الفعلية التي تنوي استخدامها.
بمجرد الانتهاء من النشر، انتقل إلى التعليمات أدناه بشأن خطوات ما بعد النشر.
للحصول على بعض التفاصيل حول ما يفعله البرنامج النصي، انظر أدناه:
--delete ، فسيطالبك البرنامج النصي بالتأكيد لحذف مكدس AWS المحدد.--backend ) :sam build --template "$SAM_TEMPLATE" --parallel --cached--container بـ ./deploy.sh فسيتم تشغيله لتشغيل SAM مثل: sam build --template "$SAM_TEMPLATE" --parallel --cached --use-container--frontend ) :.env أو الكتابة فوقه في دليل الواجهة الأمامية باستخدام هذه المخرجات.aws-exports.json أو الكتابة فوقه لتكوين AWS.يتيح لك AWS CloudShell الحصول على بيئة Linux مجانية وفورية يمكن الوصول إليها من داخل وحدة تحكم AWS الخاصة بك. لتثبيت الحل باستخدام AWS CloudShell، يرجى اتباع الخطوات الموضحة أدناه بالترتيب.
تثبيت التبعيات : أولاً، تأكد من تثبيت أدوات التطوير والمكتبات الضرورية. افتح AWS CloudShell وقم بتنفيذ الأوامر التالية:
# Install Development Tools
sudo yum groupinstall " Development Tools " -y &&
# Install necessary libraries
sudo yum install openssl-devel bzip2-devel libffi-devel zlib-devel xz-devel ncurses-devel readline-devel sqlite-devel -y
تثبيت Python 3.11 مع PyEnv : لا يأتي AWS CloudShell مع Python 3.11، لذلك سنحتاج إلى تثبيت PyEnv ثم تثبيت Python 3.11 وتعيينه كإصدار Python الافتراضي في الصدفة الخاصة بنا.
# Install PyEnv
git clone https://github.com/pyenv/pyenv.git ~ /.pyenv
# Set .bash_profile env
echo ' ' >> ~ /.bash_profile
echo ' # Pyenv Configuration ' >> ~ /.bash_profile
echo ' export PYENV_ROOT="$HOME/.pyenv" ' >> ~ /.bash_profile
echo ' export PATH="$PYENV_ROOT/bin:$PATH" ' >> ~ /.bash_profile
echo ' eval "$(pyenv init -)" ' >> ~ /.bash_profile
# Reinitialize your Shell
source ~ /.bash_profile
# Install Python 3.11
pyenv install 3.11
# Set Python 3.11 as default with PyEnv
pyenv global 3.11إنشاء مجلد عمل جديد على CloudShell : يحتوي الدليل الرئيسي لـ AWS CloudShell على مساحة تخزين تبلغ 1 جيجابايت فقط، وسنحتاج إلى استخدام التخزين المؤقت لإنشاء هذا التطبيق ونشره. لنقم أولاً بإنشاء مجلد في الدليل الجذر وتعيين إذن المستخدم المناسب.
# Folder creation
sudo mkdir /aws-samples &&
# Setting folder permissions
sudo chown cloudshell-user -R /aws-samplesاستنساخ المستودع ونشر الحل : الآن بعد أن أصبح لدينا مجلد وجميع التبعيات مثبتة، فلننتقل خطوة بخطوة حول كيفية نشر الحل باستخدام AWS CloudShel.
# Navigate to the newly created folder
cd /aws-samples
# Clone the repo in the /aws-samples folder
git clone https://github.com/aws-samples/improve-employee-productivity-using-genai.git
# Navigate to the git folder
cd improve-employee-productivity-using-genai/
# Before running the deployment command, set the maximum npm memory to 1024MB to avoid OOM error
export NODE_OPTIONS= " --max_old_space_size=1024 "نشر الواجهة الخلفية للحل : الآن بعد أن أصبح لدينا جميع التبعيات لنشر تطبيقنا، يمكننا نشر الواجهة الخلفية للحل الخاص بنا باستخدام الأمر أدناه. نحن نستخدم خيار النشر للواجهة الخلفية ثم الواجهة الأمامية لأن Cloudshell لا يحتوي على ذاكرة كافية للاستمرار في النشر في نفس الأمر. الرجاء تغيير المنطقة والبريد الإلكتروني قبل تشغيل الأمر أدناه.
# Run the deployment command for the backend
./deploy.sh --backend --region=your-aws-region --email=your-emailنشر الواجهة الأمامية للحل : أخيرًا، آخر شيء متبقي هو نشر الواجهة الأمامية للحل. الرجاء استخدام نفس المنطقة والبريد الإلكتروني الذي قمت بتشغيله في أمر Backend أعلاه.
# Run the deployment command for the frontend
./deploy.sh --frontend --region=your-aws-region --email=your-emailيمكن أن يستغرق النشر ما بين 15 إلى 30 دقيقة، يرجى العلم أنه إذا لم تتفاعل مع AWS CloudShell لأكثر من 20 دقيقة، فسيتم حذف بيئة CloudShell الخاصة بك. من المستحسن أن يكون لديك علامة تبويب CloudShell ثانية مفتوحة وأن تقوم بتشغيل بعض الأوامر مرة واحدة كل 10 دقائق لتجنب إيقاف التشغيل تلقائيًا.
ملاحظة : إذا فشل هذا الأمر بسبب نفاد ذاكرة CloudShell، فيرجى إعادة تشغيل الأمر
--frontendمرة أخرى وسيعمل.
بمجرد اكتمال النشر، سيتم عرض عنوان URL الخاص بـ CloudFront واسم المستخدم وكلمة المرور المؤقتة للوصول إلى الحل. يرجى مراجعة قسم ما بعد النشر
يوفر مثال نشر مساعد GenAI لإنتاجية الموظف باستخدام AWS Cloud9 إعدادًا مبسطًا ومتسقًا لبيئة التطوير. اتبع هذه الخطوات التفصيلية لإعداد بيئة Cloud9 الخاصة بك ونشر التطبيق بكفاءة.
ملاحظة: يتم تغيير حجم حجم EBS تلقائيًا :
افتح وحدة تحكم AWS Cloud9 :
خلق بيئة جديدة :
GenAI-Productivity-Env ، ثم انقر فوق Next step .تكوين البيئة :
t3/t3.medium أو أكبر للتأكد من أن لديك طاقة حوسبة كافية.AWS System Manager (SSM) كنوع الاتصال
المراجعة والإنشاء :
بمجرد أن تصبح بيئتك جاهزة، تحتاج إلى إعدادها لنشر مثال مساعد GenAI لإنتاجية الموظف.
الوصول إلى بيئة Cloud9 الخاصة بك :
استنساخ مستودع المشروع :
git clone https://github.com/aws-samples/improve-employee-productivity-using-genai
cd improve-employee-productivity-using-genaiيمكنك نشر كل من الواجهة الخلفية والواجهة الأمامية أو التعامل معهما بشكل منفصل.
لنشر كل من الواجهة الخلفية والواجهة الأمامية (مستحسن) :
./deploy.sh --container --region= < your-aws-region > --email= < your-email >استبدل منطقة AWS الخاصة بك (على سبيل المثال، us-east-1) وبعنوان بريدك الإلكتروني الفعلي.
لنشر الواجهة الخلفية فقط: :
./deploy.sh --backend --container --region= < your-aws-region > --email= < your-email >استبدل منطقة AWS الخاصة بك (على سبيل المثال، us-east-1) وبعنوان بريدك الإلكتروني الفعلي.
لنشر الواجهة الأمامية فقط: :
./deploy.sh --frontend --region= < your-aws-region > --email= < your-email >استبدل منطقة AWS الخاصة بك (على سبيل المثال، us-east-1) وبعنوان بريدك الإلكتروني الفعلي.
بعد اكتمال البرنامج النصي للنشر، انتقل إلى القسم التالي خطوات ما بعد النشر
بعد نشر مثال مساعد GenAI لإنتاجية الموظف بنجاح، نظرًا لأن النشر ينشئ افتراضيًا المستخدم الإداري فقط على Cognito، يرجى اتباع هذه الخطوات لإنشاء مستخدمي Cognito إضافيين لمنح حق الوصول إلى مثال نشر مساعد GenAI لإنتاجية الموظف:
الوصول إلى التطبيق :
تسجيل الدخول إلى التطبيق :
<your-email> ) لتسجيل الدخول.استكشاف التطبيق :
إنشاء مستخدمين إضافيين (اختياري) :
EmployeeProductivityGenAIAssistantExample .تعيين أدوار المستخدم (اختياري) :
؟ تهانينا على نشر وإعداد مثال مساعد GenAI لإنتاجية الموظف! اكتشف إمكانياته واستمتع بالتجربة.
.env و aws-exports.json في دليل الواجهة الأمامية. استكشف إمكانيات مثال مساعد GenAI لإنتاجية الموظف من خلال هذه العروض التوضيحية الجذابة. يتم تمييز كل ميزة من خلال صور GIF التفاعلية التي تعرض النظام أثناء العمل:
سهولة استخدام الملعب :
إنشاء القالب :
تطبيق القالب في النشاط :
ميزة سجل النشاط :
الدردشة التفاعلية مع القوالب :
إدخال متعدد الوسائط :
تم تصميم هذه الأدوات لتعزيز إنتاجيتك وإبداعك من خلال تبسيط تفاعلك مع نماذج الذكاء الاصطناعي في بيئة بدون خادم.
يمكن أن تختلف تكلفة تشغيل مثال مساعد GenAI لإنتاجية الموظف بناءً على أنماط الاستخدام الخاصة بك ونماذج Amazon Bedrock المحددة التي تختار استخدامها. لتقديم تقدير تقريبي، قمنا بإنشاء رابط لتقدير التكلفة يأخذ في الاعتبار سيناريو يضم 50 مستخدمًا، يستخدم كل منهم الأداة 5 مرات يوميًا بمتوسط 500 رمز إدخال و200 رمز إخراج.
تعتمد التكلفة الشهرية المقدرة على الافتراضات التالية:
يمكن رؤية تسعير الأساس في صفحة تسعير AWS Bedrock. التكاليف المقدرة للسيناريو المحدد هي كما يلي:
نموذج كلود 3 هايكو :
نموذج كلود 3 السوناتة :
نموذج كلود 3.5 السوناتة :
نموذج كلود 3 أوبوس :
ملاحظات : على الرغم من أن تقديرات التكلفة يتم حسابها باستخدام نموذج واحد، إلا أنك تتمتع بالمرونة للتبديل بين النماذج حسب الحاجة. على سبيل المثال، إذا كنت تحتاج إلى نموذج أكثر تقدمًا مثل Opus لطلب معين، فلن يتم محاسبتك إلا مقابل هذا الاستخدام. بالنسبة لمعظم الطلبات، يمكنك استخدام المزيد من النماذج ذات التكلفة المحسنة مثل Haiku، والتي ستساعد في الحفاظ على التكلفة الإجمالية للأداة أقل ومُحسّنة لتلبية احتياجاتك.
ملاحظة : لا يأخذ التقدير في الاعتبار طبقة AWS المجانية للخدمات المؤهلة. قد تكون تكاليفك الفعلية أقل إذا كنت لا تزال ضمن حدود الطبقة المجانية. يرجى أيضًا ملاحظة أن أسعار خدمات AWS قد تتغير بمرور الوقت، وبالتالي قد تختلف التكاليف الفعلية عن هذه التقديرات.
من المهم ملاحظة أن هذا مجرد تقدير ولا يمثل التكلفة الدقيقة. والغرض من ذلك هو تقديم فكرة عالية المستوى عن التكلفة المحتملة بناءً على السيناريو المحدد. ستختلف التكلفة الفعلية وفقًا لأنماط الاستخدام المحددة لديك ونماذج Amazon Bedrock التي تختار استخدامها.
إحدى المزايا الرائعة للبنية السحابية والبنية بدون خادم هي القدرة على توسيع نطاق الموارد لأعلى أو لأسفل بناءً على الطلب. ونتيجة لذلك، فإن تكلفة الحل ستزيد أو تنخفض وفقًا لذلك، مما يضمن أنك تدفع فقط مقابل الموارد التي تستهلكها.
بالإضافة إلى ذلك، قد لا تتحمل بعض مكونات الحل، مثل AWS Lambda وS3 وCloudFront وDynamoDB وAmazon Cognito، تكاليف إضافية إذا كنت لا تزال ضمن حدود طبقة AWS المجانية.
رابط مقدر التكلفة : https://calculator.aws/#/estimate?id=5fa739dd54db78d439bb602e17bd8af8a1d78f07
ملاحظة : لا يتضمن مُقدِّر التكلفة رسوم Amazon Bedrock، نظرًا لأن نماذج Claude غير مدعومة بعد في الآلة الحاسبة.
هذا المشروع مرخص بموجب ترخيص MIT - راجع ملف الترخيص للحصول على التفاصيل.
نرحب بالمساهمات في مثال مساعد GenAI لإنتاجية الموظف! إذا كانت لديك اقتراحات أو تريد الإبلاغ عن مشكلات، فلا تتردد في فتح طلب سحب أو مشكلة.
عند تنفيذ الحلول، من الضروري اتباع أفضل الممارسات لضمان الأمان والموثوقية وإمكانية المراقبة. فيما يلي بعض التوصيات، ولكن لاحظ أن هذه القائمة ليست شاملة وقد يكون هناك المزيد مما يجب أخذه في الاعتبار.
لتعزيز أمان البيانات، فكر في تمكين التشفير باستخدام مفتاح مُدار للعميل (CMK) مُخزن في AWS Key Management Service (KMS) لمختلف الخدمات. يوفر هذا طبقة إضافية من الأمان من خلال السماح لك بالتحكم في الوصول إلى مفاتيح التشفير.
يعد تنفيذ آليات المراقبة والتسجيل القوية أمرًا بالغ الأهمية للمراقبة واستكشاف الأخطاء وإصلاحها والتدقيق الأمني.
AccessLogSetting لتسجيل طلبات الوصول.بالنسبة لوظائف Lambda التي تعمل في Virtual Private Cloud (VPC)، تأكد من التكوين الصحيح لنقاط نهاية VPC لتسهيل الاتصال الآمن والفعال. يمكن أن يساعد هذا في إبقاء جميع المكالمات داخلية في VPC وتجنب استخدام نقاط نهاية AWS العامة.
ومن خلال تنفيذ أفضل الممارسات هذه، يمكنك تحسين أمان البيئة الخاصة بك وموثوقيتها وإمكانية مراقبتها بشكل كبير. ضع في اعتبارك دائمًا الاحتياجات المحددة للتطبيق والبنية الأساسية لديك لتحديد التكوينات الأكثر ملاءمة.
