详细内容或原文请订阅后点击阅览
Ring 如何利用 Amazon Bedrock 知识库扩展全球客户支持
在本文中，您将了解 Ring 如何对特定于区域的内容实施元数据驱动的过滤，将内容管理分为摄取、评估和推广工作流程，并在扩展的同时实现成本节约。
来源:亚马逊云科技 _机器学习这篇文章是与来自 Ring 的 David Kim 和 Premjit Singh 共同撰写的。
在全球范围内扩展自助服务支持带来的挑战不仅仅是翻译。在这篇文章中，我们向您展示 Amazon 的家庭安全子公司 Ring 如何使用 Amazon Bedrock 知识库构建一个可投入生产的、基于多区域检索增强生成 (RAG) 的支持聊天机器人。通过消除每个区域的基础设施部署，Ring 将扩展到每个额外区域的成本降低了 21%。与此同时，Ring 在 10 个国际区域保持一致的客户体验。
在这篇文章中，您将了解 Ring 如何对特定于区域的内容实施元数据驱动的过滤，将内容管理分为摄取、评估和推广工作流程，并在扩展的同时实现成本节约。本文中描述的架构使用 Amazon Bedrock 知识库、Amazon Bedrock、AWS Lambda、AWS Step Functions 和 Amazon Simple Storage Service (Amazon S3)。无论您是在国际范围内扩展支持业务还是希望优化现有的 RAG 架构，此实施都提供了可应用于您自己的多区域设置支持系统的实用模式。
Ring 的支持演变之旅
Ring 的客户支持最初依赖于使用 Amazon Lex 构建的基于规则的聊天机器人。虽然功能正常，但该系统存在预定义对话模式的局限性，无法处理各种客户查询。在高峰期，16% 的交互升级为人工代理，支持工程师花费 10% 的时间维护基于规则的系统。随着 Ring 在国际地区的扩张，这种方法变得不可持续。
基于 RAG 的支持系统的要求
Ring 面临着一个挑战：如何在多个国际区域提供准确、与环境相关的支持，而无需为每个区域创建单独的基础设施。该团队确定了四个要求，为他们的架构方法提供信息。