详细内容或原文请订阅后点击阅览
构建 Supercharger：Rocket Close 如何利用代理 AI 优化游戏操作
在本文中，我们将探讨 Rocket Close 如何使用 Strands Agent、大型语言模型 (LLM)、Amazon Bedrock、Amazon Bedrock 知识库和模型上下文协议 (MCP) 工具构建解决方案。我们将介绍解决方案的功能、技术堆栈的基本原理、经验教训以及 Rocket Close 的业务影响。
来源:亚马逊云科技 _机器学习Rocket Close 是 Rocket Companies 旗下一家总部位于底特律的产权代理和评估管理公司，提供产权保险、财产评估和结算服务。随着抵押贷款和贷款需求的增长，产权操作成为购房过程中的瓶颈。时间密集型、针对特定州的职称考试，加上手工研究和分散的系统，降低了吞吐量，并使团队难以跟上不断扩大的客户群的步伐。
职称审查员必须验证来自不同来源的数据。这需要搜索多个系统、州指南和县要求。有关遗嘱认证或税号的当地规定使他们的工作进一步复杂化。例如，想要了解特定县的记录要求的产权审查员可能会花费数小时浏览多个来源。
为了应对这些挑战，Rocket Close 与 AWS 合作创建了 Supercharger。 Supercharger 是一种代理人工智能解决方案，旨在减少贷款和购房流程中的摩擦并优化产权操作工作流程。它结合了标题和结束知识，指导团队完成订单处理工作流程，以自然语言与内部运营团队动态交互。通过集中知识和自动化研究繁重的任务，该解决方案可以生成有关订单的可行见解，提高效率并减少搜索信息所花费的时间。最终，它提高了运营效率和客户体验。
在这篇文章中，我们将探讨 Rocket Close 如何使用 Strands Agent、大型语言模型 (LLM)、Amazon Bedrock、Amazon Bedrock 知识库和模型上下文协议 (MCP) 工具构建解决方案。我们将介绍解决方案的功能、技术堆栈的基本原理、经验教训以及 Rocket Close 的业务影响。
解决方案概述
当运营团队成员提出问题时，请求将按照以下架构图所示的工作流程流动。