rag postgresql agent bedrock
1.0.0
Em nossa postagem anterior, “Elevando o suporte ao cliente com um assistente Whatsapp”, exploramos como tecnologias avançadas como IA generativa e geração aumentada de recuperação (RAG) podem revolucionar os modelos tradicionais de suporte ao cliente na indústria de viagens. Hoje, gostaríamos de apresentar uma abordagem alternativa que aproveita o poder dos agentes para Amazon Bedrock, um Amazon Aurora vetorizado e uma base de conhecimento PostgreSQL para Amazon Bedrock.
Essa arquitetura elimina a necessidade de lógica complexa de gerenciamento de conversas, já que os agentes Bedrock lidam com o rastreamento de sessões, enquanto a base de conhecimento do Amazon Bedrock usando Aurora PostgreSQL garante respostas altamente precisas e contextuais, e o Amazon DynamoDB atende a uma dupla finalidade: armazenar informações de passageiros e tíquetes de suporte .
Os principais recursos da nossa solução incluem:
Este aplicativo é construído em quatro estágios usando infraestrutura como código com AWS Cloud Development Kit (CDK) para python. Na primeira etapa, é configurado um banco de dados vetorial Amazon Aurora PostgreSQL. Na segunda etapa, a Base de Conhecimento do Amazon Bedrock é criada usando o banco de dados estabelecido. A terceira etapa envolve a criação de um agente Amazon Bedrock. E na quarta etapa, um aplicativo WhatsApp é implantado para fornecer a interface de usuário do sistema.
✅ Nível AWS : Avançado - 300
Pré-requisitos:
? Custo para concluir :
Observação : esta série de pilhas CDK deve ser implantada na mesma conta e região da AWS. Isso ocorre porque cada pilha é criada para armazenar informações essenciais em um segredo do AWS Systems Manager (SSM) Parameter Store, que é posteriormente recuperado pela pilha na próxima etapa do processo de implantação.
Webhook de mensagem de entrada:
O processo começa quando um usuário envia uma nota de voz/mensagem de texto via WhatsApp. A mensagem de voz/texto é recebida por meio de um Amazon API Gateway e processada pela função AWS Lambda.
Os detalhes da mensagem são armazenados na tabela do Amazon DynamoDB para dissociação e processamento.
Processo de texto de áudio:
Se houver uma mensagem de voz, ela será armazenada em um bucket do Amazon S3. Em seguida, o Amazon Transcribe converte o áudio em texto, que é enviado ao assistente.
Se for apenas uma mensagem de texto irá diretamente para a entrada do assistente.
Resposta do assistente:
O Agente processa a consulta e gera uma resposta, potencialmente acessando dados adicionais da tabela do DynamoDB ou de uma base de conhecimento.
Dependendo da solicitação do usuário, diversas ações podem ser acionadas, como a criação de tickets de suporte ou a recuperação de informações do passageiro.
A resposta final é enviada de volta ao usuário via WhatsApp.
git clone https://github.com/build-on-aws/rag-postgresql-agent-bedrockPara configurar um banco de dados vetorial Amazon Aurora PostgreSQL. Ele explica a importância dos bancos de dados vetoriais para a implementação da Geração Aumentada de Recuperação (RAG). O AWS Cloud Development Kit (CDK) para Python é usado para configurar a infraestrutura do banco de dados. Isso também inclui etapas detalhadas para preparar o banco de dados, como instalação de extensões, criação de esquemas e funções e configuração de tabelas e índices usando Construções Personalizadas.
Ele se concentra na criação de uma base de conhecimento para o Amazon Bedrock, que envolve a configuração de um bucket S3 como fonte de dados, a configuração de funções e permissões necessárias do IAM e o armazenamento de informações no AWS Systems Manager Parameter Store. A Base de Conhecimento processa automaticamente dados de texto não estruturados de PDFs, converte-os em blocos de texto, gera incorporações de vetores e os armazena em um banco de dados PostgreSQL. O guia fornece instruções passo a passo para configuração e implantação.
O projeto demonstra como construir um agente baseado em IA capaz de consultar e analisar dados armazenados em um banco de dados PostgreSQL usando prompts em linguagem natural.
A parte final de uma série de quatro partes sobre a construção de um RAG Travel Support Agent avançado com tecnologia WhatsApp usando o Amazon Bedrock Agent. O projeto integra vários serviços AWS, incluindo API Gateway, Lambda, DynamoDB, S3 e Transcribe, para criar um fluxo de trabalho para processar e responder às mensagens do usuário. O aplicativo pode lidar com mensagens de texto e de voz, transcrever áudio e aproveitar uma base de conhecimento construída no Aurora PostgreSQL para recuperação de informações.
? Dica: Se você não quiser usar o WhatsApp, tudo bem! Você pode usar o seguinte aplicativo JavaScript, que cria uma UI que permite usar os agentes e bases de conhecimento para Amazon Bedrock disponíveis em sua conta AWS --> Construindo aplicativos ReactJS Generative AI com Amazon Bedrock e AWS JavaScript SDK
Este WhatsApp Travel Assistant aprimorado demonstra o poder da IA integrada e dos serviços de banco de dados da AWS. Ao aproveitar os recursos de agente e base de conhecimento do Amazon Bedrock, juntamente com o Aurora PostgreSQL e o DynamoDB, criamos uma solução mais simplificada, poderosa e de fácil manutenção.
A adição do sistema de tickets de suporte fornece uma experiência completa de atendimento ao cliente, permitindo o escalonamento contínuo de problemas complexos, ao mesmo tempo que mantém os benefícios das interações iniciais alimentadas por IA.
Encorajamo-lo a desenvolver esta base, talvez expandindo a base de conhecimento, alterando as respostas do agente ou integrando-se com serviços adicionais.
Obrigado por se juntar a nós nesta jornada para revolucionar o suporte ao cliente de viagens com tecnologias AWS!
Consulte CONTRIBUINDO para obter mais informações.
Esta biblioteca está licenciada sob a licença MIT-0. Veja o arquivo LICENÇA.
