Quelle: Titan Image Generator G1 – „Darstellung verschiedener Wetterbedingungen und Outfits“
Hinweis: Die Demo setzt voraus, dass Sie über ein Konto bei OpenWeatherMap und einen API-Schlüssel für den Zugriff auf den Wetterdienst verfügen. Dieser Dienst ist im kostenlosen OpenWeatherMap-Plan verfügbar. Bitte überprüfen Sie alle für den Dienst geltenden Lizenzbedingungen mit Ihrer Rechtsabteilung und bestätigen Sie, dass Ihr Anwendungsfall den Bedingungen entspricht, bevor Sie fortfahren.
Dieses Repo enthält Code für eine Demo von Amazon Bedrock Agents.
In dieser Demo werden Sie einen Agenten einsetzen, der Sie bei der Auswahl des idealen Outfits für Ihren Standort unterstützen kann.
In einer Standardbereitstellung kann ein Large Language Model (LLM) nur auf „Wissen“ verweisen, das es während des Trainings erworben hat. Wenn das Modell daher aufgefordert wird, aktuelle Informationen wie das aktuelle Datum und die aktuelle Uhrzeit oder die Wetterbedingungen zu generieren, bleibt ihm keine andere Wahl, als zu halluzinieren.
In dieser Demo verwenden Sie Amazon Bedrock Agents, um eine Lösung zu erstellen, die es einem LLM ermöglicht, Echtzeitinformationen wie Datum, Uhrzeit und Wetterinformationen zu nutzen. Die Lösung nutzt diese Informationen, um Vorschläge für das zu tragende Outfit zu machen.
Diese Architektur kann problemlos erweitert werden, um mit einer beliebigen Anzahl von APIs oder Datenquellen zu arbeiten. Wenn Sie über eine Amazon Lambda-Funktion eine Verbindung zu Ihren Daten herstellen können, kann diese mit Amazon Bedrock Agents verwendet werden.
Dies ist ein SAM-Projekt. Informationen zum Einstieg in SAM finden Sie hier.
Stellen Sie dieses Projekt mit der SAM-CLI bereit:
> sam build
> sam deploy --guided
Bei der Bereitstellung des Projekts werden Sie zur Eingabe von Informationen aufgefordert:
anthropic.claude-v2:1
Bitte stellen Sie sicher, dass Sie den Zugriff auf dieses Modell in der Region, in der Sie es bereitstellen, aktiviert haben.)Agents
.OutfitAssistantAgent
-Agenten aus.Wenn Sie mit der Leistung des Agenten zufrieden sind, können Sie ihn bereitstellen und über Ihre eigene Anwendung darauf zugreifen.
Create Alias
aus, geben Sie einen Namen und eine Beschreibung ein, damit klar ist, an welchem Punkt seiner Entwicklung er bereitgestellt wurde, und wählen Sie Create Alias
.Agent overview
der Konsole angezeigt wird, und die Alias-ID, die im Abschnitt Aliases
“ unten auf der Seite der Agentenkonsole angezeigt wird. Beachten Sie, dass diese IDs vom Dienst generiert werden und nicht mit den von Ihnen verwendeten Namen identisch sind../test/agent_test.ipynb
. Weitere Informationen zur Agents for Amazon Bedrock API finden Sie hier: (https://docs.aws.amazon.com/bedrock/latest/userguide/agents-api.html) und zum AWS Python SDK – Boto3 – siehe hier: (https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/bedrock-agent-runtime.html)Um die Lambda-Funktion zu testen, ohne den Agenten aufrufen zu müssen, habe ich Ihnen drei Testereignis-JSON-Dateien bereitgestellt, die in die Testereignis-Konfigurationsseite innerhalb der Lambda-Funktion eingefügt werden können. Jedes Testereignis ist so formatiert, wie das Ereignis vom Agent gesendet wird:
./tests/lambda_event_location.json
./tests/lambda_event_time.json
./tests/lambda__event_weather.json
Weitere Informationen finden Sie unter BEITRAGEN.
Diese Bibliothek ist unter der MIT-0-Lizenz lizenziert. Siehe die LICENSE-Datei.