rag postgresql agent bedrock

Agen Dukungan Perjalanan RAG yang Didukung WhatsApp: Meningkatkan Pengalaman Pelanggan dengan Pengambilan Pengetahuan PostgreSQL

Dalam postingan blog kami sebelumnya, "Meningkatkan Dukungan Pelanggan Dengan Asisten Whatsapp", kami mengeksplorasi bagaimana teknologi canggih seperti AI Generatif dan Retrieval Augmented Generation (RAG) dapat merevolusi model dukungan pelanggan tradisional di industri perjalanan. Hari ini, kami ingin menyajikan pendekatan alternatif yang memanfaatkan kekuatan Agen untuk Amazon Bedrock, Amazon Aurora yang divektorkan, dan basis pengetahuan PostgreSQL untuk Amazon Bedrock.

Arsitektur ini menghilangkan kebutuhan akan logika manajemen percakapan yang kompleks, karena agen Bedrock menangani pelacakan sesi, sedangkan Basis Pengetahuan untuk Amazon Bedrock menggunakan Aurora PostgreSQL memastikan respons yang sangat akurat dan kontekstual, dan Amazon DynamoDB memiliki dua tujuan: menyimpan informasi penumpang dan tiket dukungan .

Fitur utama dari solusi kami meliputi:

1. Penanganan kueri yang cerdas menggunakan teknik RAG.
2. Dukungan yang dipersonalisasi berdasarkan data wisatawan individu.
3. Pembuatan tiket dukungan otomatis untuk masalah yang belum terselesaikan.
4. Kemampuan untuk menanyakan dan mengelola database tiket dukungan.

Aplikasi ini dibangun dalam empat tahap menggunakan infrastruktur sebagai kode dengan AWS Cloud Development Kit (CDK) untuk python. Pada tahap pertama, database vektor Amazon Aurora PostgreSQL disiapkan. Pada tahap kedua, Basis Pengetahuan untuk Amazon Bedrock dibuat menggunakan database yang sudah ada. Tahap ketiga melibatkan pembuatan agen Amazon Bedrock. Dan pada tahap keempat, aplikasi WhatsApp dikerahkan untuk menyediakan antarmuka pengguna bagi sistem.

✅ Tingkat AWS : Lanjutan - 300

Prasyarat:

• Pengetahuan dasar tentang Python
• Akun AWS
• Aktifkan Akses model untuk model berikut:
  • Penyematan Amazon Titan V2
  • Model antropik Claude 3 (Haiku atau Soneta).
• Menyiapkan AWS Command Line Interface (CLI)
• Baca tentang AWS CDK "Memulai dengan Python"
• Opsional: Bootstrap akun/wilayah Anda jika ini adalah Proyek CDK pertama Anda

? Biaya Untuk Menyelesaikan :

• Catatan Harga Amazon Bedrock: dalam proyek ini, kami menggunakan Amazon Titan Embeddings v2 dan Anthropic Claude 3
• Harga Amazon S3
• Harga AWS Systems Manager
• Catatan Harga Amazon Aurora: Disini kami menggunakan Aurora Serverless dengan 0.5 ACU
• Harga Amazon Lambda
• Harga Amazon DynamoDB
• Harga Whatsapp
• Gerbang Amazon Api
• Harga Transkrip Amazon

Catatan : Rangkaian tumpukan CDK ini harus diterapkan dalam akun dan wilayah AWS yang sama. Hal ini karena setiap tumpukan dibuat untuk menyimpan informasi penting dalam rahasia Penyimpanan Parameter AWS Systems Manager (SSM), yang selanjutnya diambil oleh tumpukan pada langkah berikutnya dalam proses penerapan.

Inilah yang akan Anda bangun:

1. Webhook Pesan Masuk:

   Prosesnya dimulai ketika pengguna mengirimkan voice note/pesan teks melalui WhatsApp. Pesan suara/teks diterima melalui Amazon API Gateway dan diproses oleh AWS Lambda Function.

   Detail pesan disimpan dalam tabel Amazon DynamoDB untuk pemisahan dan pemrosesan.

2. Proses Teks Audio:

   Jika ada pesan suara, itu disimpan di bucket Amazon S3. Kemudian, Amazon Transcribe mengubah audio menjadi teks, yang dikirim ke asisten.

   Jika hanya berupa SMS maka akan langsung masuk ke asisten input.

3. Tanggapan Asisten:

   Agen memproses kueri dan menghasilkan respons, yang berpotensi mengakses data tambahan dari tabel DynamoDB atau basis pengetahuan.

   Bergantung pada permintaan pengguna, berbagai tindakan dapat dipicu, seperti membuat tiket dukungan atau mengambil informasi penumpang.

   Respons terakhir dikirim kembali ke pengguna melalui WhatsApp.

Ayo membangun!

Bagian 0: Mengkloning repo

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

Bagian 1: Membangun database vektor Amazon Aurora PostgreSQL sebagai Basis Pengetahuan untuk Amazon Bedrock.

Untuk menyiapkan database vektor Amazon Aurora PostgreSQL. Ini menjelaskan pentingnya database vektor untuk mengimplementasikan Retrieval Augmented Generation (RAG). AWS Cloud Development Kit (CDK) untuk Python digunakan untuk menyiapkan infrastruktur database. Ini juga mencakup langkah-langkah mendetail untuk menyiapkan database, seperti memasang ekstensi, membuat skema dan peran, serta menyiapkan tabel dan indeks menggunakan Konstruksi Kustom.

Bagian 2: Membangun Basis Pengetahuan untuk Amazon Bedrock menggunakan Aurora PostgreSQL.

Ini berfokus pada pembuatan Basis Pengetahuan untuk Amazon Bedrock, yang melibatkan pengaturan bucket S3 sebagai sumber data, mengonfigurasi peran dan izin IAM yang diperlukan, dan menyimpan informasi di Penyimpanan Parameter AWS Systems Manager. Basis Pengetahuan secara otomatis memproses data teks tidak terstruktur dari PDF, mengubahnya menjadi potongan teks, menghasilkan penyematan vektor, dan menyimpannya dalam database PostgreSQL. Panduan ini memberikan petunjuk langkah demi langkah untuk penyiapan dan penerapan.

Bagian 3: Membangun Agen untuk Amazon Bedrock untuk Mencari Basis Pengetahuan dan Mengelola Data Amazon DynamoDB.

Proyek ini mendemonstrasikan cara membangun agen bertenaga AI yang mampu melakukan kueri dan menganalisis data yang disimpan dalam database PostgreSQL menggunakan perintah bahasa alami.

Bagian 4: Peningkatan Interaksi Pengguna: Mengintegrasikan Asisten WhatsApp dengan Amazon Bedrock Agent.

Bagian terakhir dari seri empat bagian tentang membangun Agen Dukungan Perjalanan RAG canggih yang didukung WhatsApp menggunakan Amazon Bedrock Agent. Proyek ini mengintegrasikan berbagai layanan AWS, termasuk API Gateway, Lambda, DynamoDB, S3, dan Transcribe, untuk membuat alur kerja untuk memproses dan merespons pesan pengguna. Aplikasi ini dapat menangani pesan teks dan suara, mentranskripsikan audio, dan memanfaatkan basis pengetahuan yang dibangun di Aurora PostgreSQL untuk pengambilan informasi.

? Tip: Jika Anda tidak ingin menggunakan WhatsApp, tidak apa-apa! Anda dapat menggunakan aplikasi JavaScript berikut, yang membuat UI yang memungkinkan Anda menggunakan Agen dan Basis Pengetahuan untuk Amazon Bedrock yang tersedia di akun AWS Anda --> Membangun aplikasi AI Generatif ReactJS dengan Amazon Bedrock dan AWS JavaScript SDK

Kesimpulan

WhatsApp Travel Assistant yang disempurnakan ini menunjukkan kekuatan AI dan layanan database terintegrasi AWS. Dengan memanfaatkan kemampuan agen dan basis pengetahuan Amazon Bedrock, bersama dengan Aurora PostgreSQL dan DynamoDB, kami telah menciptakan solusi yang lebih efisien, kuat, dan dapat dipelihara.

Penambahan sistem tiket dukungan memberikan pengalaman layanan pelanggan menyeluruh yang lengkap, memungkinkan eskalasi masalah kompleks dengan lancar sambil mempertahankan manfaat interaksi awal yang didukung AI.

Kami mendorong Anda untuk membangun landasan ini, mungkin dengan memperluas basis pengetahuan, mengubah tanggapan agen, atau mengintegrasikan dengan layanan tambahan.

Terima kasih telah bergabung dengan kami dalam perjalanan merevolusi dukungan pelanggan perjalanan dengan teknologi AWS!

Keamanan

Lihat KONTRIBUSI untuk informasi lebih lanjut.

Lisensi

Perpustakaan ini dilisensikan di bawah Lisensi MIT-0. Lihat file LISENSI.