pace genai demos

Aprovechando el poder de los datos empresariales con IA generativa: ideas de Amazon Kendra, Langchain y modelos de idiomas grandes

Este repositorio proporciona muestras de código para tres demostraciones generativas de IA, con licencia bajo la licencia MIT-0.

1. Amazon Kendra con Foundational LLM : utiliza las capacidades de búsqueda profundas de Amazon Kendra combinadas con el conocimiento expansivo de los grandes modelos de idiomas. Esta integración proporciona respuestas precisas y conscientes del contexto a consultas complejas al extraer una amplia gama de fuentes.

2. Modelo de incrustaciones con LLM fundamental : fusiona el poder de los incrustaciones, una técnica para capturar significados semánticos de palabras y frases, con la vasta base de conocimiento de los LLM. Esta sinergia permite un modelado de temas más preciso, recomendación de contenido y capacidades de búsqueda semántica.

3. Foundation Models Pharma Ad Generator : una aplicación especializada adaptada para la industria farmacéutica. Aprovechando las capacidades generativas de los modelos fundamentales, esta herramienta crea anuncios farmacéuticos convincentes y compatibles, asegurando que el contenido se adhiera a los estándares y reglamentos de la industria

Estas demostraciones se pueden implementar sin problemas en su cuenta de AWS, ofreciendo ideas y orientación fundamentales sobre la utilización de servicios de AWS para crear un modelo de lenguaje grande (LLM) de última generación de IA generativo y generación de contenido y contenido.

Puede implementar estas demostraciones independientes entre sí. Consulte los archivos ReadMe en cada una de las carpetas para obtener instrucciones de implementación.

Consulte la publicación del blog para obtener detalles sobre cómo funcionan estas soluciones.

Autores

• Jin Tan Ruan - Desarrollador de creación de prototipos de Pace de AWSI
• Aravind Kodandaramaiah - Desarrollador de prototipos senior de AWSI Pace

Resolución de problemas

El tamaño descomprimido debe ser más pequeño que 262144000 bytes (servicio: awslambdainternal; código de estado: 400)

1. Elimine la carpeta de capa Lambda existente: comience por eliminar la carpeta Lambda_Langchain_layer de su proyecto. Esta acción asegura que se borre los archivos corruptos o de gran tamaño.
2. Recrear la capa: después de la eliminación, recree la capa Lambda usando el comando implement.sh. Este proceso debe generar una capa fresca y compatible con el tamaño con los componentes necesarios.
3. Recursos limpios de Docker: también es crucial garantizar que ninguna imagen o contenedores residuales estén ocupando espacio innecesario. Limpie todas las imágenes y contenedores de Docker para liberar espacio y evitar cualquier posible conflicto.

Informes de errores/solicitudes de funciones

Al presentar un problema, consulte los problemas existentes abiertos o recientemente cerrados para asegurarse de que alguien más no haya informado el problema. Intente incluir tanta información como pueda. Detalles como estos son increíblemente útiles:

• Un caso de prueba reproducible o una serie de pasos
• La versión de nuestro código que se está utilizando
• Cualquier modificación que haya hecho relevante para el error
• Cualquier cosa inusual sobre su entorno o implementación

Licencia

Esta biblioteca tiene licencia bajo la licencia MIT-0. Ver el archivo de licencia.

• Changelog del proyecto.
• Licencia del proyecto.
• Código de conducta del proyecto.
• Contribuyendo para más información.