pace genai demos

생성 AI와 함께 엔터프라이즈 데이터의 힘을 활용 : Amazon Kendra, Langchain 및 대형 언어 모델의 통찰력

이 저장소는 MIT-0 라이센스에 따라 라이센스가 부여 된 3 개의 생성 AI 데모에 대한 코드 샘플을 제공합니다.

1. 기초 LLM의 Amazon Kendra : 대형 언어 모델에 대한 광범위한 지식과 결합 된 Amazon Kendra의 깊은 검색 기능을 활용합니다. 이 통합은 다양한 소스에서 벗어나 복잡한 쿼리에 대한 정확하고 상황을 인식하는 답변을 제공합니다.

2. 기초 LLM을 사용한 임베딩 모델 : LLM의 방대한 지식 기반으로 단어와 문구의 의미 론적 의미를 포착하는 기술 인 임베딩의 힘을 병합합니다. 이 시너지 효과는보다 정확한 주제 모델링, 컨텐츠 권장 사항 및 시맨틱 검색 기능을 가능하게합니다.

3. Foundation 모델 Pharma Ad Generator : 제약 산업에 맞게 조정 된 특수 응용 프로그램. 기초 모델의 생성 기능을 활용 하여이 도구는 설득력 있고 준수하는 제약 광고를 생성하여 컨텐츠가 업계 표준 및 규정을 준수하도록합니다.

이 데모는 AWS 계정에 원활하게 배포 될 수 있으며 AWS 서비스를 활용하여 최첨단 대형 언어 모델 (LLM) 생성 AI 질문 및 답변 봇 및 콘텐츠 생성을 만들기위한 기본 통찰력과 지침을 제공 할 수 있습니다.

이 데모를 서로 독립적으로 배포 할 수 있습니다. 배포 지침은 각 폴더의 readme 파일을 참조하십시오.

이러한 솔루션의 작동 방식에 대한 자세한 내용은 블로그 게시물을 참조하십시오.

저자

• Jin Tan Ruan -Awsi Pace 프로토 타이핑 개발자
• Aravind Kodandaramaiah -Awsi Pace 선임 프로토 타이핑 개발자

문제 해결

압축되지 않은 크기는 262144000 바이트보다 작아야합니다 (서비스 : Awslambdainternal; 상태 코드 : 400)

1. 기존 Lambda 레이어 폴더 삭제 : 프로젝트에서 Lambda_langchain_layer 폴더를 제거하여 시작하십시오. 이 조치는 손상되거나 대형 파일이 지워지도록합니다.
2. 레이어 재현 : 삭제 후 deploy.sh 명령을 사용하여 Lambda 레이어를 재현하십시오. 이 프로세스는 필요한 구성 요소와 함께 신선한 크기 호환 층을 생성해야합니다.
3. Clean Docker Resources : 잔여 도커 이미지 나 컨테이너가 불필요한 공간을 차지하지 않도록하는 것이 중요합니다. 실행중인 모든 도커 이미지와 컨테이너를 청소하여 공간을 확보하고 잠재적 인 충돌을 피하십시오.

버그/기능 요청보고

문제를 제기 할 때 기존의 열린 개방 또는 최근에 폐쇄 된 문제를 확인하여 다른 사람이 아직 문제를보고하지 않았는지 확인하십시오. 최대한 많은 정보를 포함 시키십시오. 이와 같은 세부 사항은 매우 유용합니다.

• 재현 가능한 테스트 케이스 또는 일련의 단계
• 사용중인 코드의 버전
• 버그와 관련된 모든 수정
• 환경이나 배치에 대해 비정상적인 것

특허

이 라이브러리는 MIT-0 라이센스에 따라 라이센스가 부여됩니다. 라이센스 파일을 참조하십시오.

• 프로젝트의 변화.
• 프로젝트의 라이센스.
• 프로젝트의 행동 강령.
• 더 많은 정보를 제공합니다.