rag postgresql agent bedrock

ตัวแทนสนับสนุนการเดินทาง RAG ที่ขับเคลื่อนโดย WhatsApp: ยกระดับประสบการณ์ของลูกค้าด้วยการดึงข้อมูลความรู้ PostgreSQL

ในบล็อกโพสต์ก่อนหน้าของเรา "การยกระดับการสนับสนุนลูกค้าด้วยผู้ช่วย Whatsapp" เราได้สำรวจว่าเทคโนโลยีขั้นสูง เช่น Generative AI และ Retrieval Augmented Generation (RAG) สามารถปฏิวัติรูปแบบการสนับสนุนลูกค้าแบบเดิมในอุตสาหกรรมการท่องเที่ยวได้อย่างไร วันนี้ เราอยากจะนำเสนอแนวทางทางเลือกที่ใช้ประโยชน์จากพลังของ Agent สำหรับ Amazon Bedrock ซึ่งเป็นฐานความรู้ของ Amazon Aurora แบบเวกเตอร์ และฐานความรู้ PostgreSQL สำหรับ Amazon Bedrock

สถาปัตยกรรมนี้ขจัดความจำเป็นในการใช้ตรรกะการจัดการการสนทนาที่ซับซ้อน เนื่องจากตัวแทน Bedrock จัดการการติดตามเซสชัน ในขณะที่ฐานความรู้สำหรับ Amazon Bedrock ที่ใช้ Aurora PostgreSQL รับประกันการตอบสนองที่แม่นยำและตามบริบทสูง และ Amazon DynamoDB มีวัตถุประสงค์สองประการ: การจัดเก็บทั้งข้อมูลผู้โดยสารและตั๋วสนับสนุน .

คุณสมบัติที่สำคัญของโซลูชันของเราประกอบด้วย:

1. การจัดการแบบสอบถามอัจฉริยะโดยใช้เทคนิค RAG
2. การสนับสนุนส่วนบุคคลโดยอิงตามข้อมูลนักท่องเที่ยวแต่ละคน
3. การสร้างตั๋วสนับสนุนโดยอัตโนมัติสำหรับปัญหาที่ยังไม่ได้รับการแก้ไข
4. ความสามารถในการสืบค้นและจัดการฐานข้อมูลตั๋วสนับสนุน

แอปพลิเคชันนี้สร้างขึ้นในสี่ขั้นตอนโดยใช้โครงสร้างพื้นฐานเป็นโค้ดกับ AWS Cloud Development Kit (CDK) สำหรับ python ในระยะแรก จะมีการตั้งค่าฐานข้อมูลเวกเตอร์ Amazon Aurora PostgreSQL ในขั้นตอนที่สอง ฐานความรู้สำหรับ Amazon Bedrock จะถูกสร้างขึ้นโดยใช้ฐานข้อมูลที่สร้างขึ้น ขั้นตอนที่สามเกี่ยวข้องกับการสร้างตัวแทน Amazon Bedrock และในขั้นตอนที่สี่ แอปพลิเคชัน WhatsApp จะถูกปรับใช้เพื่อจัดเตรียมอินเทอร์เฟซผู้ใช้สำหรับระบบ

✅ ระดับ AWS : ขั้นสูง - 300

ข้อกำหนดเบื้องต้น:

• ความรู้พื้นฐานเกี่ยวกับ Python
• บัญชี AWS
• เปิดใช้งานการเข้าถึงโมเดลสำหรับรุ่นต่อไปนี้:
  • การฝัง Amazon Titan V2
  • โมเดล Anthropic Claude 3 (ไฮกุหรือโคลง)
• ตั้งค่า AWS Command Line Interface (CLI)
• อ่านเกี่ยวกับ AWS CDK "เริ่มต้นใช้งาน Python"
• ทางเลือก: เริ่มต้นบัญชี/ภูมิภาคของคุณหากนี่เป็นโครงการ CDK แรกของคุณ

- ค่าใช้จ่ายในการดำเนินการ :

• หมายเหตุราคา Amazon Bedrock: ในโปรเจ็กต์นี้ เราใช้ Amazon Titan Embeddings v2 และ Anthropic Claude 3
• ราคาอเมซอน S3
• ราคา AWS Systems Manager
• หมายเหตุราคา Amazon Aurora: ที่นี่เราใช้ Aurora Serverless กับ 0.5 ACU
• ราคาอเมซอนแลมบ์ดา
• ราคา Amazon DynamoDB
• ราคา Whatsapp
• อเมซอน Apiเกตเวย์
• ราคา Amazon Transcribe

หมายเหตุ : สแต็ก CDK ชุดนี้ควรปรับใช้ภายในบัญชี AWS และภูมิภาคเดียวกัน เนื่องจากแต่ละสแต็กถูกสร้างขึ้นเพื่อจัดเก็บข้อมูลที่จำเป็นไว้ในข้อมูลลับของร้านค้าพารามิเตอร์ AWS Systems Manager (SSM) ซึ่งสแต็กจะดึงข้อมูลในภายหลังในขั้นตอนต่อไปของกระบวนการปรับใช้

นี่คือสิ่งที่คุณกำลังจะสร้าง:

1. ข้อความขาเข้า Webhook:

   กระบวนการเริ่มต้นเมื่อผู้ใช้ส่งข้อความเสียง/ข้อความผ่าน WhatsApp ได้รับข้อความเสียง/ข้อความผ่าน Amazon API Gateway และประมวลผลโดยฟังก์ชัน AWS Lambda

   รายละเอียดข้อความจะถูกจัดเก็บไว้ในตาราง Amazon DynamoDB สำหรับการแยกส่วนและการประมวลผล

2. กระบวนการข้อความเสียง:

   หากมีข้อความเสียง ข้อความนั้นจะถูกจัดเก็บไว้ในบัคเก็ต Amazon S3 จากนั้น Amazon Transcribe จะแปลงเสียงเป็นข้อความ ซึ่งจะส่งไปยังผู้ช่วย

   หากเป็นเพียงข้อความตัวอักษรก็จะไปที่อินพุตของผู้ช่วยเหลือโดยตรง

3. การตอบสนองของผู้ช่วย:

   เอเจนต์จะประมวลผลคำถามและสร้างการตอบกลับ ซึ่งอาจเข้าถึงข้อมูลเพิ่มเติมจากตาราง DynamoDB หรือฐานความรู้

   สามารถกระตุ้นการดำเนินการต่างๆ ได้ ขึ้นอยู่กับคำขอของผู้ใช้ เช่น การสร้างตั๋วสนับสนุน หรือการดึงข้อมูลผู้โดยสาร

   การตอบกลับขั้นสุดท้ายจะถูกส่งกลับไปยังผู้ใช้ผ่าน WhatsApp

มาสร้างกันเถอะ!

ส่วนที่ 0: โคลน repo

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

ส่วนที่ 1: การสร้างฐานข้อมูลเวกเตอร์ Amazon Aurora PostgreSQL เพื่อเป็นฐานความรู้สำหรับ Amazon Bedrock

สำหรับการตั้งค่าฐานข้อมูลเวกเตอร์ Amazon Aurora PostgreSQL โดยจะอธิบายความสำคัญของฐานข้อมูลเวกเตอร์สำหรับการนำเทคโนโลยีดึงข้อมูล Augmented Generation (RAG) ไปใช้ AWS Cloud Development Kit (CDK) สำหรับ Python ใช้เพื่อตั้งค่าโครงสร้างพื้นฐานฐานข้อมูล นอกจากนี้ยังรวมถึงขั้นตอนโดยละเอียดในการเตรียมฐานข้อมูล เช่น การติดตั้งส่วนขยาย การสร้างสคีมาและบทบาท และการตั้งค่าตารางและดัชนีโดยใช้โครงสร้างแบบกำหนดเอง

ส่วนที่ 2: การสร้างฐานความรู้สำหรับ Amazon Bedrock โดยใช้ Aurora PostgreSQL

โดยมุ่งเน้นที่การสร้างฐานความรู้สำหรับ Amazon Bedrock ซึ่งเกี่ยวข้องกับการตั้งค่าบัคเก็ต S3 เป็นแหล่งข้อมูล การกำหนดค่าบทบาทและสิทธิ์ IAM ที่จำเป็น และการจัดเก็บข้อมูลใน AWS Systems Manager Parameter Store ฐานความรู้จะประมวลผลข้อมูลข้อความที่ไม่มีโครงสร้างจาก PDF โดยอัตโนมัติ แปลงเป็นชิ้นข้อความ สร้างการฝังเวกเตอร์ และจัดเก็บไว้ในฐานข้อมูล PostgreSQL คู่มือนี้จะให้คำแนะนำทีละขั้นตอนสำหรับการตั้งค่าและการปรับใช้

ส่วนที่ 3: การสร้าง Agent สำหรับ Amazon Bedrock เพื่อค้นหาฐานความรู้และจัดการข้อมูล Amazon DynamoDB

โปรเจ็กต์สาธิตวิธีสร้างเอเจนต์ที่ขับเคลื่อนด้วย AI ซึ่งสามารถสืบค้นและวิเคราะห์ข้อมูลที่จัดเก็บไว้ในฐานข้อมูล PostgreSQL โดยใช้ข้อความแจ้งที่เป็นภาษาธรรมชาติ

ส่วนที่ 4: การโต้ตอบกับผู้ใช้ที่ได้รับการปรับปรุง: การรวม WhatsApp Assistant เข้ากับ Amazon Bedrock Agent

ส่วนสุดท้ายของซีรีส์สี่ตอนเกี่ยวกับการสร้าง RAG Travel Support Agent ขั้นสูงที่ขับเคลื่อนโดย WhatsApp โดยใช้ Amazon Bedrock Agent โปรเจ็กต์ผสานรวมบริการต่างๆ ของ AWS รวมถึง API Gateway, Lambda, DynamoDB, S3 และ Transcribe เพื่อสร้างเวิร์กโฟลว์สำหรับการประมวลผลและการตอบสนองต่อข้อความของผู้ใช้ แอปพลิเคชันสามารถจัดการทั้งข้อความตัวอักษรและข้อความเสียง ถอดเสียง และใช้ประโยชน์จากฐานความรู้ที่สร้างบน Aurora PostgreSQL สำหรับการดึงข้อมูล

- เคล็ดลับ: หากคุณไม่ต้องการใช้ WhatsApp ก็ไม่เป็นไร! คุณสามารถใช้แอปพลิเคชัน JavaScript ต่อไปนี้ ซึ่งสร้าง UI ที่ช่วยให้คุณสามารถใช้ตัวแทนและฐานความรู้สำหรับ Amazon Bedrock ที่มีอยู่ในบัญชี AWS ของคุณ --> การสร้างแอป ReactJS Generative AI ด้วย Amazon Bedrock และ AWS JavaScript SDK

บทสรุป

WhatsApp Travel Assistant ที่ได้รับการปรับปรุงนี้แสดงให้เห็นถึงพลังของบริการ AI และฐานข้อมูลที่ผสานรวมของ AWS ด้วยการใช้ประโยชน์จากความสามารถตัวแทนและฐานความรู้ของ Amazon Bedrock ร่วมกับ Aurora PostgreSQL และ DynamoDB เราจึงสร้างโซลูชันที่มีความคล่องตัว มีประสิทธิภาพ และบำรุงรักษาได้มากขึ้น

การเพิ่มระบบตั๋วสนับสนุนมอบประสบการณ์การบริการลูกค้าแบบ end-to-end ที่สมบูรณ์แบบ ช่วยให้สามารถขยายปัญหาที่ซับซ้อนได้อย่างราบรื่น ขณะเดียวกันก็รักษาประโยชน์ของการโต้ตอบเริ่มต้นที่ขับเคลื่อนด้วย AI

เราขอแนะนำให้คุณสร้างรากฐานนี้ โดยอาจขยายฐานความรู้ เปลี่ยนแปลงการตอบสนองของตัวแทน หรือการบูรณาการกับบริการเพิ่มเติม

ขอขอบคุณที่ร่วมเดินทางกับเราเพื่อปฏิวัติการสนับสนุนลูกค้าด้านการเดินทางด้วยเทคโนโลยี AWS!

ความปลอดภัย

ดูการมีส่วนร่วมสำหรับข้อมูลเพิ่มเติม

ใบอนุญาต

ห้องสมุดนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT-0 ดูไฟล์ใบอนุญาต