rag postgresql agent bedrock
1.0.0
In unserem vorherigen Blogbeitrag „Verbesserung des Kundensupports mit einem WhatsApp-Assistenten“ haben wir untersucht, wie fortschrittliche Technologien wie Generative AI und Retrieval Augmented Generation (RAG) traditionelle Kundensupportmodelle in der Reisebranche revolutionieren können. Heute möchten wir einen alternativen Ansatz vorstellen, der die Leistungsfähigkeit von Agents for Amazon Bedrock nutzt, einer vektorisierten Amazon Aurora und einer PostgreSQL-Wissensdatenbank für Amazon Bedrock.
Diese Architektur macht eine komplexe Konversationsverwaltungslogik überflüssig, da Bedrock-Agenten die Sitzungsverfolgung übernehmen, während die Wissensdatenbank für Amazon Bedrock mit Aurora PostgreSQL hochpräzise und kontextbezogene Antworten gewährleistet und Amazon DynamoDB einem doppelten Zweck dient: der Speicherung von Passagierinformationen und Support-Tickets .
Zu den Hauptmerkmalen unserer Lösung gehören:
Diese Anwendung wird in vier Phasen unter Verwendung von Infrastruktur als Code mit dem AWS Cloud Development Kit (CDK) für Python erstellt. Im ersten Schritt wird eine Amazon Aurora PostgreSQL-Vektordatenbank eingerichtet. Im zweiten Schritt wird die Wissensdatenbank für Amazon Bedrock unter Verwendung der etablierten Datenbank erstellt. In der dritten Phase wird ein Amazon Bedrock-Agent erstellt. Und im vierten Schritt wird eine WhatsApp-Anwendung bereitgestellt, die die Benutzeroberfläche für das System bereitstellt.
✅ AWS-Level : Fortgeschritten – 300
Voraussetzungen:
? Kosten für die Fertigstellung :
Hinweis : Diese Reihe von CDK-Stacks sollte innerhalb desselben AWS-Kontos und derselben AWS-Region bereitgestellt werden. Dies liegt daran, dass jeder Stack erstellt wird, um wesentliche Informationen in einem AWS Systems Manager (SSM)-Parameterspeichergeheimnis zu speichern, das anschließend im nächsten Schritt des Bereitstellungsprozesses vom Stack abgerufen wird.
Webhook für eingehende Nachrichten:
Der Vorgang beginnt, wenn ein Benutzer eine Sprachnotiz/Textnachricht über WhatsApp sendet. Die Sprach-/Textnachricht wird über ein Amazon API Gateway empfangen und von der AWS Lambda-Funktion verarbeitet.
Die Nachrichtendetails werden zur Entkopplung und Verarbeitung in der Amazon DynamoDB-Tabelle gespeichert.
Audiotextprozess:
Wenn eine Sprachnachricht vorliegt, wird diese in einem Amazon S3-Bucket gespeichert. Anschließend wandelt Amazon Transcribe die Audiodaten in Text um, der an den Assistenten gesendet wird.
Wenn es sich nur um eine Textnachricht handelt, wird direkt zur Eingabe des Assistenten weitergeleitet.
Antwort des Assistenten:
Der Agent verarbeitet die Abfrage und generiert eine Antwort, wobei er möglicherweise auf zusätzliche Daten aus der DynamoDB-Tabelle oder einer Wissensdatenbank zugreift.
Je nach Wunsch des Benutzers können verschiedene Aktionen ausgelöst werden, beispielsweise das Erstellen von Support-Tickets oder das Abrufen von Passagierinformationen.
Die endgültige Antwort wird über WhatsApp an den Benutzer zurückgesendet.
git clone https://github.com/build-on-aws/rag-postgresql-agent-bedrockZum Einrichten einer Amazon Aurora PostgreSQL-Vektordatenbank. Es erklärt die Bedeutung von Vektordatenbanken für die Implementierung von Retrieval Augmented Generation (RAG). Zum Einrichten der Datenbankinfrastruktur wird das AWS Cloud Development Kit (CDK) für Python verwendet. Dazu gehören auch detaillierte Schritte zur Vorbereitung der Datenbank, wie das Installieren von Erweiterungen, das Erstellen von Schemas und Rollen sowie das Einrichten von Tabellen und Indizes mithilfe benutzerdefinierter Konstrukte.
Der Schwerpunkt liegt auf der Erstellung einer Wissensdatenbank für Amazon Bedrock. Dazu gehört die Einrichtung eines S3-Buckets als Datenquelle, die Konfiguration der erforderlichen IAM-Rollen und -Berechtigungen sowie die Speicherung von Informationen im AWS Systems Manager Parameter Store. Die Wissensdatenbank verarbeitet automatisch unstrukturierte Textdaten aus PDFs, wandelt sie in Textblöcke um, generiert Vektoreinbettungen und speichert sie in einer PostgreSQL-Datenbank. Das Handbuch enthält Schritt-für-Schritt-Anleitungen für die Einrichtung und Bereitstellung.
Das Projekt zeigt, wie man einen KI-gestützten Agenten baut, der in der Lage ist, in einer PostgreSQL-Datenbank gespeicherte Daten mithilfe von Eingabeaufforderungen in natürlicher Sprache abzufragen und zu analysieren.
Der letzte Teil einer vierteiligen Serie über den Aufbau eines fortschrittlichen WhatsApp-basierten RAG Travel Support Agent mit Amazon Bedrock Agent. Das Projekt integriert verschiedene AWS-Dienste, darunter API Gateway, Lambda, DynamoDB, S3 und Transcribe, um einen Workflow für die Verarbeitung und Beantwortung von Benutzernachrichten zu erstellen. Die Anwendung kann sowohl Text- als auch Sprachnachrichten verarbeiten, Audio transkribieren und eine auf Aurora PostgreSQL basierende Wissensdatenbank zum Abrufen von Informationen nutzen.
? Tipp: Wenn Sie WhatsApp nicht nutzen möchten, ist das kein Problem! Sie können die folgende JavaScript-Anwendung verwenden, die eine Benutzeroberfläche erstellt, die es Ihnen ermöglicht, die in Ihrem AWS-Konto verfügbaren Agenten und Wissensdatenbanken für Amazon Bedrock zu verwenden –> Generative AI-Apps von ReactJS mit Amazon Bedrock und AWS JavaScript SDK erstellen
Dieser verbesserte WhatsApp-Reiseassistent demonstriert die Leistungsfähigkeit der integrierten KI- und Datenbankdienste von AWS. Durch die Nutzung der Agenten- und Wissensdatenbankfunktionen von Amazon Bedrock zusammen mit Aurora PostgreSQL und DynamoDB haben wir eine schlankere, leistungsfähigere und wartbarere Lösung geschaffen.
Die Hinzufügung des Support-Ticket-Systems bietet ein umfassendes End-to-End-Kundenservice-Erlebnis, das eine nahtlose Eskalation komplexer Probleme ermöglicht und gleichzeitig die Vorteile der KI-gestützten ersten Interaktionen beibehält.
Wir empfehlen Ihnen, auf dieser Grundlage aufzubauen, beispielsweise durch die Erweiterung der Wissensbasis, die Änderung der Antworten des Agenten oder die Integration zusätzlicher Dienste.
Vielen Dank, dass Sie uns auf diesem Weg begleiten, den Reisekundensupport mit AWS-Technologien zu revolutionieren!
Weitere Informationen finden Sie unter BEITRAGEN.
Diese Bibliothek ist unter der MIT-0-Lizenz lizenziert. Siehe die LICENSE-Datei.
