View a markdown version of this page

Simulation - Base rocheuse de l'Amazonie AgentCore

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Simulation

La simulation vous permet d'évaluer votre agent par rapport à des conversations dynamiques à plusieurs tours générées par des LLM-backed acteurs. Au lieu de rejouer des scripts fixes, vous définissez des profils d'acteurs avec des personnages et des objectifs, et le moteur de simulation permet de mener des conversations réalistes avec votre agent.

Les scénarios simulés s'intègrent aux mêmes moteurs de données que ceux utilisés pour les scénarios prédéfinis. Vous incluez des scénarios simulés dans votre jeu de données, définissez une configuration de simulation pour le coureur, et le coureur gère le cycle de vie de l'acteur en interne.

Types de simulation

Amazon Bedrock AgentCore prend en charge les types de simulation suivants :

  • Simulation utilisateur : un LLM-backed acteur joue le rôle d'un utilisateur final qui interagit avec votre agent. L'acteur a une personnalité (traits, contexte) et un objectif, et génère des messages réalistes jusqu'à ce que l'objectif soit atteint ou qu'une limite de tours soit atteinte. Utilisez la simulation utilisateur pour tester la manière dont votre agent gère les différents comportements des utilisateurs, les conversations ouvertes et les cas extrêmes à grande échelle.

Conditions préalables

  • Le supplément de simulation : pip install 'bedrock-agentcore[simulation]'

    Cela installe le moteur de simulation d'acteurs utilisé pour générer des virages de conversation dynamiques.

  • AWS informations d'identification avec l'autorisation d'invoquer le modèle d'acteur via Amazon Bedrock. L'acteur s'exécute en tant qu'appel LLM distinct. Les informations d'identification utilisées par le coureur doivent donc être bedrock:InvokeModel autorisées pour le modèle spécifié dansSimulationConfig.model_id.

  • Toutes les conditions préalables à l'évaluation des ensembles de données s'appliquent.