Amazon Finance Automation 如何使用 Amazon Bedrock 构建生成式 AI 问答聊天助手

如今，Amazon Finance 运营中的应付账款 (AP) 和应收账款 (AR) 分析师通过电子邮件、案例、内部工具或电话接收来自客户的查询。当出现查询时，分析师必须参与一个耗时的过程，即联系主题专家 (SME) 并查看包含与查询相关的标准操作程序 (SOP) 的多个政策文件。这种来回沟通过程通常需要数小时到数天的时间，主要是因为分析师（尤其是新员工）无法立即获得必要的信息。他们花费数小时咨询 SME 并审查大量政策文件。

为了应对这一挑战，Amazon Finance Automation 在 Amazon Bedrock 上开发了一个基于大型语言模型 (LLM) 的问答聊天助手。该解决方案使分析师能够快速检索客户查询的答案，并在同一通信线程内生成快速响应。因此，它大大减少了解决客户查询所需的时间。

大型语言模型 Amazon Bedrock

在本文中，我们分享了 Amazon Finance Automation 如何使用 Amazon Bedrock 构建此生成式 AI 问答聊天助手。

生成式 AI

解决方案概述

该解决方案基于在 Amazon Bedrock 上运行的检索增强生成 (RAG) 管道，如下图所示。当用户提交查询时，RAG 首先从知识库中检索相关文档，然后使用 LLM 从检索到的文档中生成响应。

检索增强生成

该解决方案由以下关键组件组成：

知识库 Amazon OpenSearch 服务 Amazon Bedrock 知识库 嵌入模型 Amazon Titan 多模态嵌入 G1

生成器模型 – 我们使用 Amazon Bedrock 提供的基础模型 (FM)，因为它具有平衡的能力，可以快速提供高度准确的答案。

生成器模型 基础模型 多样性排名器 迷失在中间排名器 护栏 Amazon Bedrock 护栏 问题