Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Usare l'intelligenza artificiale agentica con DynamoDB

Amazon DynamoDB è un database NoSQL distribuito senza server, completamente gestito con prestazioni in millisecondi a una cifra su qualsiasi scala. DynamoDB è ottimizzato per carichi di lavoro ad alto throughput ed è possibile estenderne le funzionalità attraverso l’integrazione con modelli di IA generativa. Utilizzando modelli di IA generativa è possibile lavorare con i dati archiviati nelle tabelle DynamoDB in tempo reale e creare applicazioni che possono adattarsi al contesto e altamente personalizzate. È possibile anche migliorare l’esperienza dell’utente finale sfruttando appieno i dati aziendali, degli utenti e delle applicazioni per personalizzare le proprie soluzioni di IA generativa.

Per ulteriori informazioni sull'IA di generazione e sulle soluzioni AWS fornite per creare applicazioni AI di generazione successiva, consulta Trasforma il tuo business con l'IA generativa. https://aws.amazon.com/ai/generative-ai/

DynamoDB fornisce anche la ricerca vettoriale nativa tramite indici vettoriali, in modo da poter archiviare incorporamenti vettoriali insieme ai dati operativi ed eseguire ricerche di similarità con l'SearchVectorsAPI, senza un database vettoriale separato. Per ulteriori informazioni, consulta Utilizzo degli indici vettoriali in DynamoDB.

Casi d’uso di IA generativa per DynamoDB

DynamoDB è ampiamente utilizzato nelle applicazioni conversazionali basate sull’intelligenza artificiale, come chatbot e call center creati con un modello di fondazione (FM). Puoi accedere agli FM tramite Amazon Bedrock, Amazon AI o altri fornitori di modelli. SageMaker Tali applicazioni utilizzano comunemente DynamoDB per migliorare la personalizzazione e migliorare l’esperienza utente su tre modelli di dati: dati applicativi, dati aziendali e dati degli utenti. Alcuni esempi di questi modelli di dati sono i seguenti:

Ad esempio, una compagnia assicurativa può creare un chatbot utilizzando DynamoDB per fornire al proprio modello di intelligenza artificiale di generazione (RAG) basato sulla Retrieval-Augmented generazione (RAG) l'accesso a dati quasi in tempo reale. Esempi di tali dati sono i tassi ipotecari in tempo reale, i prezzi dei prodotti, la copia del compliant/standard contratto, la cronologia web degli utenti e le preferenze degli utenti. La combinazione di DynamoDB con RAG aggiunge informazioni approfondite e aggiornate sui prodotti assicurativi e sui dati degli utenti. Ciò arricchisce i prompt e le risposte per fornire agli utenti finali un’esperienza accurata, personalizzata e quasi in tempo reale.

Allo stesso modo, i clienti del settore dei servizi finanziari utilizzano DynamoDB, le knowledge base di Amazon Bedrock e gli agenti Amazon Bedrock per creare applicazioni AI di generazione 1. RAG-based Queste applicazioni possono utilizzare report sugli utili e trascrizioni delle chiamate open source. Possono inoltre utilizzare la cronologia del portafoglio e delle transazioni specifica dell’utente per generare un riepilogo on demand del portafoglio che include una prospettiva per il futuro.

Ricerca vettoriale per RAG e memoria per agenti

Le applicazioni di intelligenza artificiale generativa recuperano il contesto in base al significato: un'applicazione RAG trova i documenti più pertinenti a un prompt e un agente AI richiama ricordi simili alla conversazione corrente. Gli indici vettoriali offrono questa funzionalità in modo nativo a DynamoDB. Gli incorporamenti vettoriali vengono memorizzati come attributi negli elementi della tabella e l'SearchVectorsAPI restituisce gli elementi più simili a un vettore di query, classificati in base al punteggio di somiglianza. I dati che un'applicazione scrive sono i dati che cerca, quindi non c'è un database vettoriale separato da fornire e nessuna pipeline di replica da gestire.

È inoltre possibile definire una chiave di partizione nello schema di ricerca di un indice vettoriale. Ogni ricerca di similarità viene quindi associata a un singolo valore di chiave di partizione, ad esempio un ID tenant, un ID utente o un ID di sessione dell'agente. Ciò rende gli indici vettoriali una soluzione naturale per RAG multi-tenant e memoria agente per utente.

Per iniziare con gli indici vettoriali, consultate i seguenti argomenti:

Blog di IA generativa per DynamoDB

I seguenti articoli offrono casi d'uso dettagliati, best practice e guide dettagliate per aiutarti a sfruttare le funzionalità di DynamoDB nella creazione di applicazioni avanzate. AI-powered