amazon bedrock agents outfit assistant

การสาธิตตัวแทน Amazon Bedrock

ผู้ช่วยแต่งกาย

ที่มา: Titan Image Generator G1 - 'ภาพประกอบของสภาพอากาศและการแต่งกายที่แตกต่างกัน'

หมายเหตุ: การสาธิตอาศัยการที่คุณมีบัญชีกับ OpenWeatherMap และคีย์ API เพื่อเข้าถึงบริการ Weather บริการนี้มีอยู่ในแผน OpenWeatherMap ฟรี โปรดตรวจสอบข้อกำหนดสิทธิ์การใช้งานที่เกี่ยวข้องกับบริการกับทีมกฎหมายของคุณ และยืนยันว่ากรณีการใช้งานของคุณเป็นไปตามข้อกำหนดก่อนดำเนินการต่อ

การแนะนำ

Repo นี้มีโค้ดสำหรับการสาธิตของ Amazon Bedrock Agents

ในการสาธิตนี้ คุณจะปรับใช้ตัวแทนที่สามารถช่วยเหลือคุณในการเลือกเครื่องแต่งกายในอุดมคติไปยังสถานที่ที่คุณระบุ

ในการปรับใช้แบบมาตรฐาน Large Language Model (LLM) สามารถอ้างอิงได้เฉพาะ 'ความรู้' ที่ได้รับระหว่างการฝึกอบรมเท่านั้น ด้วยเหตุนี้ เมื่อได้รับแจ้งให้สร้างข้อมูลล่าสุด เช่น วันที่และเวลาปัจจุบัน หรือรับสภาพอากาศ โมเดลก็ไม่มีทางเลือกอื่นนอกจากทำให้เห็นภาพหลอน

ในการสาธิตนี้ คุณจะใช้ Amazon Bedrock Agents เพื่อสร้างโซลูชันที่ช่วยให้ LLM สามารถใช้ประโยชน์จากข้อมูลแบบเรียลไทม์ รวมถึงข้อมูลวันที่ เวลา และสภาพอากาศ แนวทางแก้ไขจะใช้ข้อมูลนี้เพื่อให้คำแนะนำว่าควรสวมชุดไหน

สถาปัตยกรรมนี้สามารถขยายได้อย่างง่ายดายเพื่อทำงานกับ API หรือแหล่งข้อมูลจำนวนเท่าใดก็ได้ หากคุณสามารถเชื่อมต่อกับข้อมูลของคุณจากฟังก์ชัน Amazon Lambda ได้ ก็สามารถใช้ฟังก์ชันดังกล่าวกับ Amazon Bedrock Agents ได้

กำลังปรับใช้

นี่คือโครงการ SAM หากต้องการเริ่มต้นใช้งาน SAM โปรดดูที่นี่

ปรับใช้โปรเจ็กต์นี้โดยใช้ SAM CLI:

 > sam build
> sam deploy --guided

คุณจะได้รับแจ้งข้อมูลเมื่อมีการปรับใช้โครงการ:

• OpenWeatherAPIKey - คีย์ API ฟรีจาก OpenWeatherMap
• FoundationModel - ID ของโมเดลรองพื้น Amazon Bedrock ที่จะใช้ (ปัจจุบันมีค่าเริ่มต้นเป็น anthropic.claude-v2:1 โปรดตรวจสอบให้แน่ใจว่าคุณได้เปิดใช้งานการเข้าถึงโมเดลนี้ในภูมิภาคที่คุณกำลังปรับใช้)

การทดสอบ

1. เมื่อปรับใช้โปรเจ็กต์แล้ว คุณสามารถทดสอบเอเจนต์ในคอนโซล AWS ได้ ขั้นแรกให้ไปที่ Amazon Bedrock ในคอนโซล AWS
2. ไปที่ Agents ในเมนูด้านซ้ายมือ
3. เลือกตัวแทน OutfitAssistantAgent
4. ทดสอบตัวแทนด้วยเครื่องมือแชททางด้านขวามือของคอนโซล
5. ต่อไปนี้เป็นข้อความบางส่วนที่คุณสามารถลองใช้ได้ โปรดทราบว่าข้อความเหล่านี้ไม่ได้จำกัดอยู่เพียงชุดที่จะสวมใส่:
   • “ฉันอยู่ที่บริสเบน ออสเตรเลีย วันนี้ฉันควรใส่ชุดอะไรดี?”
   • "กี่โมงแล้ว?" (อาจถามว่าคุณอยู่ที่ไหนถ้านี่คือข้อความแรก)
   • “ที่ออสโลฝนตกหรือเปล่า?”

หากคุณพอใจกับประสิทธิภาพของเอเจนต์ คุณสามารถปรับใช้และเข้าถึงผ่านแอปพลิเคชันของคุณเองได้

1. เมื่อเลือกตัวแทนในคอนโซลแล้ว ให้เลือก Create Alias ป้อนชื่อและคำอธิบายเพื่อให้ชัดเจนว่านำไปใช้ในการพัฒนา ณ จุดใด และเลือก Create Alias
2. หากต้องการเรียกนามแฝงตัวแทนนี้จากรหัสของคุณเอง คุณจะต้องมี ID ตัวแทนซึ่งแสดงอยู่ในส่วน Agent overview ของคอนโซล และ ID นามแฝงซึ่งแสดงในส่วน Aliases ที่ด้านล่างของหน้าคอนโซลตัวแทน โปรดทราบว่าบริการสร้างรหัสเหล่านี้ และไม่เหมือนกับชื่อที่คุณใช้
3. มีโค้ด Python ตัวอย่างสำหรับการเรียกใช้ตัวแทนของคุณในสมุดบันทึก . ./test/agent_test.ipynb สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ Agents สำหรับ Amazon Bedrock API โปรดดูที่นี่: (https://docs.aws.amazon.com/bedrock/latest/userguide/agents-api.html) และสำหรับ AWS Python SDK - Boto3 - ดูที่นี่: (https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/bedrock-agent-runtime.html)

การทดสอบฟังก์ชันแลมบ์ดา

เพื่อทดสอบฟังก์ชัน Lambda โดยไม่ต้องเรียกใช้ Agent ฉันจึงได้จัดเตรียมไฟล์ JSON ของเหตุการณ์การทดสอบไว้ 3 ไฟล์ ซึ่งสามารถวางลงในหน้าการกำหนดค่าเหตุการณ์การทดสอบภายในฟังก์ชัน Lambda ได้ เหตุการณ์การทดสอบแต่ละรายการได้รับการจัดรูปแบบเนื่องจากเหตุการณ์จะถูกส่งจากตัวแทน:

• ./tests/lambda_event_location.json
• ./tests/lambda_event_time.json
• ./tests/lambda__event_weather.json

ความปลอดภัย

ดูการมีส่วนร่วมสำหรับข้อมูลเพิ่มเติม

ใบอนุญาต

ห้องสมุดนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT-0 ดูไฟล์ใบอนุญาต