使用 Amazon Lex 和 Amazon Bedrock 创建自助服务数字助手

关键要点

在当今的市场中，组织力求提供高效、可扩展、经济实惠且自动化的客户支持解决方案，而不会影响客户体验。由生成性人工智能AI驱动的聊天机器人通过提供来自知识库的回答，在无须现场工作人员介入的情况下，扮演了至关重要的角色。这些聊天机器人可以高效地处理常见查询，释放现场员工专注于更复杂的任务。本文介绍了如何利用 Amazon Lex 和 Amazon Bedrock 构建这样的聊天机器人。

组织希望实现高效、可扩展和经济的客户支持解决方案，确保不会降低客户体验。生成性人工智能AI驱动的聊天机器人能够提供类人互动，并从知识库中提供答案，无需现场客服人员。这使得这些聊天机器人能够有效应对常见问题，使现场人员能够专注于更复杂的事务。

Amazon Lex 提供了通过语音和文本通道进行先进对话的接口。其自然语言理解能力使用户意图的识别更为准确，并更快地满足用户意图。

Amazon Bedrock 简化了基于大型语言模型LLM和其他基础模型FM的生成性 AI 应用的开发和扩展过程。它提供了接入多家领先提供商的多种基础模型，比如 Anthropic Claude、AI21 Labs、Cohere 和 Stability AI，以及亚马逊自有的 Amazon Titan 模型。此外， Amazon Bedrock Knowledge Bases 使您能够开发利用检索增强生成RAG能力的应用程序，能够从数据源中检索相关信息，提高模型生成符合上下文的知情回复的能力。

在 Amazon Lex 中的 QnAIntent 功能让您可以安全地将基础模型与公司数据连接，以便进行 RAG。QnAIntent 提供了使用企业数据和 Amazon Bedrock 上的基础模型生成相关、准确且具上下文的回复的界面。您可以将 QnAIntent 与新的或现有的 Amazon Lex 聊天机器人一起使用，以通过文本和语音渠道例如 Amazon Connect自动处理常见问题。

外网VNP加速

通过这种能力，您不再需要创建意图的变体、样本发言、槽和提示来预测和处理各种常见问题。您只需将 QnAIntent 连接到公司知识源，机器人就能立即处理允许的内容的问题。

在此文章中，我们将演示如何使用 QnAIntent 构建连接到 Amazon Bedrock 知识库的聊天机器人由 Amazon OpenSearch Serverless 提供支持的 向量数据库，为您的客户构建丰富的自助服务对话体验。

解决方案概览

该解决方案利用 Amazon Lex、Amazon Simple Storage Service (Amazon S3) 和 Amazon Bedrock 进行以下步骤：

用户通过预构建的 Amazon Lex 网页 UI 与聊天机器人进行互动。每个用户请求通过 Amazon Lex 处理，以确定用户意图，使用意图识别的方式。Amazon Lex 提供内置的生成性 AI 功能 QnAIntent，可直接连接到知识库以满足用户请求。Amazon Bedrock Knowledge Bases 使用 Amazon Titan 嵌入模型将用户查询转换为向量，并查询知识库以寻找与用户查询语义相似的块。用户提示与知识库返回的结果一同增强为额外上下文，并发送给 LLM 生成响应。生成的响应通过 QnAIntent 返回，并通过 Amazon Lex 发回聊天应用程序中的用户。

以下图示展示了解决方案架构及工作流程。

在接下来的部分中，我们将详细了解解决方案的关键组件，以及实现解决方案的高层步骤：

在 Amazon Bedrock 中为 OpenSearch Serverless 创建知识库。创建一个 Amazon Lex 机器人。在 Amazon Lex 中使用内置的 QnAIntent 创建新的生成性 AI 驱动的意图，并指向知识库。部署可在 GitHub 仓库 中找到的示例 Amazon Lex 网页 UI。根据所选 AWS 区域使用提供的 AWS CloudFormation 模板，并配置机器人。

先决条件

要实现此解决方案，您需要以下材料：

一个具有创建 AWS 身份和访问管理IAM 角色和策略权限的 AWS 账户。有关更多信息，请查看 访问管理概述：权限和策略。熟悉 AWS 服务，如 Amazon S3、Amazon Lex、Amazon OpenSearch 服务 和 Amazon Bedrock。启用对 Amazon Titan Embeddings G1 Text 模型和 Anthropic Claude 3 Haiku 在 Amazon Bedrock 上的访问权限。有关指引，请参见 模型访问。在 Amazon S3 中的一个数据源。本文中数据源使用 亚马逊股东文档亚马逊股东信 2023 年和 2022 年。

创建知识库

要在 Amazon Bedrock 中创建新的知识库，请完成以下步骤。有关更多信息，请参见 创建知识库。

在 Amazon Bedrock 控制台中，在导航窗格中选择 知识库。

选择 创建知识库。

在 提供知识库详细信息 页面中，输入知识库名称、IAM 权限和标签。

选择 下一步。

对于 数据源名称，Amazon Bedrock 会预填充自动生成的数据源名称；不过，您可以根据需要更改。

保持数据源位置为同一 AWS 账户，然后选择 浏览 S3。

选择存储您上传的亚马逊股东文件的 S3 桶，并选择 选择。这将填充 S3 URI，如下图所示。

选择 下一步。

选择用于向量化文档的嵌入模型。对于这篇文章，我们选择 Titan embedding G1 Text v12。

选择 快速创建新的向量存储，以使用 OpenSearch Serverless 创建默认向量存储。

选择 下一步。

检查配置并创建您的知识库。知识库成功创建后，您应该看到一个知识库 ID，这在创建 Amazon Lex 机器人时需要。

选择 同步 以索引文档。

创建 Amazon Lex 机器人

完成以下步骤以创建您的机器人：

在 Amazon Lex 控制台中，在导航面板选择 机器人。

选择 创建机器人。

对于 创建方式，选择 创建空白机器人。

对于 机器人名称，输入名称例如 FAQBot。

对于 运行时角色，选择 创建一个具有基本 Amazon Lex 权限的新 IAM 角色，以便代表您访问其他服务。

根据您的需求配置其余设置，然后选择 下一步。

在 为机器人添加语言 页面，您可以选择 支持的不同语言。对于本文，我们选择 英语美国。

选择 完成。机器人成功创建后，您将被重定向以创建新的意图。

为新意图添加发言并选择 保存意图。

将 QnAIntent 添加到您的意图中

完成以下步骤以添加 QnAIntent：

在 Amazon Lex 控制台中，导航到您创建的意图。

在 添加意图 下拉菜单中，选择 使用内置意图。

对于 内置意图，选择 AMAZONQnAIntent GenAI 功能。

对于 意图名称，输入名称例如，QnABotIntent。

选择 添加。添加 QnAIntent 后，您将被重定向到配置知识库的界面。

对于 选择模型，选择 Anthropic 和 Claude3 Haiku。

对于 选择知识存储，选择 Amazon Bedrock 的知识库 并输入您的知识库 ID。

选择 保存意图。

保存意图后，选择 构建 构建机器人。构建完成后，您应该看到成功构建的消息。现在可以在 Amazon Lex 控制台上测试该机器人。

选择 测试，在控制台的聊天窗口中启动机器人的草稿版本。

输入问题以获取回复。

部署 Amazon Lex 网页 UI

Amazon Lex 网页 UI 是一个为 Amazon Lex 聊天机器人预构建的全功能网页客户端。它免去了从零开始重建聊天 UI 的繁琐工作。您可以快速部署其功能，最大限度地缩短聊天机器人驱动的应用程序的时间价值。完成以下步骤以部署 UI：

按照 GitHub 仓库 中的说明操作。

在部署 CloudFormation 模板之前，根据您在账户中创建的聊天机器人更新模板中的 LexV2BotId 和 LexV2BotAliasId 值。

CloudFormation 堆栈成功部署后，从堆栈 输出 选项卡复制 WebAppUrl 值。

在浏览器中导航到网页 UI 测试解决方案。

清理

为了避免不必要的未来费用，清理您在此解决方案中创建的资源：

删除亚马逊 Bedrock 知识库和 S3 桶中的数据如果您专为此解决方案创建了一个。删除您创建的 Amazon Lex 机器人。删除 CloudFormation 堆栈。

结论

在本文中，我们讨论了生成性 AI 驱动的聊天机器人在客户支持系统中的重要性，然后概述了新 Amazon Lex 功能 QnAIntent，旨在将