Build a Question-answering Bot using Generative AI (Simplified Chinese)

Resumen

En este laboratorio, construirás un chatbot que puede responder preguntas relacionadas con los servicios de AWS. El diseño de este laboratorio tiene como objetivo permitirte experimentar cómo implementar un modelo de lenguaje grande (LLM), integrar ese modelo con una fuente de datos de Amazon Kendra y construir un chatbot de Amazon Lex V2 que puede interrogar al LLM y utilizar la generación mejorada por recuperación (RAG) para encontrar respuestas a las preguntas de los usuarios.

Este laboratorio te ayudará a entender cómo complementar las capacidades nativas del modelo de lenguaje con información adicional.

El chatbot que construirás tiene tres componentes principales:

el modelo base Flan T5-XL, Langchain y el índice de Kendra. Flan T5-XL es un modelo de lenguaje grande hospedado en Amazon SageMaker.

Langchain es el marco utilizado para recuperar el índice de Kendra (compuesto por documentos de AWS). Luego, estos documentos y las preguntas ingresadas en la ventana de texto del chatbot se envían al modelo Flan para generar respuestas.

Este laboratorio te proporcionará una comprensión integral de cómo construir una interfaz de chatbot usando Lex V2 y cómo usar diversos servicios de AWS para mejorar la funcionalidad del modelo de lenguaje.

Al finalizar este laboratorio, deberías ser capaz de realizar las siguientes acciones:

• Explicar cómo usar la generación mejorada por recuperación (RAG) para mejorar la salida de las aplicaciones de IA generativa.
• Desplegar un chatbot Lex soportado por un modelo de lenguaje grande.
• Conectar Langchain con el modelo alojado en Amazon SageMaker.

Familiarizarse con aplicaciones contenedorizadas y tener conocimientos básicos de aprendizaje automático son prerequisitos para este laboratorio. Deberías tener conocimientos básicos de diversos servicios de AWS, incluidos AWS CodeBuild, AWS Lambda, AWS CloudFormation, Amazon Kendra y Amazon Lex.

Además, deberías haber completado el curso Introducción a Amazon Kendra.

Este laboratorio toma aproximadamente 75 minutos para completarse.

Este laboratorio utiliza varios íconos para alertarte sobre diferentes tipos de instrucciones y notas. La siguiente lista explica el propósito de cada ícono:

• Comando:

  Comando que debes ejecutar.

• Salida esperada:

  Ejemplo de salida que puedes usar para verificar el contenido de la salida del comando o del archivo editado.

• Nota:

  Consejos, sugerencias o instrucciones importantes.

• Aprende más:

  Indica específicamente dónde puedes encontrar más información.

• Recordatorio:

  Información con implicaciones especiales o de importancia (si omites esta información, no tendrás problemas importantes en el equipo o datos, pero podría llevar a repetir ciertos pasos).

• Advertencia:

  Acciones irreversibles que pueden causar el fallo de un comando o proceso (incluyendo advertencias sobre configuraciones que no pueden cambiarse una vez establecidas).

• Consideración:

  Tómate un momento para pensar cómo puedes aplicar un concepto en tu propio entorno, o discútelo con otros sobre el tema actual.

• Contenido del archivo:

---

Asignaturas