Агент поддержки путешествий RAG на базе WhatsApp: повышение качества обслуживания клиентов с помощью извлечения знаний PostgreSQL

В нашей предыдущей публикации в блоге «Улучшение поддержки клиентов с помощью WhatsApp Assistant» мы исследовали, как передовые технологии, такие как генеративный искусственный интеллект и поисковая дополненная генерация (RAG), могут революционизировать традиционные модели поддержки клиентов в туристической индустрии. Сегодня мы хотели бы представить альтернативный подход, который использует возможности агентов для Amazon Bedrock, векторизованной Amazon Aurora и базы знаний PostgreSQL для Amazon Bedrock.

Эта архитектура устраняет необходимость в сложной логике управления диалогом, поскольку агенты Bedrock занимаются отслеживанием сеансов, в то время как База знаний для Amazon Bedrock с использованием Aurora PostgreSQL обеспечивает высокоточные и контекстуальные ответы, а Amazon DynamoDB служит двойной цели: хранит как информацию о пассажирах, так и заявки в службу поддержки. .

Ключевые особенности нашего решения включают в себя:

Интеллектуальная обработка запросов с использованием техники RAG.
Персонализированная поддержка на основе индивидуальных данных путешественника.
Автоматическое создание заявок в службу поддержки по нерешенным проблемам.
Возможность запрашивать и управлять базой данных заявок в службу поддержки.

Это приложение создается в четыре этапа с использованием инфраструктуры в виде кода с помощью AWS Cloud Development Kit (CDK) для Python. На первом этапе настраивается векторная база данных Amazon Aurora PostgreSQL. На втором этапе создается база знаний для Amazon Bedrock с использованием созданной базы данных. Третий этап предполагает создание агента Amazon Bedrock. На четвертом этапе развертывается приложение WhatsApp, предоставляющее пользовательский интерфейс системы.

Диграмма, часть 1

✅ Уровень AWS : Продвинутый — 300

Предпосылки:

Базовые знания Python
Аккаунт AWS
Включите доступ к модели для следующих моделей:
- Amazon Titan Embeddings V2
- Антропные модели Claude 3 (Haiku или Sonnet).
Настройте интерфейс командной строки (CLI) AWS.
Прочтите об AWS CDK «Начало работы с Python»
Необязательно: загрузите свою учетную запись/регион, если это ваш первый проект CDK.

? Стоимость завершения :

Примечание о ценах на Amazon Bedrock: в этом проекте мы используем Amazon Titan Embeddings v2 и Anthropic Claude 3.
Цены на Amazon S3
Цены на AWS Systems Manager
Примечание о ценах на Amazon Aurora: здесь мы используем Aurora Serverless с 0,5 ACU.
Цены на Amazon Lambda
Цены на Amazon DynamoDB
Цены на WhatsApp
Amazon APIGateway
Цены на Amazon Transcribe

Примечание . Эту серию стеков CDK следует развертывать в одной учетной записи AWS и в одном регионе. Это связано с тем, что каждый стек создается для хранения важной информации в секретном хранилище параметров AWS Systems Manager (SSM), который впоследствии извлекается стеком на следующем этапе процесса развертывания.

Вот что вы собираетесь построить:

Диграмма, часть 1

Вебхук входящих сообщений:
Процесс начинается, когда пользователь отправляет голосовую заметку/текстовое сообщение через WhatsApp. Голосовое/текстовое сообщение принимается через шлюз Amazon API и обрабатывается функцией AWS Lambda.
Подробности сообщения хранятся в таблице Amazon DynamoDB для разделения и обработки.
Аудиотекстовый процесс:
Если есть голосовое сообщение, оно сохраняется в корзине Amazon S3. Затем Amazon Transcribe преобразует аудио в текст, который отправляется помощнику.
Если это только текстовое сообщение, оно пойдет непосредственно на ввод помощника.
Ответ помощника:
Агент обрабатывает запрос и генерирует ответ, потенциально получая доступ к дополнительным данным из таблицы DynamoDB или базы знаний.
В зависимости от запроса пользователя могут быть запущены различные действия, такие как создание заявок в службу поддержки или получение информации о пассажирах.
Окончательный ответ отправляется обратно пользователю через WhatsApp.

Давайте строить!

Часть 0. Клонирование репозитория

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

Часть 1. Создание векторной базы данных Amazon Aurora PostgreSQL в качестве базы знаний для Amazon Bedrock.

Для настройки векторной базы данных Amazon Aurora PostgreSQL. В нем объясняется важность баз данных векторов для реализации расширенной генерации данных (RAG). Комплект AWS Cloud Development Kit (CDK) для Python используется для настройки инфраструктуры базы данных. Сюда также входят подробные шаги по подготовке базы данных, такие как установка расширений, создание схем и ролей, а также настройка таблиц и индексов с использованием пользовательских конструкций.

Часть 2. Создание базы знаний для Amazon Bedrock с использованием Aurora PostgreSQL.

Основное внимание уделяется созданию базы знаний для Amazon Bedrock, которая включает в себя настройку корзины S3 в качестве источника данных, настройку необходимых ролей и разрешений IAM, а также хранение информации в хранилище параметров AWS Systems Manager. База знаний автоматически обрабатывает неструктурированные текстовые данные из PDF-файлов, преобразует их в текстовые фрагменты, генерирует векторные внедрения и сохраняет их в базе данных PostgreSQL. В руководстве представлены пошаговые инструкции по настройке и развертыванию.

Часть 3. Создание агента для Amazon Bedrock для поиска в базе знаний и управления данными Amazon DynamoDB.

Проект демонстрирует, как создать агент на базе искусственного интеллекта, способный запрашивать и анализировать данные, хранящиеся в базе данных PostgreSQL, с использованием подсказок на естественном языке.

Часть 4. Расширенное взаимодействие с пользователем: интеграция помощника WhatsApp с агентом Amazon Bedrock.

Заключительная часть серии из четырех частей, посвященной созданию усовершенствованного агента поддержки путешествий RAG на базе WhatsApp с использованием Amazon Bedrock Agent. Проект интегрирует различные сервисы AWS, включая API Gateway, Lambda, DynamoDB, S3 и Transcribe, для создания рабочего процесса для обработки и ответа на сообщения пользователей. Приложение может обрабатывать как текстовые, так и голосовые сообщения, расшифровывать аудио и использовать базу знаний, созданную на Aurora PostgreSQL, для поиска информации.

? Совет: если вы не хотите использовать WhatsApp, ничего страшного! Вы можете использовать следующее приложение JavaScript, которое создает пользовательский интерфейс, позволяющий использовать агентов и базы знаний для Amazon Bedrock, доступные в вашей учетной записи AWS --> Создание приложений генеративного искусственного интеллекта ReactJS с помощью Amazon Bedrock и AWS JavaScript SDK.

Заключение

Этот улучшенный WhatsApp Travel Assistant демонстрирует мощь интегрированных сервисов искусственного интеллекта и баз данных AWS. Используя возможности агента и базы знаний Amazon Bedrock, а также Aurora PostgreSQL и DynamoDB, мы создали более оптимизированное, мощное и удобное в обслуживании решение.

Добавление системы заявок в службу поддержки обеспечивает комплексное обслуживание клиентов, позволяя плавно решать сложные проблемы, сохраняя при этом преимущества первоначального взаимодействия на основе искусственного интеллекта.

Мы рекомендуем вам опираться на эту основу, возможно, путем расширения базы знаний, изменения ответов агента или интеграции с дополнительными сервисами.

Благодарим вас за то, что вы присоединились к нам в этом путешествии по революционному преобразованию поддержки клиентов в сфере путешествий с помощью технологий AWS!