bedrock agent appointment manager dynamodb
1.0.0
يمكّن وكلاء Amazon Bedrock المطورين من إنشاء عوامل محادثة يفهمون اللغة الطبيعية من خلال نماذج الأساس (FMS). في منشور المدونة هذا ، سأقوم بإنشاء وكيل الأساس Amazon يسمح للمستخدمين بالتفاعل مع جدول Amazon DynamoDB وقواعد المعرفة لـ Amazon Bedrock باستخدام اللغة الطبيعية.
سأرشدك من خلال إعداد الموارد ، وتحديد مجموعات عمل الوكيل ، وربط وظائف AWS Lambda لتنفيذ عمليات DynamoDB ، ودمج قاعدة المعرفة لتجارب المحادثة المعززة لتوفير استجابات أكثر تخصيصًا ودراسة للسياق لاستعلامات المستخدم. كل هذا مع أمر "DK CDK" باستخدام مجموعة AWS Cloud Development (CDK).
بحلول النهاية ، ستفهم كيفية إنشاء وكيل محادثة ذكي يبسط تفاعلات قاعدة البيانات ، ويقدم استجابات مخصصة ، ويوفر تجربة سهلة الاستخدام.
يعمل هذا الوكيل كواجهة للمستخدم لإدخال المعلومات وتقديم الطلبات.
تؤدي تصرفات المستخدم إلى تشغيل وظائف Lambda AWS استنادًا إلى تعريف مجموعة الإجراء ، والإجراءات التي يمكن للوكيل مساعدة المستخدم على تنفيذ ثلاثة إجراءات رئيسية: spanappointment ، getAppointment ، و AskTodayDate.
؟ تعريف مجموعة الإجراءات في ag_data.json و Amazon Bedrock تعريف في Agent_Data.json
تتفاعل وظائف spanappointment و getappointment مع جدول Amazon DynamoDB. يخزن ويسترجع بيانات الموعد حسب الحاجة.
تسترجع دالة AskTodayDate معلومات التاريخ الحالية ، والتي يتم نقلها بعد ذلك إلى المستخدم عبر Agent for Amazon Bedrock. يسمح هذا للمستخدم بتلقي التحديثات والتأكيدات في الوقت الفعلي فيما يتعلق بإجراءات جدولة المواعيد.
الاستفادة من المعلومات المخزنة في قاعدة المعرفة ، يمكن للوكيل بعد ذلك تقديم توصيات تدليك مخصصة مصممة لتلبية الاحتياجات الفريدة للعميل. يمكن أن يشير إلى أنسب أنواع التدليك ، والفترات ، وأي خدمات إضافية قد تعزز خبرتها في المنتجع الصحي ومعالجة مخاوفها المحددة.
على سبيل المثال ، إذا ذكر أحد العملاء آلام الرقبة وتصلبها ، يمكن للوكيل الاستخلاص من قاعدة المعرفة ويوصي بتدليك الأنسجة العميقة التي تركز على منطقة الرقبة والكتف ، جنبًا إلى جنب مع العلاج الحجري الساخن لمزيد من الاسترخاء وتخفيف العضلات.
✅ مستوى AWS : وسيط - 200
المتطلبات الأساسية:
؟ تكلفة الإكمال :
✅ استنساخ الريبو
git clone https://github.com/build-on-aws/bedrock-agent-appointment-manager-dynamodb
✅ اذهب إلى :
cd agent-appointment-manage
قم بإنشاء قاعدة المعرفة Amzon باتباع هذه الخطوات واستخدام هذه البيانات ، ثم في kb_data.json تحرير القيمة "knowledge_base_id":
{
"description_kb": "Recommend the best massage. Recommend the best massage according to the user's preferences",
"knowledge_base_id": "XXXXXXXXXX"
}
✅ قم بإنشاء البيئة الافتراضية : باتباع الخطوات الواردة في ReadMe
python3 -m venv .venv
source .venv/bin/activate
لنظام التشغيل Windows:
.venvScriptsactivate.bat
✅ تثبيت المتطلبات :
pip install -r requirements.txt
✅ توليف قالب السحابة مع الأمر التالي :
cdk synth --all
✅ النشر :
cdk deploy --all
جرب الوكيل في وحدة تحكم الأساس الأمازون وحسن تعليمات الوكيل حتى تجد أفضل نتيجة.
تم تصميم هذا الرمز لبناء ثلاثة أنواع من الوكلاء:
يتم تعريف نوع الوكيل الذي تم بناؤه في السطر 130 من Agent_appointment_manager_stack.py. يعتمد بناء كل نوع من أنواع الوكيل على وجود ملفات تعريف JSON لقاعدة المعرفة ومجموعات العمل.
if kb_data and not ag_data :
agent_name = "spa_agent_withKB"
print ( "KB data" )
agent_knowledge_base_property = create_kb_property ( kb_data )
ag = CreateAgentWithKB ( self , "agentwithkb" , agent_name , agent_data [ "foundation_model" ], agent_data [ "agent_instruction" ], agent_data [ "description" ], agent_knowledge_base_property , agent_resource_role . arn )
elif ag_data and not kb_data :
agent_name = "spa_agent_withag"
print ( "AG data" )
agent_action_group_properties = agent_action_group_property ( ag_data )
ag = CreateAgentWithAG ( self , "agentwithag" , agent_name , agent_data [ "foundation_model" ], agent_data [ "agent_instruction" ], agent_data [ "description" ], agent_action_group_properties , agent_resource_role . arn )
elif ag_data and kb_data :
agent_name = "spa_agent_with_ag_kb"
print ( "AG and KB data" )
agent_action_group_properties = agent_action_group_property ( ag_data )
agent_knowledge_base_property = create_kb_property ( kb_data )
ag = CreateAgentWithKA ( self , "agentwithbooth" , agent_name , agent_data [ "foundation_model" ], agent_data [ "agent_instruction" ], agent_data [ "description" ], agent_knowledge_base_property , agent_action_group_properties , agent_resource_role . arn )
else :
agent_name = "spa_agent"
print ( "No data" )
ag = CreateAgent ( self , "agent" , agent_name , agent_data [ "description" ], agent_resource_role . arn )في منشور المدونة هذا ، تعلمت كيفية إنشاء وكيل محادثة في Amazon Bedrock يتيح للمستخدمين التفاعل مع جدول Amazon DynamoDB باستخدام اللغة الطبيعية.
يفتح مزيج من العوامل من الأساس ، وديناموود ، ومعالجة اللغة الطبيعية (FMS) إمكانيات مثيرة لبناء تطبيقات سهلة الاستخدام. يمكن للمستخدمين التفاعل مع قواعد البيانات باستخدام لغة عادي ، مما يسهل على المستخدمين غير التقنيين الوصول إلى البيانات ومعالجتها.
أشجعك على استكشاف المزيد وتوسيع وظائف وكيل المحادثة الخاص بك بناءً على متطلباتك المحددة. من خلال التصميم والتنفيذ الصحيحين ، يمكنك إنشاء وكلاء ذكيين تحدث ثورة في الطريقة التي يتفاعل بها المستخدمون مع البيانات.
شكرًا لك على الانضمام إلي في هذه الرحلة ، وآمل أن يكون هذا المنشور قد ألهمك لإنشاء حلول مبتكرة خاصة بك باستخدام وكلاء Amazon Bedrock.
انظر المساهمة لمزيد من المعلومات.
هذه المكتبة مرخصة بموجب ترخيص MIT-0. انظر ملف الترخيص.
