ec genai demo
1.0.0
Эта демонстрация предлагает следующие четыре типичных случая использования искусственного интеллекта для генерации электронной коммерции, используя Amazon Bedrock и доступные на нем модели:
Для получения подробных объяснений, пожалуйста, также обратитесь к блогу ниже.
Представление блога: ускорение электронной коммерции с поколением AI Часть 2 - объяснение демонстрации Amazon Bedrock, выставленная на AWS Summit Japan 2024 |
Включает демонстрационную реализацию Amazon Bedrock для следующих четырех вариантов использования:
Для получения подробных объяснений, пожалуйста, также обратитесь к блогу ниже.
Представление блога: ускорение электронной коммерции с поколением AI Часть 2 - объяснение демонстрации Amazon Bedrock, выставленная на AWS Summit Japan 2024 |
Эта реализация генерирует несколько предложений по проектированию продукта, предоставляя им изображения продукта, которые являются темами при разработке нового продукта, и изображения предложений по проектированию в качестве подсказок.
В приведенном ниже примере мы используем белые кроссовки в качестве исходного изображения, и мы используем изображение предложений по дизайну, «красочные кожаные туфли, белые шнурки и логотипы сердца» для создания нескольких предложений по дизайну.
 |  |
|---|
Модель использования : генератор изображений Amazon Titan G1
структура
Это реализация, которая анализирует продукт на основе изображений продукта, названий продуктов, функций продукта (бесплатное ввод материала, сезон, толщина ткани и т. Д.), И генерирует описание продукта в соответствии с указанным элементом в качестве темы, которая должна быть включена в описание продукта. Кроме того, мы создадим три категории продуктов и рукописи, размещенные в Instagram.
 |  |
|---|
Используйте модель : Antropic Claude 3 Sonnet/Haiku (переключение)
структура
Мы используем изображение продукта, название продукта, функции продукта (бесплатный ввод для входных материалов, сезон, толщина ткани и т. Д.), Чтобы выполнить подсказку для анализа продукта в Claude3.
<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>
Здесь мы используем следующие несколько приглашенных методов Claude:
Модель использования :
структура
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>
 |  |
|---|
Эта реализация включает в себя загрузку оригинального изображения продукта и инструктаж изображение для создания нескольких планов образования фоновых генераций для подготовки изображений продуктов и рекламных изображений.
В приведенном ниже примере схемы нескольких фоновых генераций генерируются с использованием бутылки для вина в качестве исходного изображения и передаются на следующем изображении.
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
 |  |
|---|
Модель использования : генератор изображений Amazon Titan G1
структура
Автоматическая генерация изображений маски
Отвечая на подсказки японцев
Генерация изображений
Это мультимодальная/семантическая реализация поиска, которая позволяет хранить описания продуктов и изображения продуктов в качестве векторов в векторном DB и получать семантический поиск, который может быть семантически близок к тексту или изображениям, введенным во время поиска продукта. Кроме того, результаты поиска продукта персонализируются и генерируются путем персонализации описаний, чтобы удовлетворить личность искателя.
 |  |
|---|
*Японская еда и лапша Soba, которые похожи на «здоровую и здоровую пищу», находятся на вершине результатов поиска, и вы можете видеть, что у них есть семантический поиск.
Используемая модель : антроп Claude 3 Haiku, Amazon Titan MultiModal Enterdings G1
структура
Пожалуйста, проверьте следующее для деталей.
Dify/
Эта демонстрация была показана с видео в AWS Expert Online для Jaws-UG #34 24 июля 2024 года.
Архитектура очень проста, с простым веб -приложением, реализованным в Steamlit, развернутой на Amazon ECS, доступном через HTTPS через CloudFront -> Balancer нагрузки приложения.
Сценарий Python на Steamlit вызывает API Amazon Bedrock, чтобы вызвать и получить результаты различных AIS. Модели представляют собой генератор изображений Amazon Titan G1 для генерации изображений, антроп Claude 3/3,5 Sonnet/Haiku для обработки текста и мультимодальные Enterdings Amazon Titan G1 для векторизации во время поиска через API Amazon Bedrock.
Важный
Этот репозиторий настроен на использование следующих моделей в регионе Орегона (US-WEST-2) в качестве моделей Amazon Bedrock:
Пожалуйста, откройте экран доступа к модели (US-WEST-2) в учетной записи, где вы хотите развернуть этот образец заранее, проверить доступ к модели и сохранить изменения.
Сначала используйте следующую команду, чтобы перейти в каталог cdk и установите ее.
cd cdk
npx projen installВажный
Вы будете использовать комплект разработки AWS Cloud (далее CDK) и Projen для развертывания.
Для получения дополнительной информации о Projen и CDK, пожалуйста, также обратитесь к блогу AWS ниже.
https://aws.amazon.com/jp/blogs/news/getting-started-with-projen-and-aws-cdk/
Если вы никогда не использовали CDK, вам нужно будет начать начальную загрузку только в первый раз.
*Следующая команда не требуется в среде, где вы уже начались.
npx cdk bootstrap Далее используйте следующую команду для развертывания ресурсов AWS: Пожалуйста, подождите, пока развертывание будет завершено.
*Это занимает около 15 минут.
npx projen build
npx projen deploy Вы можете создать среду в локальной среде, используя контейнер или поэзию.
Из вашей местной среды вы должны иметь разрешение на вызов Amazon Bedrock или Amazon Translate
Установите ключ Access с переменными среды
export AWS_ACCESS_KEY_ID=xxx
export AWS_SECRET_ACCESS_KEY=xxxНачните с Docker Compose
cd src
docker compose upВажный
Версия Python предполагает ">=3.12,<3.13" как видно в pyproject.toml поэзии.
Он использует функцию виртуальной среды поэзии, поэтому она не конфликтует с существующим Python.
Вы можете создать среду, используя поэзию следующим образом:
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
Переименуйте файл .env.example в .env и установите свои учетные данные AWS.
# 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
После построения среды начните потооттрой со следующей командой:
source .venv/bin/activate
region=us-west-2 poetry run streamlit run app.py
Этот образец, EC-Genai-Demo, использовался для рассмотрения улучшения поиска с использованием сгенерированного ИИ. Данные нашей компании были зарегистрированы в демонстрационной функции Vector Search, и мы провели POC.
Если у вас есть какие -либо запросы или проблемы, пожалуйста, проголосуйте за эту проблему.
Смотрите Anploying для получения дополнительной информации.
Эта библиотека лицензирована по лицензии MIT-0.
