pace genai demos

Exploitation de la puissance des données de l'entreprise avec une IA générative: Insights d'Amazon Kendra, Langchain et de grands modèles de langue

Ce référentiel fournit des échantillons de code pour trois démos d'IA génératives, sous licence MIT-0.

1. Amazon Kendra avec fondationnel LLM : utilise les capacités de recherche profonde d'Amazon Kendra combinées à la connaissance approfondie des modèles de grandes langues. Cette intégration fournit des réponses précises et complexes à des requêtes complexes en tirant dans un éventail diversifié de sources.

2. Modèle d'incorporation avec LLM fondamental : fusionne le pouvoir des intégres - une technique pour capturer les significations sémantiques des mots et des phrases - avec la vaste base de connaissances des LLM. Cette synergie permet une modélisation de sujets plus précise, une recommandation de contenu et des capacités de recherche sémantique.

3. Modèles de fondation Générateur de publicité pharmaceutique : une application spécialisée adaptée à l'industrie pharmaceutique. Exploitant les capacités génératives des modèles fondamentaux, cet outil crée des publicités pharmaceutiques convaincantes et conformes, garantissant que le contenu adhère aux normes et réglementations de l'industrie

Ces démos peuvent être déployées de manière transparente dans votre compte AWS, offrant des idées fondamentales et des conseils sur l'utilisation des services AWS pour créer un modèle de question et de réponse génératif de la génération (LLM) de la génération et de la génération de contenu.

Vous pouvez déployer ces démo indépendantes les uns des autres. Veuillez vous référer aux fichiers ReadMe dans chacun des dossiers pour les instructions de déploiement.

Reportez-vous à l'article de blog pour plus de détails sur le fonctionnement de ces solutions.

Auteurs

• Jin Tan Ruan - développeur de prototypage AWSI Pace
• ARAVIND KODANDARAMIAH - AWSI PACE PRODUSE PROTOTYPING SEVEURER

Dépanner

La taille dézipped doit être inférieure à 262144000 octets (service: awslambdainternal; code d'état: 400)

1. Supprimez le dossier de couche Lambda existant: commencez par supprimer le dossier lambda_langchain_layer de votre projet. Cette action garantit que tous les fichiers corrompus ou surdimensionnés sont effacés.
2. Recréez la couche: Après la suppression, recréez la couche Lambda à l'aide de la commande deploy.sh. Ce processus devrait générer une couche fraîche et conforme à la taille avec les composants nécessaires.
3. Ressources Docker propres: il est également crucial de s'assurer qu'aucune images ou conteneurs Docker résiduels n'occupent un espace inutile. Nettoyez toutes les images et conteneurs Docker en cours d'exécution pour libérer de l'espace et éviter tout conflit potentiel.

Reportation de bogues / demandes de fonctionnalités

Lors du dépôt d'un problème, veuillez consulter les problèmes existants ou récemment fermés pour vous assurer que quelqu'un d'autre n'a pas déjà signalé le problème. Veuillez essayer d'inclure autant d'informations que possible. Des détails comme ceux-ci sont incroyablement utiles:

• Un cas de test reproductible ou une série d'étapes
• La version de notre code utilisé
• Toutes les modifications que vous avez apportées au bogue
• Tout ce qui est inhabituel dans votre environnement ou votre déploiement

Licence

Cette bibliothèque est autorisée sous la licence MIT-0. Voir le fichier de licence.

• Changelog du projet.
• Licence du projet.
• Code de conduite du projet.
• Contribuer à plus d'informations.