ساخت نمایندگان هوش مصنوعی با استفاده از عوامل بستر آمازون

آمازون Bedrock یک سرویس قدرتمند است که به توسعه دهندگان اجازه می دهد تا نمایندگان هوش مصنوعی را با سهولت ساخت ، مستقر و مدیریت کنند. این عوامل می توانند برای انجام انواع کارها ، از پردازش زبان طبیعی گرفته تا ادغام با API های خارجی برای بازیابی داده های زمان واقعی طراحی شوند. در این مقاله ، ما یک عامل هوش مصنوعی را قادر به انجام وظایف در زمان واقعی خواهیم ساخت ، مانند بازیابی زمان فعلی در قالب UTC و محاسبه مجموع دو عدد به صورت پویا (شبیه سازی رفتار عامل برای درک گروه های عمل AWS Bedrock).

یک عامل هوش مصنوعی سیستمی است که محیط خود را درک می کند ، اطلاعات را پردازش می کند و برای دستیابی به اهداف خاص اقداماتی را انجام می دهد. این برنامه به صورت خودمختار یا نیمه خودمختار عمل می کند و بر اساس قوانین از پیش تعریف شده ، رفتارهای آموخته شده یا داده های در زمان واقعی تصمیم می گیرد.

نمونه هایی از عوامل هوش مصنوعی

• *chatbots *(به عنوان مثال ، Chatgpt ، Google Gemini) – پرس و جوهای کاربر را درک و پاسخ دهید.
• وسایل نقلیه خودمختار (به عنوان مثال ، tesla autopilot) – محیط را درک کنید و حرکت کنید.
• رباتهای تجاری – روند بازار را تجزیه و تحلیل کنید و معاملات را اجرا کنید.
• دستیاران هوش مصنوعی (به عنوان مثال ، الکسا ، سیری) – وظایف را بر اساس دستورات صوتی انجام دهید.
• سیستم های توصیه شده با هوش مصنوعی – محصولات ، فیلم ها یا مطالب را بر اساس رفتار کاربر پیشنهاد دهید.

قبل از شروع ، اطمینان حاصل کنید که موارد زیر را دارید:

1. حساب AWS: برای دسترسی به بستر آمازون به یک حساب کاربری فعال AWS نیاز دارید.
2. مجوزهای IAM: اطمینان حاصل کنید که کاربر IAM شما مجوزهای لازم را برای ایجاد و مدیریت عوامل بستر دارد.
3. دانش اساسی API ها: آشنایی با API های REST و نحوه کار آنها مفید خواهد بود.
4. AWS CLI (اختیاری): در حالی که ما روی کنسول مدیریت AWS تمرکز خواهیم کرد ، نصب AWS CLI می تواند برای تنظیمات پیشرفته مفید باشد.

دسترسی به بستر آمازون در کنسول AWS

• وارد کنسول مدیریت AWS شوید: به کنسول AWS بروید و با اعتبار خود وارد شوید.
• به بستر آمازون بروید:
• در کنسول مدیریت AWS ، از نوار جستجو در بالا و تایپ “بستر آمازون” استفاده کنید.
• برای باز کردن داشبورد بستر ، روی سرویس “بستر آمازون” کلیک کنید.

ایجاد یک عامل جدید در بستر آمازون

1. بخش عوامل را باز کنید:

• در داشبورد بستر آمازون ، بخش “نمایندگان” را در صفحه ناوبری سمت چپ قرار دهید.
• برای باز کردن صفحه مدیریت Agents ، روی “نمایندگان” کلیک کنید.

2. آزمایش مدل Claude AI (مدل بنیادی – AWS Bedrock)

مدل های هوش مصنوعی در مجموعه داده های استاتیک آموزش دیده و دسترسی زنده اینترنت برای واکشی یا یادگیری اطلاعات جدید در زمان واقعی ندارند. دانش آنها محدود به آنچه در آن آموزش دیده اند ، و برای دستیابی به داده های زمان واقعی یا ایجاد یک عامل هوش مصنوعی برای دستیابی به این کار در زمان واقعی ، نیاز به تنظیم دقیق یا API های خارجی دارند.

3. یک عامل جدید ایجاد کنید:

برای شروع روند ایجاد یک عامل جدید AI ، روی دکمه “ایجاد عامل” کلیک کنید.

• از شما خواسته می شود نامی را برای نماینده خود ارائه دهید. یک نام توصیفی مانند “عامل نمایشی” وارد کنید.
• به صورت اختیاری ، می توانید توضیحی را برای ارائه زمینه بیشتر در مورد هدف عامل اضافه کنید.

4. پیکربندی عامل:

پس از ایجاد نماینده ، برای دسترسی ایمن ، نقش IAM از پیش تعریف شده را به عامل AWS Bedrock خود اختصاص دهید یا با مجوزهای لازم نقش جدیدی ایجاد کنید.

نقش اعدام: گزینه انتخابی پیش فرض ، “ایجاد و استفاده از نقش جدید سرویس” به طور خودکار نقش جدیدی را برای نماینده AWS Bedrock ایجاد می کند و مجوزها و خط مشی های اجرای لازم را اعطا می کند – نیاز به تنظیم دستی.

• انتخاب مدل پایه: یک مدل پایه را از مدل های پایه AWS Bedrock ، مانند Anthropic Claude ، Amazon Titan ، Meta Llama یا AI پایداری ، بر اساس مورد استفاده خاص خود انتخاب کنید.
• دستورالعمل برای نماینده: دستورالعمل های واضح و ساختاری را برای اطمینان از عملکرد کارآمد AWS Bedrock خود ارائه دهید ، از جمله تعاریف کار ، زمینه و قالب های خروجی مورد انتظار. عملکرد خود را با مشخص کردن دستورالعملهای مربوط به صحت ، رسیدگی به خطا و کیفیت پاسخ بهینه سازی کنید و عامل را قادر می سازد مانند یک حرفه ای با حداقل مداخله دستی عمل کند.

انتخاب کردن “ذخیره و خروج” برای ذخیره تنظیمات اصلی AWS Bedrock Agent. این اقدام به طور خودکار نقش ها و سیاست های IAM لازم را ایجاد می کند ، و اطمینان می دهد که نماینده مجوزهای لازم را برای دسترسی به خدمات AWS Bedrock به طور یکپارچه دارد.

انتخاب کردن “ویرایش در نماینده سازنده” برای بررسی و تقویت عامل AWS Bedrock با پیکربندی تنظیمات اضافی مانند توابع Lambda ، گروه های اقدام ، دعوت گروه اکشن و عملکردهای گروه اکشن. این به شما امکان می دهد تا قابلیت های عامل را تنظیم کرده و از اجرای یکپارچه وظایف اطمینان حاصل کنید.

گروه های اقدام: به نماینده خود اجازه دهید تا با ادغام با خدمات AWS خارجی یا API ، وظایف خاص را انجام دهد. این گروه ها تعریف می کنند که عامل می تواند چه اقداماتی را انجام دهد.

افزودن گروه اکشن: به نماینده خود اجازه دهید تا با ادغام با خدمات AWS خارجی یا API ، وظایف خاص را انجام دهد. این گروه ها تعریف می کنند که عامل می تواند چه اقداماتی را انجام دهد.

دعوت گروه اقدام: شما می توانید یک عملکرد Lambda را برای یک گروه اکشن AWS Bedrock ایجاد کنید تا فقط با چند کلیک آسان ، یکپارچه از اقدامات سفارشی استفاده کنید. این امر عامل بستر شما را قادر می سازد تا گردش کار متناسب را اجرا کند ، با خدمات خارجی ادغام شود و اتوماسیون را بدون تنظیمات پیچیده تقویت کند. ❤

عملکرد گروه اکشن 1: برای فعال کردن قابلیت زمان در زمان واقعی ، شما باید یک عملکرد AWS Lambda را برای گروه اقدام “Get_time” ایجاد کنید تا توسط این عامل نمایشی در برابر درخواست ورودی با استفاده از ماشه عملکرد Lambda فراخوانی شود.

عملکرد گروه اکشن 2: با افزودن قابلیت اضافه کردن دو عدد ، باید یک عملکرد گروه اکشن ایجاد کنید تا توسط یک عامل نمایشی در برابر درخواست ورودی کاربر فراخوانی شود. بیایید یک عملکرد گروه اکشن ایجاد کنیم تا به طور خودکار یک عملکرد AWS Lambda را برای گروه اکشن “add_two_numbers” تولید کند. (با این حال. مدل عادی می تواند این عملیات ریاضی را انجام دهد ، اما این فقط برای روشن شدن چگونگی عملکرد AI عامل در پشت صحنه BU ایجاد گروه های اکشن است)

عملکرد گروه اکشن 2 (پارامترها): برای فعال کردن عمل “add_two_numbers” ، عامل به دو پارامتر عددی نیاز دارد. بیایید پارامترها را پیکربندی کنیم تا این عملکرد بتواند پارامترهای مورد نیاز را از درخواست کاربر به این عامل نمایشی بدست آورد.

یک بار انجام شد ، مدتی صبر کنید تا نماینده نمایشی بتواند موارد اساسی را پیکربندی کند و تولید کد مرحله را برای نقش های لامبدا ، IAM ، مجوزها و سیاست های لازم برای عامل AWS بستر ایجاد کند تا کارآمد کار کند …

بعد از خلقت ، ما می توانیم با گروههای عملی که در بالا با پارامتر و مکانیسم دعوت تعریف کردیم ، Lambda ایجاد شده همه در یک را مشاهده کنیم.

برای افزایش عملکرد خودکار AWS Lambda برای گروه اقدام “get_time” و اطمینان از بازگشت زمان فعلی در قالب UTC.

def get_time():
  return datetime.datetime.utcnow().strftime("%H:%M:%S")

برای تقویت عملکرد AWS Lambda ایجاد شده توسط AWS و فعال کردن آن برای بازگشت تعداد دو شماره ، عملکرد را به شرح زیر به روز کنید:

def add_two_numbers(number_1, number_2):
  return number_1 + number_2

آماده سازی: پس از استقرار عامل Bedrock AWS ، مرحله آماده سازی تضمین می کند که عامل آماده آزمایش و اعتبار سنجی است. این مرحله شامل اولیه سازی منابع ، تأیید پیکربندی ها و بررسی اتصال با خدمات یکپارچه مانند توابع Lambda ، گروه های عمل و خط مشی IAM است. آزمون رفتار برای تأیید دقیق درخواست های فرآیند عامل انجام می شود و همانطور که پیش بینی می شود قبل از استقرار کامل انجام می شود. 🚀

عالی! 🚀 AWS Bedrock Agent شما اکنون با موفقیت زمان UTC فعلی را برمی گرداند و مبلغ دو شماره را از طریق درخواست دریافتی برای نمایشی محاسبه می کند

1. نمایش ردیابی: پس از استقرار نماینده Bedrock AWS ، ویژگی Trace به اشکال زدایی و اعتبارسنجی جریان اجرای آن کمک می کند. این امکان را به شما می دهد تا پاسخ های عامل را کنترل کنید ، اقدامات فراخوانی شده (مانند واکشی زمان یا جمع بندی شماره) را ردیابی کنید و برای هرگونه خطا یا رفتار غیر منتظره ، گزارش ها را بازرسی کنید.
2. از این مرحله استفاده کنید تا اطمینان حاصل شود که نماینده به درستی درخواست ها ، فراخوانی توابع لامبدا و بازگشت نتایج دقیق است.

نمایش ردیابی: بیایید تجزیه و تحلیل کنیم که چگونه عامل AWS Bedrock ما ورودی ها را پردازش می کند و تصمیم می گیرد. این مرحله شامل ردیابی جریان اجرای عامل است ، از جمله:

• تجزیه و تحلیل ورودی: چگونه نماینده نمایش داده های کاربر را تفسیر می کند (به عنوان مثال ، تشخیص اینکه درخواست برای زمان یا محاسبه جمع است).
• تصمیم گیری: نحوه تعیین گروه اقدام مناسب و عملکرد صحیح لامبدا را انتخاب می کند.
• دعوت عملکرد: نظارت بر نحوه تعامل عامل با AWS Lambda برای بازیابی نتایج.
• تولید پاسخ: اطمینان از پاسخ ساختارهای عامل به درستی و داده های دقیق را برمی گرداند.