Dokumentieren Sie institutionelles Wissen anhand von Spracheingaben mithilfe von Amazon Bedrock und Amazon Transcribe - AWS Prescriptive Guidance
ÜbersichtVoraussetzungen und EinschränkungenArchitekturToolsBewährte MethodenEpenZugehörige Ressourcen

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Dokumentieren Sie institutionelles Wissen anhand von Spracheingaben mithilfe von Amazon Bedrock und Amazon Transcribe

Erstellt von Praveen Kumar Jeyarajan (AWS), Jundong Qiao (), Megan Wu () und Rajiv Upadhyay (AWS) AWS AWS

Code-Repository: genai-knowledge-capture

Umgebung: PoC oder Pilotprojekt

Technologien: Maschinelles Lernen und KI; Unternehmensproduktivität; CloudNative

AWSDienste: Amazon Bedrock; AWS Lambda AWSCDK; Amazon; AWS Step FunctionsSNS; Amazon Transcribe

Übersicht

Die Erfassung von institutionellem Wissen ist für den Erfolg und die Widerstandsfähigkeit von Unternehmen von größter Bedeutung. Institutionelles Wissen steht für das kollektive Wissen, die Erkenntnisse und die Erfahrungen, die Mitarbeiter im Laufe der Zeit gesammelt haben. Diese sind oft stillschweigend und werden informell weitergegeben. Diese Fülle an Informationen umfasst einzigartige Ansätze, bewährte Verfahren und Lösungen für komplizierte Probleme, die möglicherweise an anderer Stelle nicht dokumentiert sind. Durch die Formalisierung und Dokumentation dieses Wissens können Unternehmen das institutionelle Gedächtnis bewahren, Innovationen fördern, Entscheidungsprozesse verbessern und die Lernkurven neuer Mitarbeiter beschleunigen. Darüber hinaus fördert es die Zusammenarbeit, befähigt Einzelpersonen und fördert eine Kultur der kontinuierlichen Verbesserung. Letztlich hilft die Nutzung von institutionellem Wissen Unternehmen dabei, ihr wertvollstes Kapital — die kollektive Intelligenz ihrer Belegschaft — zu nutzen, um Herausforderungen zu bewältigen, Wachstum voranzutreiben und Wettbewerbsvorteile in dynamischen Geschäftsumgebungen zu wahren.

Dieses Muster erklärt, wie institutionelles Wissen mithilfe von Sprachaufzeichnungen von leitenden Mitarbeitern erfasst werden kann. Es verwendet Amazon Transcribe und Amazon Bedrock für die systematische Dokumentation und Überprüfung. Indem Sie dieses informelle Wissen dokumentieren, können Sie es bewahren und an nachfolgende Mitarbeiterkohorten weitergeben. Dieses Bestreben unterstützt betriebliche Exzellenz und verbessert die Effektivität von Schulungsprogrammen durch die Einbeziehung von praktischem Wissen, das durch direkte Erfahrung erworben wurde.

Voraussetzungen und Einschränkungen

Voraussetzungen

Einschränkungen

  • Diese Lösung wird für ein einzelnes Konto bereitgestellt. AWS

  • Diese Lösung kann nur in AWS Regionen eingesetzt werden, in denen Amazon Bedrock und Amazon Transcribe verfügbar sind. Informationen zur Verfügbarkeit finden Sie in der Dokumentation für Amazon Bedrock und Amazon Transcribe.

  • Die Audiodateien müssen in einem Format vorliegen, das Amazon Transcribe unterstützt. Eine Liste der unterstützten Formate finden Sie unter Medienformate in der Transcribe-Dokumentation.

Produktversionen

  • AWSSDKfür Python (Boto3) Version 1.34.57 oder höher

  • LangChain Version 0.1.12 oder höher

Architektur

Die Architektur stellt einen serverlosen Workflow auf dar. AWS AWSStep Functions orchestriert Lambda-Funktionen für die Audioverarbeitung, Textanalyse und Dokumentgenerierung. Das folgende Diagramm zeigt den Step Functions Functions-Workflow, der auch als Zustandsmaschine bezeichnet wird.

Architekturdiagramm der Step Functions Functions-Zustandsmaschine, die ein Dokument generiert

Jeder Schritt in der Zustandsmaschine wird von einer eigenen Lambda-Funktion behandelt. Im Folgenden sind die Schritte im Prozess der Dokumentgenerierung aufgeführt:

  1. Die preprocess Lambda-Funktion validiert die an Step Functions übergebenen Eingaben und listet alle Audiodateien auf, die im angegebenen Amazon S3 URI S3-Ordnerpfad vorhanden sind. Downstream-Lambda-Funktionen im Workflow verwenden die Dateiliste, um das Dokument zu validieren, zusammenzufassen und zu generieren.

  2. Die transcribe Lambda-Funktion verwendet Amazon Transcribe, um Audiodateien in Texttranskripte umzuwandeln. Diese Lambda-Funktion ist dafür verantwortlich, den Transkriptionsprozess einzuleiten und Sprache präzise in Text umzuwandeln, der dann für die nachfolgende Verarbeitung gespeichert wird.

  3. Die validate Lambda-Funktion analysiert die Texttranskripte und bestimmt die Relevanz der Antworten auf die ersten Fragen. Durch die Verwendung eines großen Sprachmodells (LLM) über Amazon Bedrock werden themenbezogene Antworten identifiziert und von themenfremden Antworten getrennt.

  4. Die summarize Lambda-Funktion verwendet Amazon Bedrock, um eine kohärente und präzise Zusammenfassung der themenbezogenen Antworten zu erstellen.

  5. Die generate Lambda-Funktion fasst die Zusammenfassungen zu einem gut strukturierten Dokument zusammen. Es kann das Dokument gemäß vordefinierten Vorlagen formatieren und alle zusätzlichen erforderlichen Inhalte oder Daten enthalten.

  6. Wenn eine der Lambda-Funktionen ausfällt, erhalten Sie eine E-Mail-Benachrichtigung über Amazon Simple Notification Service (AmazonSNS).

Während dieses Prozesses stellt AWS Step Functions sicher, dass jede Lambda-Funktion in der richtigen Reihenfolge initiiert wird. Diese Zustandsmaschine kann parallel verarbeitet werden, um die Effizienz zu erhöhen. Ein Amazon S3 S3-Bucket fungiert als zentrales Speicher-Repository und unterstützt den Arbeitsablauf durch die Verwaltung der verschiedenen beteiligten Medien- und Dokumentenformate.

Tools

AWSDienstleistungen

  • Amazon Bedrock ist ein vollständig verwalteter Service, der leistungsstarke Basismodelle (FMs) von führenden KI-Startups und Amazon für Ihre Nutzung über eine einheitliche Lösung zur Verfügung stellt. API

  • AWSLambda ist ein Rechendienst, mit dem Sie Code ausführen können, ohne Server bereitstellen oder verwalten zu müssen. Er führt Ihren Code nur bei Bedarf aus und skaliert automatisch, sodass Sie nur für die tatsächlich genutzte Rechenzeit zahlen.

  • Amazon Simple Notification Service (AmazonSNS) unterstützt Sie bei der Koordination und Verwaltung des Nachrichtenaustauschs zwischen Herausgebern und Kunden, einschließlich Webservern und E-Mail-Adressen.

  • Amazon Simple Storage Service (Amazon S3) ist ein cloudbasierter Objektspeicherservice, der Sie beim Speichern, Schützen und Abrufen beliebiger Datenmengen unterstützt.

  • AWSStep Functions ist ein serverloser Orchestrierungsdienst, mit dem Sie AWS Lambda-Funktionen und andere AWS Dienste kombinieren können, um geschäftskritische Anwendungen zu erstellen.  

  • Amazon Transcribe ist ein automatischer Spracherkennungsdienst, der Modelle für maschinelles Lernen verwendet, um Audio in Text umzuwandeln.

Andere Tools

  • LangChainist ein Framework für die Entwicklung von Anwendungen, die auf großen Sprachmodellen basieren (LLMs).

Code-Repository

Der Code für dieses Muster ist im GitHub genai-knowledge-captureRepository verfügbar.

Das Code-Repository enthält die folgenden Dateien und Ordner:

  • assetsOrdner — Die statischen Ressourcen für die Lösung, z. B. das Architekturdiagramm und der öffentliche Datensatz

  • code/lambdasfolder — Der Python-Code für alle Lambda-Funktionen

    • code/lambdas/generatefolder — Der Python-Code, der aus den zusammengefassten Daten im S3-Bucket ein Dokument generiert

    • code/lambdas/preprocessfolder — Der Python-Code, der die Eingaben für die Step Functions Functions-Zustandsmaschine verarbeitet

    • code/lambdas/summarizefolder — Der Python-Code, der die transkribierten Daten mithilfe des Amazon Bedrock-Service zusammenfasst

    • code/lambdas/transcribefolder — Der Python-Code, der Sprachdaten (Audiodatei) mithilfe von Amazon Transcribe in Text konvertiert

    • code/lambdas/validatefolder — Der Python-Code, der überprüft, ob sich alle Antworten auf dasselbe Thema beziehen

  • code/code_stack.py— Die AWS CDK Konstrukt-Python-Datei, die zur Erstellung von AWS Ressourcen verwendet wird

  • app.py— Die AWS CDK App-Python-Datei, die zum Bereitstellen von AWS Ressourcen im AWS Zielkonto verwendet wird

  • requirements.txt— Die Liste aller Python-Abhängigkeiten, die installiert werden müssen für AWS CDK

  • cdk.json— Die Eingabedatei zur Bereitstellung von Werten, die zum Erstellen von Ressourcen erforderlich sind

Bewährte Methoden

Das bereitgestellte Codebeispiel dient nur proof-of-concept (PoC) oder Pilotzwecken. Wenn Sie die Lösung in der Produktion einsetzen möchten, wenden Sie die folgenden bewährten Methoden an:

Epen

AufgabeBeschreibungErforderliche Fähigkeiten

Exportieren Sie Variablen für das Konto und die AWS Region.

Führen Sie die folgenden Befehle aus, um mithilfe AWS CDK von Umgebungsvariablen AWS Anmeldeinformationen für bereitzustellen.

export CDK_DEFAULT_ACCOUNT=<12-digit AWS account number>
export CDK_DEFAULT_REGION=<Region>
AWS DevOps, DevOps Ingenieur

Richten Sie das AWS CLI benannte Profil ein.

Folgen Sie den Anweisungen unter Konfiguration und Einstellungen der Anmeldeinformationsdatei, um das AWS CLI benannte Profil für das Konto einzurichten.

AWS DevOps, DevOps Ingenieur
AufgabeBeschreibungErforderliche Fähigkeiten

Klonen Sie das Repo auf Ihre lokale Workstation.

Um das genai-knowledge-captureRepository zu klonen, führen Sie den folgenden Befehl in Ihrem Terminal aus.

git clone https://github.com/aws-samples/genai-knowledge-capture
AWS DevOps, DevOps Ingenieur

(Optional) Ersetzen Sie die Audiodateien.

Gehen Sie wie folgt vor, um die Beispielanwendung so anzupassen, dass sie Ihre eigenen Daten einbezieht:

  1. Navigieren Sie zu dem assets/audio_samples Ordner im geklonten Repository.

  2. Löschen Sie die Ordner, die die Beispiel-Audiodateien enthalten.

  3. Erstellen Sie einen Ordner für jedes Thema, das Sie analysieren möchten.

  4. Übertragen Sie Ihre Audiodateien in die entsprechenden Ordner.

AWS DevOps, DevOps Ingenieur

Richten Sie die virtuelle Python-Umgebung ein.

Führen Sie die folgenden Befehle aus, um die virtuelle Python-Umgebung einzurichten.

cd genai-knowledge-capture
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
AWS DevOps, DevOps Ingenieur

Synthetisieren Sie den AWS CDK Code.

Führen Sie den folgenden Befehl aus, um den Code in eine AWS CloudFormation Stack-Konfiguration zu konvertieren.

cdk synth
AWS DevOps, DevOps Ingenieur
AufgabeBeschreibungErforderliche Fähigkeiten

Stellen Sie den Zugriff auf das Basismodell bereit.

Aktivieren Sie den Zugriff auf das Modell Anthropic Claude 3 Sonnet für Ihr AWS Konto. Anweisungen finden Sie in der Bedrock-Dokumentation unter Modellzugriff hinzufügen.

AWS DevOps

Stellen Sie Ressourcen im Konto bereit.

Gehen Sie wie folgt vor AWSCDK, um Ressourcen im AWS Konto mithilfe von bereitzustellen:

  1. (Optional) Aktualisieren Sie im Stammverzeichnis des geklonten Repositorys in der app.py Datei den AWS CloudFormation Stack-Namen. Der Standard-Stack-Name istgenai-knowledge-capture-stack.

  2. Führen Sie den Befehl aus, um Ressourcen bereitzustellencdk deploy.

    Der cdk deploy Befehl verwendet Layer-3-Konstrukte, um eine Reihe von Lambda-Funktionen, einen S3-Bucket, ein SNS Amazon-Thema und eine Step Functions Functions-Zustandsmaschine zu erstellen. Audiodateien im assets/audio_samples Ordner werden während der Bereitstellung in den S3-Bucket kopiert.

  3. Melden Sie sich bei der AWS Management Console an und öffnen Sie dann die CloudFormation Konsole unter https://console.aws.amazon.com/cloudformation/.

  4. Vergewissern Sie sich, dass der Stack erfolgreich bereitgestellt wurde. Anweisungen finden Sie unter Überprüfen Ihres Stacks auf der AWS CloudFormation Konsole.

AWS DevOps, DevOps Ingenieur

Abonnieren Sie das SNS Amazon-Thema.

Gehen Sie wie folgt vor, um das SNS Amazon-Thema für Benachrichtigungen zu abonnieren:

  1. Wählen Sie in der CloudFormation Konsole im Navigationsbereich Stacks aus.

  2. Wählen Sie den genai-knowledge-capture-stack Stapel aus.

  3. Wählen Sie die Registerkarte Outputs.

  4. Suchen Sie den Namen des SNS Amazon-Themas mit dem SchlüsselSNSTopicName.

  5. Konfigurieren Sie eine E-Mail-Adresse für den Empfang von Benachrichtigungen, indem Sie den Anweisungen unter E-Mail-Adresse für ein SNS Amazon-Thema abonnieren folgen.

Allgemein AWS
AufgabeBeschreibungErforderliche Fähigkeiten

Führen Sie die Zustandsmaschine aus.

  1. Öffnen Sie die Step Functions Functions-Konsole.

  2. Wählen Sie auf der Seite State Machines die Option genai-knowledge-capture-stack-state-machine aus.

  3. Wählen Sie Start execution (Ausführung starten) aus.

  4. (Optional) Geben Sie im Feld Name einen Namen für die Ausführung ein.

  5. Geben Sie im Eingabebereich das folgende JSON Objekt ein, indem Sie den Platzhaltertext ersetzen. Dabei gilt:

    • <Name>ist der Name, den Sie dem Dokument geben möchten.

    • <S3 bucket name>ist der Name des Amazon S3 S3-Buckets, der die Audiodateien enthält.

    • <Folder path>ist das Verzeichnis, das die Audiodateien enthält.

    {
  "documentName": "<Name>",
  "audioFileFolderUri": "s3://<S3 bucket name>/<Folder path>"
}

  6. Wählen Sie Start Execution aus.

  7. Überprüfen Sie auf der Seite mit den Ausführungsdetails die Ergebnisse und warten Sie, bis die Ausführung abgeschlossen ist.

App-Entwickler, Allgemein AWS
AufgabeBeschreibungErforderliche Fähigkeiten

Entfernen Sie die AWS Ressourcen.

Nachdem Sie die Lösung getestet haben, bereinigen Sie die Ressourcen:

  1. Löschen Sie alle Objekte aus dem S3-Bucket und anschließend den Bucket. Weitere Informationen finden Sie unter Löschen eines Buckets.

  2. Führen Sie im geklonten Repository den Befehl cdk destroy aus.

AWS DevOps, DevOps Ingenieur

Zugehörige Ressourcen

AWSDokumentation

Sonstige Ressourcen