Réalisez un chaînage d'invites basé sur l'IA avec Amazon Bedrock - AWS Step Functions
AWS CloudFormation modèle et ressources supplémentairesPrérequisÉtape 1 : Création de la machine à étatsÉtape 2 : Exécuter la machine à états

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.

Réalisez un chaînage d'invites basé sur l'IA avec Amazon Bedrock

Cet exemple de projet montre comment vous pouvez intégrer Amazon Bedrock pour effectuer un chaînage d'invites basé sur l'IA et créer des chatbots de haute qualité en utilisant Amazon Bedrock. Le projet regroupe certaines instructions et les résout dans l'ordre dans lequel elles sont fournies. L'enchaînement de ces instructions augmente la capacité du modèle de langage utilisé à fournir une réponse parfaitement organisée.

Cet exemple de projet crée la machine à états, le support AWS ressources, et configure les IAM autorisations associées. Explorez cet exemple de projet pour en savoir plus sur l'utilisation Amazon Bedrock intégration de services optimisée avec Step Functions State Machines, ou utilisez-le comme point de départ pour vos propres projets.

AWS CloudFormation modèle et ressources supplémentaires

Vous utilisez un CloudFormation modèle pour déployer cet exemple de projet. Ce modèle crée les ressources suivantes dans votre Compte AWS:

  • A Step Functions machine d'État.

  • Rôle d'exécution pour la machine à états. Ce rôle accorde les autorisations dont votre machine d'état a besoin pour accéder à d'autres Services AWS et des ressources telles que Amazon Bedrock InvokeModelaction.

Prérequis

Cet exemple de projet utilise le modèle de langage large (LLM) de la commande Cohere. Pour exécuter correctement cet exemple de projet, vous devez y accéder à LLM partir du Amazon Bedrock console. Pour ajouter l'accès au modèle, procédez comme suit :

  1. Ouvrez la console Amazon Bedrock.

  2. Dans le volet de navigation, choisissez Model Access.

  3. Choisissez Gérer l'accès aux modèles.

  4. Cochez la case à côté de Cohere.

  5. Choisissez Demander l'accès. L'état d'accès du modèle Cohere indique que l'accès est accordé.

Étape 1 : Création de la machine à états

  1. Ouvrez la console Step Functions et choisissez Create state machine.

  2. Tapez bedrock dans le champ de recherche, puis choisissez Perform AI prompt-chaining avec Bedrockà partir des résultats de recherche renvoyés.

  3. Choisissez Next (Suivant) pour continuer.

  4. Choisissez Exécuter une démonstration pour créer une version en lecture seule et un ready-to-deploy flux de travail, ou choisissez Construire dessus pour créer une définition de machine à états modifiable sur laquelle vous pourrez vous appuyer pour la déployer ultérieurement.

    Cet exemple de projet déploie les ressources suivantes :

    • Un AWS Step Functions machine d'état

    • Relié AWS Identity and Access Management (IAM) rôles

    L'image suivante montre le graphique du flux de travail pour le chaînage des invites Perform AI avec Bedrockexemple de projet :

    Graphique du flux de travail du chaînage d'instructions Perform avec Bedrockexemple de projet.

  5. Choisissez Utiliser le modèle pour poursuivre votre sélection.

Les prochaines étapes dépendent de votre choix précédent :

  1. Exécuter une démonstration : vous pouvez passer en revue la machine d'état avant de créer un projet en lecture seule avec des ressources déployées par AWS CloudFormation à votre Compte AWS.

    Vous pouvez consulter la définition de la machine d'état et, lorsque vous êtes prêt, choisissez Déployer et exécuter pour déployer le projet et créer les ressources.

    Le déploiement peut prendre jusqu'à 10 minutes pour créer des ressources et des autorisations. Vous pouvez utiliser le lien Stack ID pour suivre les progrès dans AWS CloudFormation.

    Une fois le déploiement terminé, vous devriez voir votre nouvelle machine d'état dans la console.

  2. Tirez parti de cela : vous pouvez revoir et modifier la définition du flux de travail. Vous devrez peut-être définir des valeurs pour les espaces réservés dans l'exemple de projet avant de tenter d'exécuter votre flux de travail personnalisé.

Note

Des frais standard peuvent s'appliquer pour les services déployés sur votre compte.

Étape 2 : Exécuter la machine à états

  1. Sur la page State machines, choisissez votre exemple de projet.

  2. Sur la page d'exemple de projet, choisissez Démarrer l'exécution.

  3. Dans la boîte de dialogue Démarrer l'exécution, procédez comme suit :

    1. (Facultatif) Entrez un nom d'exécution personnalisé pour remplacer le nom par défaut généré.

      ASCIINon-noms et journalisation

      Step Functions accepte les noms des machines d'état, des exécutions, des activités et des étiquettes contenant des caractères autres que des ASCII caractères. Comme ces caractères ne fonctionneront pas avec Amazon CloudWatch, nous vous recommandons de n'utiliser que des ASCII caractères afin de pouvoir suivre les statistiques CloudWatch.

    2. (Facultatif) Dans la zone de saisie, entrez les valeurs d'entrée sous la formeJSON. Vous pouvez ignorer cette étape si vous lancez une démonstration.

    3. Choisissez Start execution (Démarrer l'exécution).

    La console Step Functions vous dirige vers une page de détails d'exécution où vous pouvez choisir les états dans la vue graphique pour explorer les informations associées dans le Détails de l'étape volet.