ec genai demo
1.0.0
이 데모는 Amazon Bedrock과 이용 가능한 모델을 사용하여 다음과 같은 전자 상거래 생성 AI의 다음 4 가지 사용 사례를 제공합니다.
자세한 설명은 아래 블로그를 참조하십시오.
블로그 소개 : Generation AI Part 2와의 전자 상거래 가속화 - AWS Summit Japan 2024에서 전시 된 Amazon Bedrock 데모에 대한 설명 |
다음 4 가지 사용 사례에 대한 Amazon Bedrock의 데모 구현이 포함되어 있습니다.
자세한 설명은 아래 블로그를 참조하십시오.
블로그 소개 : Generation AI Part 2와의 전자 상거래 가속화 - AWS Summit Japan 2024에서 전시 된 Amazon Bedrock 데모에 대한 설명 |
이 구현은 제품 이미지를 제공함으로써 여러 제품 설계 제안을 생성합니다.
아래의 예에서, 우리는 흰색 스니커즈를 원본 이미지로 사용하며, 디자인 제안, "화려한 가죽 신발, 흰색 레이스 및 하트 로고"의 이미지를 사용하여 여러 디자인 제안을 생성합니다.
 |  |
|---|
사용 모델 : Amazon Titan 이미지 생성기 G1
구조
이것은 제품 이미지, 제품 이름, 제품 기능 (무료 입력, 계절, 직물 두께 등)을 기반으로 제품을 분석하고 제품 설명에 포함될 주제로 지정된 항목에 따라 제품 설명을 생성하는 구현입니다. 또한 Instagram에 게시 된 세 가지 제품 범주와 원고를 생성합니다.
 |  |
|---|
사용 모델 사용 : Anthropic Claude 3 Sonnet/Haiku (Switchable)
구조
우리는 제품 이미지, 제품 이름, 제품 기능 (무료 입력 재료에 대한 무료 입력, 계절, 직물 두께 등)을 사용하여 Claude3에서 제품을 분석하는 프롬프트를 수행합니다.
<your role>あなたは、Eコマースにおける売場づくりのプロフェッショナルです。</your role>
<instruction>
新商品 {focus_item}の販売促進のために、Eコマースサイトでユーザーが思わず購入したくなるような魅力的な商品説明を考えてください。
あなたが読み込んだ画像は{focus_item}の写真です。
{focus_item}の色や種類を分析し、この商品を具体的に説明してください。商品の特徴が feature に記載されます。
説明文の提案は step に則って作成してください。
</instruction>
<step>
ステップ1: 商品の基本情報を確認する
ステップ2: ターゲット層を設定する
ステップ3: ターゲット層に合わせた言葉遣いやトーンを決める
ステップ4: 概要を書く
ステップ5: 埋めるべき各項目を書く
ステップ6: 全体を通して推敲する
</step>
<feature>
{feature}
</feature>
<topic>
{topic}
</topic>
<constraint>
アウトプットは topic に記載された項目に沿って記載してください。
最後に推奨ターゲット層とそれに合わせた販売チャネルについて提案してください。
なお、XMLタグは出力しないでください。
</constraint>
여기서 우리는 다음의 여러 Claude 프롬프트 기술을 사용합니다.
사용 모델 :
구조
あなたはある<item></item>を訴求するランディングページを作成するメディアライターです。
<target></target>に<item></item>を使った<contents></contents>の魅力を伝えたいです。そのためのLPの構成となる見出しリストを作成してください。
実際に各セクションに、見出しと本文にダミー情報を入れてください。
<content></content>を元に、各セクションに画像の説明をする文章を<rule></rule>に従って英語で作成してください。
出力は<output></output>のJSON形式で出力してください。画像名は<name></name>で与えられたモノを順に利用してください。
JSON 以外は出力しないでください。
<content>{assistant_return_3}</content>
<rule>
- HTMLのタグで表現できる内容は画像にしないでください。
- 画像の説明は{image_num}枚分作成してください。
- 暴力的な表現や誇大広告は避けてください。
- 生成する文章は AWS の責任ある AI ポリシーに従ってください。ポリシーのurl はhttps://aws.amazon.com/jp/machine-learning/responsible-ai/policy/ です。
</rule>
<name>
{img_name_dict}
</name>
<output>
{{
'image_9e3d82f':'ここに画像の説明をする文章を英語で入力します。画像生成 AI のプロンプトに沿った形式で入力してください。'
}}
</output>
<content></content>を元に、LP を作成してください。
デザインは添付の画像を参考にして作成してください。
作成には<rule></rule>に従ってください。HTML と Style のみを出力してください。それ以外は出力しないでください。
<rule>
- 出力はHTMLと、それを修飾するためのStyleのみを出力してください。
- 画像のタグは<img src="./app/static/image_7e0ceb1.png"> のように作成してください。
- <images></images>の画像から選択し、同じ画像は使わないようにしてください。
- 画像のタグは {len(image_dict)} つ作成してください。'''
</rule>
<images>
{image_dict}
</images>
<content>{assistant_return_3}</content>
 |  |
|---|
이 구현에는 원래 제품 이미지를 업로드하고 이미지에 제품 이미지 및 광고 이미지를 준비하기위한 여러 배경 생성 계획을 생성하도록 지시하는 것이 포함됩니다.
아래의 예에서, 다중 배경 생성 체계는 와인 병을 원본 이미지로 사용하여 생성되며 다음 이미지로 전달됩니다.
プロのカメラマンが撮影した商品画像、大理石のテーブルの上に、たくさんの果物が置かれている、背景は少しボケている
 |  |
|---|
사용 모델 : Amazon Titan 이미지 생성기 G1
구조
자동 마스크 이미지 생성
일본 프롬프트에 대한 대응
이미지 생성
이것은 벡터 DB에 제품 설명 및 제품 이미지를 벡터 DB에 벡터로 저장하고 제품 검색 중에 입력 한 텍스트 또는 이미지에 가까울 수있는 시맨틱 검색을 검색 할 수있는 멀티 모드/시맨틱 검색 구현입니다. 또한 제품 검색 결과는 검색 자의 페르소나에 맞게 설명을 개인화하여 개인화 및 생성됩니다.
 |  |
|---|
*"건강하고 건강한 음식"과 유사한 일본 음식과 소바 국수는 검색 결과의 최상위에 있으며 의미 론적 검색이 있음을 알 수 있습니다.
중고 모델 : Anthropic Claude 3 Haiku, Amazon Titan Multimodal Embedings G1
구조
자세한 내용은 다음을 확인하십시오.
diify/
이 데모는 2024 년 7 월 24 일 Jaws-ug #34의 AWS Expert Online의 비디오와 함께 제공되었습니다.
이 아키텍처는 매우 간단하며 Cloudfront-> 응용 프로그램로드 밸런서를 통해 HTTPS를 통해 액세스 할 수있는 Amazon EC에 배포 된 STEAMLIT에 구현 된 간단한 웹 응용 프로그램이 매우 간단합니다.
Steamlit의 Python 스크립트는 Amazon Bedrock API를 호출하여 다양한 세대 AI의 결과를 프롬프트하고 검색합니다. 이 모델은 이미지 생성을위한 Amazon Titan 이미지 생성기 G1, 텍스트 처리를위한 Anthropic Claude 3/3.5 Sonnet/Haiku 및 Amazon Bedrock API를 검색하는 동안 벡터화를위한 Amazon Titan Multimodal Embedings G1입니다.
중요한
이 저장소는 오레곤 지역 (US-WEST-2)의 다음 모델을 Amazon Bedrock 모델로 사용하도록 구성됩니다.
이 샘플을 미리 배포하려는 계정에서 모델 액세스 화면 (US-WEST-2)을 열고 모델 액세스를 확인하고 변경 사항을 저장하십시오.
먼저 다음 명령을 사용하여 cdk 디렉토리로 이동하여 설정하십시오.
cd cdk
npx projen install중요한
AWS Cloud Development Kit (이하 CDK)와 Projen을 배포합니다.
Projen 및 CDK에 대한 자세한 내용은 아래 AWS 블로그를 참조하십시오.
https://aws.amazon.com/jp/blogs/news/getting-started-with-projen-and-aws-cdk/
CDK를 사용한 적이 없다면 처음으로 만 부트 스트랩을해야합니다.
*이미 부트 스트랩 된 환경에서는 다음 명령이 필요하지 않습니다.
npx cdk bootstrap 다음으로 다음 명령을 사용하여 AWS 리소스를 배포하십시오. 배포가 완료 될 때까지 기다리십시오.
*약 15 분이 걸립니다.
npx projen build
npx projen deploy 컨테이너 또는시를 사용하여 지역 환경에서 환경을 만들 수 있습니다.
지역 환경에서 Amazon Bedrock 또는 Amazon Transle을 호출 할 수있는 권한이 있어야합니다.
환경 변수로 액세스 키를 설정하십시오
export AWS_ACCESS_KEY_ID=xxx
export AWS_SECRET_ACCESS_KEY=xxxDocker Compose로 시작하십시오
cd src
docker compose up중요한
Python 버전은 pyproject.toml 에서 볼 수 있듯이 ">=3.12,<3.13" 가정합니다.
시의 가상 환경 기능을 사용하므로 기존 파이썬과 충돌하지 않습니다.
다음과 같이시를 사용하여 환경을 만들 수 있습니다.
poetry config virtualenvs.in-project true
poetry install
# .venvで仮想環境が利用可能です。
source .venv/bin/activate
.env.example 파일의 이름을 .env 로 바꾸고 AWS 자격 증명을 설정하십시오.
# EC2 や Cloud9 の IAM ロールを利用する場合は .env の設定は不要です
cp .env.example .env
환경을 구축 한 후 다음 명령으로 간소화를 시작하십시오.
source .venv/bin/activate
region=us-west-2 poetry run streamlit run app.py
이 샘플 인 EC-Genai-Demo는 생성 된 AI를 사용하여 검색 경험을 향상시키는 데 사용되었습니다. 회사의 데이터는 벡터 검색 데모 기능에 등록되었으며 POC를 수행했습니다.
요청이나 문제가 있으면 문제에 투표하십시오.
자세한 내용은 기여를 참조하십시오.
이 라이브러리는 MIT-0 라이센스에 따라 라이센스가 있습니다.
