rag postgresql agent bedrock

وكيل دعم السفر RAG المدعوم من WhatsApp: الارتقاء بتجربة العملاء من خلال استرجاع المعرفة PostgreSQL

في منشور مدونتنا السابق، "رفع مستوى دعم العملاء باستخدام مساعد Whatsapp"، اكتشفنا كيف يمكن للتقنيات المتقدمة مثل الذكاء الاصطناعي التوليدي والجيل المعزز للاسترجاع (RAG) أن تُحدث ثورة في نماذج دعم العملاء التقليدية في صناعة السفر. اليوم، نود أن نقدم نهجًا بديلاً يعزز قوة الوكلاء لـ Amazon Bedrock، وهي Amazon Aurora الموجهة وقاعدة معارف PostgreSQL لـ Amazon Bedrock.

تلغي هذه البنية الحاجة إلى منطق معقد لإدارة المحادثة، حيث يتعامل وكلاء Bedrock مع تتبع الجلسة، بينما تضمن قاعدة المعرفة الخاصة بـ Amazon Bedrock باستخدام Aurora PostgreSQL استجابات دقيقة وسياقية للغاية، ويخدم Amazon DynamoDB غرضًا مزدوجًا: تخزين كل من معلومات الركاب وتذاكر الدعم. .

تشمل الميزات الرئيسية لحلنا ما يلي:

1. التعامل الذكي مع الاستعلام باستخدام تقنية RAG.
2. دعم شخصي يعتمد على بيانات المسافر الفردية.
3. الإنشاء التلقائي لبطاقات الدعم للمشكلات التي لم يتم حلها.
4. القدرة على الاستعلام وإدارة قاعدة بيانات تذاكر الدعم.

تم إنشاء هذا التطبيق على أربع مراحل باستخدام البنية التحتية كرمز مع AWS Cloud Development Kit (CDK) للغة python. في المرحلة الأولى، يتم إعداد قاعدة بيانات المتجهات Amazon Aurora PostgreSQL. في المرحلة الثانية، يتم إنشاء قاعدة المعرفة الخاصة بـ Amazon Bedrock باستخدام قاعدة البيانات المنشأة. تتضمن المرحلة الثالثة إنشاء وكيل Amazon Bedrock. وفي المرحلة الرابعة يتم نشر تطبيق الواتساب لتوفير واجهة المستخدم للنظام.

✅ مستوى AWS : متقدم - 300

المتطلبات الأساسية:

• المعرفة التأسيسية لبيثون
• حساب أوس
• تمكين الوصول إلى النموذج للنماذج التالية:
  • أمازون تيتان إمبيدينجز V2
  • نماذج أنثروبي كلود 3 (هايكو أو سونيت).
• قم بإعداد واجهة سطر أوامر AWS (CLI)
• اقرأ عن AWS CDK "ابدأ مع Python"
• اختياري: قم بتمهيد حسابك/منطقتك إذا كان هذا هو أول مشروع CDK لك

؟ تكلفة الإكمال :

• ملاحظة بشأن تسعير Amazon Bedrock: في هذا المشروع، نستخدم Amazon Titan Embeddings v2 وAnthropic Claude 3
• أسعار أمازون S3
• تسعير AWS Systems Manager
• ملاحظة بشأن تسعير Amazon Aurora: هنا نستخدم Aurora Serverless مع 0.5 ACU
• أسعار أمازون لامدا
• تسعير أمازون دينامو دي بي
• أسعار واتس اب
• بوابة أمازون أبي
• تسعير أمازون للنسخ

ملاحظة : يجب نشر هذه السلسلة من مجموعات CDK داخل نفس حساب AWS والمنطقة. وذلك لأنه يتم إنشاء كل مكدس لتخزين المعلومات الأساسية في سر مخزن معلمات AWS Systems Manager (SSM)، والذي يتم استرداده لاحقًا بواسطة المكدس في الخطوة التالية من عملية النشر.

هذا هو ما ستقوم ببناءه:

1. الرد التلقائي على الويب للرسائل الواردة:

   تبدأ العملية عندما يرسل المستخدم ملاحظة صوتية/رسالة نصية عبر WhatsApp. يتم استلام الرسالة الصوتية/النصية من خلال Amazon API Gateway ومعالجتها بواسطة وظيفة AWS Lambda.

   يتم تخزين تفاصيل الرسالة في جدول Amazon DynamoDB لفصلها ومعالجتها.

2. عملية النص الصوتي:

   إذا كانت هناك رسالة صوتية، فسيتم تخزينها في حاوية Amazon S3. بعد ذلك، يقوم Amazon Transcribe بتحويل الصوت إلى نص، والذي يتم إرساله إلى المساعد.

   إذا كانت مجرد رسالة نصية، فسوف تنتقل مباشرة إلى مدخلات المساعد.

3. رد المساعد:

   يقوم الوكيل بمعالجة الاستعلام وإنشاء استجابة، ومن المحتمل أن يصل إلى بيانات إضافية من جدول DynamoDB أو قاعدة المعرفة.

   اعتمادًا على طلب المستخدم، يمكن تنفيذ إجراءات مختلفة، مثل إنشاء تذاكر دعم أو استرداد معلومات الركاب.

   يتم إرسال الرد النهائي مرة أخرى إلى المستخدم عبر WhatsApp.

دعونا نبني!

الجزء 0: استنساخ الريبو

git clone https://github.com/build-on-aws/rag-postgresql-agent-bedrock

الجزء 1: إنشاء قاعدة بيانات متجهة لـ Amazon Aurora PostgreSQL كقاعدة معارف لـ Amazon Bedrock.

لإعداد قاعدة بيانات المتجهات Amazon Aurora PostgreSQL. ويشرح أهمية قواعد بيانات المتجهات لتنفيذ عملية الاسترجاع المعزز (RAG). يتم استخدام AWS Cloud Development Kit (CDK) لـ Python لإعداد البنية التحتية لقاعدة البيانات. يتضمن ذلك أيضًا خطوات تفصيلية لإعداد قاعدة البيانات، مثل تثبيت الملحقات وإنشاء المخططات والأدوار وإعداد الجداول والفهارس باستخدام Custom Constructs.

الجزء 2: بناء قاعدة معرفية لـ Amazon Bedrock باستخدام Aurora PostgreSQL.

وهو يركز على إنشاء قاعدة معارف لـ Amazon Bedrock، والتي تتضمن إعداد مجموعة S3 كمصدر بيانات، وتكوين أدوار وأذونات IAM الضرورية، وتخزين المعلومات في متجر معلمات AWS Systems Manager. تقوم قاعدة المعرفة تلقائيًا بمعالجة البيانات النصية غير المنظمة من ملفات PDF، وتحويلها إلى أجزاء نصية، وإنشاء تضمينات متجهة، وتخزينها في قاعدة بيانات PostgreSQL. يوفر الدليل إرشادات خطوة بخطوة للإعداد والنشر.

الجزء 3: إنشاء وكيل لـ Amazon Bedrock للبحث في قاعدة المعرفة وإدارة بيانات Amazon DynamoDB.

يوضح المشروع كيفية بناء وكيل مدعوم بالذكاء الاصطناعي قادر على الاستعلام عن البيانات المخزنة في قاعدة بيانات PostgreSQL وتحليلها باستخدام مطالبات اللغة الطبيعية.

الجزء 4: تفاعل المستخدم المحسن: دمج مساعد WhatsApp مع وكيل Amazon Bedrock.

الجزء الأخير من سلسلة مكونة من أربعة أجزاء حول إنشاء وكيل RAG Travel Support Agent المتقدم الذي يعمل بنظام WhatsApp باستخدام Amazon Bedrock Agent. يدمج المشروع خدمات AWS المتنوعة، بما في ذلك API Gateway وLambda وDynamoDB وS3 وTranscribe، لإنشاء سير عمل لمعالجة رسائل المستخدم والرد عليها. يمكن للتطبيق التعامل مع كل من الرسائل النصية والصوتية، ونسخ الصوت، والاستفادة من قاعدة المعرفة المبنية على Aurora PostgreSQL لاسترجاع المعلومات.

؟ نصيحة: إذا كنت لا تريد استخدام WhatsApp، فلا بأس! يمكنك استخدام تطبيق JavaScript التالي، الذي ينشئ واجهة مستخدم تتيح لك استخدام الوكلاء وقواعد المعرفة لـ Amazon Bedrock المتوفرة في حساب AWS الخاص بك --> إنشاء تطبيقات ReactJS Geneative AI باستخدام Amazon Bedrock وAWS JavaScript SDK

خاتمة

يُظهر مساعد السفر WhatsApp المحسّن قوة خدمات الذكاء الاصطناعي وقاعدة البيانات المتكاملة من AWS. من خلال الاستفادة من وكيل Amazon Bedrock وقدرات قاعدة المعرفة، جنبًا إلى جنب مع Aurora PostgreSQL وDynamoDB، قمنا بإنشاء حل أكثر بساطة وقوة وقابلية للصيانة.

توفر إضافة نظام تذاكر الدعم تجربة خدمة عملاء كاملة وشاملة، مما يسمح بالتصعيد السلس للمشكلات المعقدة مع الحفاظ على فوائد التفاعلات الأولية المدعومة بالذكاء الاصطناعي.

نحن نشجعك على البناء على هذا الأساس، ربما من خلال توسيع قاعدة المعرفة، أو تغيير استجابات الوكيل، أو التكامل مع الخدمات الإضافية.

شكرًا لانضمامك إلينا في هذه الرحلة لإحداث ثورة في دعم عملاء السفر باستخدام تقنيات AWS!

حماية

انظر المساهمة لمزيد من المعلومات.

رخصة

هذه المكتبة مرخصة بموجب ترخيص MIT-0. انظر ملف الترخيص.