rag postgresql agent bedrock
1.0.0
En nuestra publicación de blog anterior, "Elevando la atención al cliente con un asistente de Whatsapp", exploramos cómo tecnologías avanzadas como la IA generativa y la generación aumentada de recuperación (RAG) pueden revolucionar los modelos tradicionales de atención al cliente en la industria de viajes. Hoy, nos gustaría presentar un enfoque alternativo que aprovecha el poder de Agents for Amazon Bedrock, una base de conocimiento vectorizada de Amazon Aurora y PostgreSQL para Amazon Bedrock.
Esta arquitectura elimina la necesidad de una lógica de gestión de conversaciones compleja, ya que los agentes de Bedrock manejan el seguimiento de las sesiones, mientras que la base de conocimientos para Amazon Bedrock que utiliza Aurora PostgreSQL garantiza respuestas contextuales y altamente precisas, y Amazon DynamoDB tiene un doble propósito: almacenar información de los pasajeros y tickets de soporte. .
Las características clave de nuestra solución incluyen:
Esta aplicación se construye en cuatro etapas utilizando infraestructura como código con AWS Cloud Development Kit (CDK) para Python. En la primera etapa, se configura una base de datos vectorial de Amazon Aurora PostgreSQL. En la segunda etapa, se crea la base de conocimientos de Amazon Bedrock utilizando la base de datos establecida. La tercera etapa implica la creación de un agente de Amazon Bedrock. Y en la cuarta etapa, se implementa una aplicación WhatsApp para proporcionar la interfaz de usuario del sistema.
✅ Nivel AWS : Avanzado - 300
Requisitos previos:
? Costo para completar :
Nota : esta serie de pilas de CDK debe implementarse en la misma cuenta y región de AWS. Esto se debe a que cada pila se crea para almacenar información esencial en un secreto del almacén de parámetros de AWS Systems Manager (SSM), que posteriormente la pila recupera en el siguiente paso del proceso de implementación.
Webhook de mensajes entrantes:
El proceso comienza cuando un usuario envía una nota de voz/mensaje de texto a través de WhatsApp. El mensaje de voz/texto se recibe a través de una puerta de enlace API de Amazon y se procesa mediante la función AWS Lambda.
Los detalles del mensaje se almacenan en la tabla de Amazon DynamoDB para su desacoplamiento y procesamiento.
Proceso de texto de audio:
Si hay un mensaje de voz, se almacena en un depósito de Amazon S3. Luego, Amazon Transcribe convierte el audio en texto, que se envía al asistente.
Si es solo un mensaje de texto irá directamente al ingreso del asistente.
Respuesta del asistente:
El Agente procesa la consulta y genera una respuesta, accediendo potencialmente a datos adicionales de la tabla de DynamoDB o de una base de conocimientos.
Dependiendo de la solicitud del usuario, se pueden desencadenar varias acciones, como crear tickets de soporte o recuperar información de los pasajeros.
La respuesta final se envía al usuario a través de WhatsApp.
git clone https://github.com/build-on-aws/rag-postgresql-agent-bedrockPara configurar una base de datos vectorial de Amazon Aurora PostgreSQL. Explica la importancia de las bases de datos vectoriales para implementar la generación aumentada de recuperación (RAG). El kit de desarrollo en la nube (CDK) de AWS para Python se utiliza para configurar la infraestructura de la base de datos. Esto también incluye pasos detallados para preparar la base de datos, como instalar extensiones, crear esquemas y roles, y configurar tablas e índices utilizando construcciones personalizadas.
Se centra en la creación de una base de conocimientos para Amazon Bedrock, lo que implica configurar un depósito S3 como fuente de datos, configurar los roles y permisos de IAM necesarios y almacenar información en el almacén de parámetros de AWS Systems Manager. La base de conocimientos procesa automáticamente datos de texto no estructurados de archivos PDF, los convierte en fragmentos de texto, genera incrustaciones de vectores y los almacena en una base de datos PostgreSQL. La guía proporciona instrucciones paso a paso para la configuración e implementación.
El proyecto demuestra cómo construir un agente impulsado por IA capaz de consultar y analizar datos almacenados en una base de datos PostgreSQL utilizando indicaciones en lenguaje natural.
La última parte de una serie de cuatro partes sobre la creación de un agente de soporte de viajes RAG avanzado con tecnología de WhatsApp utilizando Amazon Bedrock Agent. El proyecto integra varios servicios de AWS, incluidos API Gateway, Lambda, DynamoDB, S3 y Transcribe, para crear un flujo de trabajo para procesar y responder a los mensajes de los usuarios. La aplicación puede manejar mensajes de texto y de voz, transcribir audio y aprovechar una base de conocimientos creada en Aurora PostgreSQL para la recuperación de información.
? Consejo: Si no quieres usar WhatsApp, ¡está bien! Puede utilizar la siguiente aplicación JavaScript, que crea una interfaz de usuario que le permite utilizar los agentes y las bases de conocimientos para Amazon Bedrock disponibles en su cuenta de AWS --> Creación de aplicaciones de IA generativa ReactJS con Amazon Bedrock y AWS JavaScript SDK
Este asistente de viajes de WhatsApp mejorado demuestra el poder de los servicios integrados de base de datos e inteligencia artificial de AWS. Al aprovechar las capacidades de la base de conocimientos y el agente de Amazon Bedrock, junto con Aurora PostgreSQL y DynamoDB, hemos creado una solución más optimizada, potente y fácil de mantener.
La incorporación del sistema de tickets de soporte brinda una experiencia completa de servicio al cliente de extremo a extremo, lo que permite una escalada fluida de problemas complejos y al mismo tiempo mantiene los beneficios de las interacciones iniciales impulsadas por IA.
Le animamos a aprovechar esta base, tal vez ampliando la base de conocimientos, cambiando las respuestas del agente o integrándose con servicios adicionales.
¡Gracias por acompañarnos en este viaje para revolucionar la atención al cliente de viajes con tecnologías AWS!
Consulte CONTRIBUCIÓN para obtener más información.
Esta biblioteca tiene la licencia MIT-0. Ver el archivo de LICENCIA.
