ec genai demo

ec-genai-demo：在电子商务中生成AI：四个主要用例演示

该演示使用Amazon Bedrock及其上可用的模型提供以下电子商务一代AI的四个典型用例：

有关详细说明，请参考下面的博客。
介绍博客：与AI一代第2部分的加速电子商务 - AWS Summit在Japan 2024上展出的Amazon Bedrock演示的解释|

功能简介

包括亚马逊基岩在以下四种用例中实施的演示：

有关详细说明，请参考下面的博客。
介绍博客：与AI一代第2部分的加速电子商务 - AWS Summit在Japan 2024上展出的Amazon Bedrock演示的解释|

产品设计建议生成

该实现通过给出产品图像来生成多个产品设计建议，这是设计新产品时的主题，以及作为提示的设计建议图像。

在下面的示例中，我们使用白色运动鞋作为原始图像，并使用设计建议的图像“五颜六色的皮鞋，白色鞋带和心脏徽标”来生成多个设计建议。

用法模型：亚马逊泰坦图像生成器G1

结构

1. 自动面具图像生成
   1. 仅重新生成Inpaint在Titan Image Generator中发布的一些图像领域。
   2. The inpaint function allows maskPrompt to indicate the area to be modified as a prompt, but it is difficult to mask the contour accurately, so we use a Python library called rembg to generate a mask image (a black and white image in a 0/1 representation), and then binary conversion to regenerate the white part, which is the product, and request it as a parameter to the Titan Image Generator.
2. 回应日本提示
   1. 将提示传递给亚马逊基岩时，我使用Amazon翻译将其翻译成英文。因此，即使您输入日语提示，它也会毫无问题。
3. 图像生成
   1. 使用Amazon Bedrock的Titan Image Generator模型编辑基于用户输入的提示的图像 - 创建除遮盖零件以外的图像

产品说明生成（+Instagram提案建议，标签生成，类别分类）

这是一个实现，可以根据产品图像，产品名称，产品功能（免费输入材料，季节，织物厚度等）分析产品，并根据指定项目作为产品描述中的主题生成产品描述。 此外，我们将生成三个发布到Instagram的产品类别和手稿。

使用型号：拟人Claude 3十四行诗/haiku（可切换）

结构

1. 我们使用产品图像，产品名称，产品功能（免费输入材料，季节，织物厚度等）来提示在Claude3中分析产品。

    <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>
   

   • *提示包含在UI中的文本窗口中输入的变量。
   • {focus_item}中的产品名称，{feature}中的产品功能以及{topic}中描述中包含的项目

2. 在这里，我们对Claude使用以下及时技术：

   1. 赋予克劳德的角色：发挥专业销售平台开发在电子商务中的作用
   2. 使用XML标签：通过将其放置在标签中来结构UI提供的信息。
   3. 思想链（COT）：如果可以分解产品描述中包含的元素，则可以通过将其定义为思想步骤来创建一个更具体的句子。
   4. *有关更多信息，请参阅此处的官方拟人及时工程指南。

LP（着陆页）一代

用法模型：

• 人类克劳德3.5十四行诗 /克劳德3 haiku（合并）
• 亚马逊泰坦图像生成器G1

结构

1. 使用产品名称，LP接收您要提出上诉的目标以及您要传达的内容作为输入。
2. 每个LLM进行以下处理
3. 创建标题列表
   • Claude 3 Haiku提示下面

   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。
   

4. 虚拟信息生成
   • Claude 3 Haiku提示您在下面。过去的历史记录包含在Amazon Bedrock InvokeModel API中并发送的消息中。

   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。
   

5. 图像生成
   1. 生成提示在Claude十四行内使用Titan Image Generator生成图像

       <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>
      

   2. 使用泰坦图像生成器生成图像
6. 收集生成的信息以生成LP

    <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>
   

产品图像背景校正

该实现涉及上传原始产品图像并指示图像生成多个背景生成计划，以准备产品图像和广告图像。

在下面的示例中，使用葡萄酒瓶作为原始图像生成多个背景生成方案，并在下面的图像中传递。

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

用法模型：亚马逊泰坦图像生成器G1

结构

1. 自动面具图像生成

   1. 仅重新生成Inpaint在Titan Image Generator中发布的一些图像领域。
   2. INPAINNT函数允许您使用MaskSprompt指定该区域，但是很难准确地掩盖轮廓，因此您使用称为REMBG的Python库来生成掩码映像（在0/1中的黑白图像）（0/1表示），然后将其转换为binary，然后将其转换为白色部分，该部分是该产品和tittan tittan tittan tittan tittain and tittain and tittain and tittain and tittain and titars tittain and titaimestran tit pitager as pitars tit parameTial tit paramester as pitars tit parameTers and参数。
      1. *这与“1。生成产品设计建议”相同，但是当将掩码图像转换为二进制时，唯一的区别是背景还是产品是否设置为0。

2. 回应日本提示

   1. 将提示传递给亚马逊基岩时，我使用Amazon翻译将其翻译成英文。因此，即使您输入日语提示，它也会毫无问题。

3. 图像生成

   1. 使用Amazon Bedrock的Titan Image Generator模型基于用户输入的提示进行编辑图像 - 创建除遮盖零件以外的图像

多模式/语义产品搜索

这是一个多模式/语义搜索实现，它允许您将产品描述和产品图像作为向量存储在矢量db中，并检索可以在语义上接近产品搜索过程中输入的文本或图像的语义搜索。 此外，产品搜索结果是通过个性化描述来适合搜索者角色的个性化和生成的。

*与“健康健康食品”相似的日本食物和荞麦面在搜索结果的顶部，表明它们具有语义搜索。

使用的模型：拟人Claude 3 Haiku，Amazon Titan多模式嵌入G1

结构

• 数据前输入
  • 关于产品描述和产品图像，矢量由亚马逊泰坦多模式嵌入G1模型计算，并存储在矢量db，faiss中
• 产品搜索
  • 在搜索时，使用Amazon Titan多模式嵌入G1对搜索单词和张贴的图像进行矢量化，并且在比较预存储的产品的向量时，基于余弦相似性从FAISS获得了以降级相似性来获得的产品列表。
  • 显示产品列表后，亚马逊基岩Claude 3 Haiku考虑到在搜索框中输入的文本以及搜索者的角色（年龄，性别，爱好等）信息。
• 产品比较
  • 亚马逊基岩Claude 3十四行诗在产品列表顶部和其他产品的产品之间生成和显示比较，并考虑到在搜索框中输入的文本和搜索者角色（年龄，性别，爱好等）信息。

产品描述生成和LP生成的Dify Workflow

请检查以下详细信息。
diify/

演示

该演示在2024年7月24日在AWS Expert Online上提供了AWS Expert Online的视频。

建筑学

该体系结构非常简单，在Amazon ECS上部署的SteamLit中实现了一个简单的Web应用程序，可通过https通过cloudfront-> application Load Load Balancer访问。

Steamlit上的Python脚本称为Amazon Bedrock API，以提示和检索各种AIS的结果。 这些模型是用于图像生成的亚马逊泰坦图像生成器G1，拟人化的Claude 3/3.5十四行诗/haiku用于文本处理，而亚马逊底座API则是搜索过程中矢量化的Amazon Titan多模式嵌入G1。

部署

重要的

该存储库配置为在俄勒冈地区（US-West-2）中使用以下模型作为Amazon Bedrock型号：

• 亚马逊
  • 泰坦图像生成器G1
  • 泰坦多模式嵌入G1
• 人类
  • 克劳德3.5十四行诗
  • 克劳德3十四行诗
  • 克劳德3 haiku

请在要提前部署此示例的帐户中打开模型访问屏幕（US-WEST-2），检查模型访问并保存更改。

首先，使用以下命令移至cdk目录并进行设置。

 cd cdk
npx projen install

重要的

您将使用AWS Cloud Development套件（以下称CDK）和Projen进行部署。
有关Projen和CDK的更多信息，请参考下面的AWS博客。
https://aws.amazon.com/jp/blogs/news/getting-with-with-projen-and-aws-cdk/

如果您从未使用过CDK，则只需要首次进行引导程序。
*在您已经自行的环境中，不需要以下命令。

npx cdk bootstrap

接下来，使用以下命令部署AWS资源：请等到部署完成。
*大约需要15分钟。

npx projen build
npx projen deploy

发展

您可以使用容器或诗歌在本地环境中创建环境。
从当地的环境中，您必须允许调用亚马逊基岩或亚马逊翻译

如果您在本地容器中运行

使用环境变量设置访问密钥

 export AWS_ACCESS_KEY_ID=xxx
export AWS_SECRET_ACCESS_KEY=xxx

从Docker组成开始

 cd src
docker compose up

如果您想和当地诗歌一起经营

重要的

Python版本假设">=3.12,<3.13"如诗歌的pyproject.toml所示。
它利用诗歌的虚拟环境特征，因此与现有的Python不会冲突。

您可以使用诗歌创建一个环境，如下所示：

 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

将.env.example文件重命名为.env并设置您的AWS凭据。

 # 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

构建环境后，使用以下命令开始简化：

 source .venv/bin/activate
region=us-west-2 poetry run streamlit run app.py

客户案例

Ozvision Co.，Ltd。

该样本（EC-Genai-Demo）用于考虑使用发电机AI改善搜索体验。我们公司的数据已在矢量搜索演示功能中注册，我们进行了POC。

• 点购物中心的“ Hapitas”使用生成的AI | Ozvision -Ozvision Co.，Ltd。
• Ozvision Co.，Ltd。的AWS Generation AI案例研究：Amazon Bedrock和Amazon Aurora的搜索功能

请求和问题

如果您有任何请求或问题，请投票给该问题。

安全

有关更多信息，请参见贡献。

执照

该库是根据MIT-0许可证的。