pace genai demos

生成AIでエンタープライズデータの力を活用する：Amazon Kendra、Langchain、および大規模な言語モデルからの洞察

このリポジトリは、MIT-0ライセンスの下でライセンスされた3つの生成AIデモのコードサンプルを提供します。

1. 基礎LLMを備えたAmazon Kendra ：Amazon Kendraの深い検索機能と、大規模な言語モデルの広大な知識を組み合わせています。この統合は、多様なソースから描画することにより、複雑なクエリに対する正確でコンテキストを意識した回答を提供します。

2. 基礎LLMを使用した埋め込みモデル：LLMの膨大な知識ベースと、単語やフレーズの意味的な意味をキャプチャする手法である埋め込みの力を統合します。この相乗効果により、より正確なトピックモデリング、コンテンツの推奨、セマンティック検索機能が可能になります。

3. ファンデーションモデルPharma Ad Generator ：製薬業界向けに調整された専門的なアプリケーション。基礎モデルの生成能力を活用するこのツールは、説得力のある準拠の医薬品広告を作成し、コンテンツが業界標準と規制に準拠することを保証します

これらのデモは、AWSアカウントにシームレスに展開でき、AWSサービスを利用して最先端の大手言語モデル（LLM）生成AI質問と回答ボットとコンテンツ生成を作成するための基本的な洞察とガイダンスを提供できます。

これらのデモは互いに独立して展開できます。展開手順については、各フォルダーのREADMEファイルを参照してください。

これらのソリューションの仕組みの詳細については、ブログ投稿を参照してください。

著者

• Jin Tan Ruan -AWSI PACEプロトタイピング開発者
• Aravind Kodandaramaiah-AWSI PACEシニアプロトタイピング開発者

トラブルシューティング

解凍されたサイズは262144000バイトより小さくする必要があります（サービス：Awslambdainternal;ステータスコード：400）

1. 既存のLambdaレイヤーフォルダーを削除します。プロジェクトからLambda_langchain_layerフォルダーを削除することから始めます。このアクションにより、破損したファイルまたは特大ファイルがクリアされることが保証されます。
2. レイヤーの再作成：削除後、deploy.shコマンドを使用してlambdaレイヤーを再作成します。このプロセスは、必要なコンポーネントを備えた新鮮でサイズに準拠したレイヤーを生成する必要があります。
3. クリーンなDockerリソース：残留Docker画像やコンテナが不必要なスペースを占有していることを保証することも重要です。すべての実行中のドッカー画像とコンテナを清掃して、スペースを解放し、潜在的な競合を回避します。

バグ/機能要求のレポート

問題を提出するときは、既存のオープンまたは最近閉じた問題を確認して、他の誰かがまだ問題を報告していないことを確認してください。できるだけ多くの情報を含めるようにしてください。このような詳細は非常に便利です：

• 再現可能なテストケースまたは一連のステップ
• 使用されているコードのバージョン
• バグに関連する変更を加えました
• あなたの環境や展開について異常なもの

ライセンス

このライブラリは、MIT-0ライセンスに基づいてライセンスされています。ライセンスファイルを参照してください。

• プロジェクトの変更。
• プロジェクトのライセンス。
• プロジェクトの行動規範。
• 詳細については貢献します。