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.

Erstellen der Automated-Reasoning-Richtlinie

Wenn Sie eine Richtlinie für automatisiertes Denken erstellen, wird Ihr Quelldokument in eine Reihe formaler Logikregeln und ein Schema von Variablen und Typen übersetzt. Auf dieser Seite erfahren Sie, wie Sie Ihr Dokument vorbereiten, die Richtlinie erstellen und die Ergebnisse überprüfen.

Amazon Bedrock verschlüsselt Ihre Automated-Reasoning-Richtlinie mittels AWS Key Management Service (KMS). Standardmäßig verwendet Amazon Bedrock einen diensteigenen Schlüssel. Sie können optional einen vom Kunden verwalteten KMS-Schlüssel angeben, um die Verschlüsselung Ihrer Richtliniendaten weiter kontrollieren zu können.

Stellen Sie sicher, dass Sie über die entsprechenden Berechtigungen verfügen, um Ihre Automated Reasoning-Richtlinie zu testen und zu verwenden.

Bereiten Sie Ihr Quelldokument vor

Bevor Sie die Konsole öffnen oder die API aufrufen, bereiten Sie das Dokument vor, das Automated Reasoning zum Extrahieren von Regeln und Variablen verwendet. Die Qualität Ihrer Richtlinie hängt direkt von der Qualität dieser Eingaben ab.

Struktur und Klarheit der Dokumente

Automatisierte Begründungsprüfungen funktionieren am besten bei Dokumenten, die klare, eindeutige Regeln enthalten. Jede Regel sollte eine Bedingung und ein Ergebnis enthalten. Vermeiden Sie vage Formulierungen, subjektive Kriterien oder Regeln, die von einem externen Kontext abhängen, der im Dokument nicht enthalten ist.

Beispiel: Klare oder vage Regeln

Größenbeschränkungen und Aufteilen großer Dokumente

Quelldokumente sind auf eine Größe von 5 MB und 50.000 Zeichen begrenzt. Bilder und Tabellen in Dokumenten zählen ebenfalls zur Zeichenbeschränkung.

Wenn Ihr Dokument diese Grenzwerte überschreitet oder wenn es mehrere Bereiche abdeckt, die nichts miteinander zu tun haben, teilen Sie es in spezielle Abschnitte auf. Teilen Sie beispielsweise ein Mitarbeiterhandbuch in separate Dokumente für Urlaubsregelungen, Leistungsansprüche und Kostenerstattung auf. Erstellen Sie Ihre Richtlinie mit dem ersten Abschnitt und führen Sie dann mithilfe der iterativen Richtlinienerstellung (Beschreibung weiter unten auf dieser Seite) weitere Abschnitte zu derselben Richtlinie zusammen.

Pre-process komplexe Dokumente

Dokumente, die viele Standardformeln, Haftungsausschlüsse oder Inhalte enthalten, die nichts mit den Regeln zu tun haben, die Sie durchsetzen möchten, führen zu übertriebenen Richtlinien mit unnötigen Variablen und Regeln. Beachten Sie vor dem Hochladen Folgendes:

(Optional) Verwenden Sie ein LLM, um Dokumente als logische Regeln umzuschreiben

Bei Dokumenten, die erzählerische Prosa, juristische Sprache oder komplexe Formatierungen enthalten, sollten Sie erwägen, ein Frontier-Modell mit erweiterten Argumentationsfunktionen zu verwenden, um den Inhalt in Form klarer, logischer Regeln umzuschreiben, bevor Sie ihn zu den Automated Reasoning-Checks hochladen. Dieser einmalige Vorverarbeitungsschritt wandelt den Text in ein Format um, aus dem Automated Reasoning-Prüfungen genauer extrahieren können. Das Ergebnis sind qualitativ hochwertigere Richtlinien mit weniger unbenutzten Variablen und bloßen Aussagen.

Es gibt zwei Ansätze für die LLM-Vorverarbeitung, je nachdem, wie komplex Ihr Dokument ist und wie viel Kontrolle Sie über die Extraktion haben möchten.

Ansatz 1: Extrahieren von Regeln im Klartext

Bitten Sie den LLM, das Dokument als nummerierte Liste von Wenn-Dann-Regeln neu zu schreiben. Dieser Ansatz ist unkompliziert und eignet sich gut für kurze, fokussierte Dokumente, bei denen die Regeln in der Quelle relativ klar sind.

Beispiel für eine Aufforderung:

You are a logical reasoning expert. Your task is to analyze the provided
source text and rewrite it as a set of clear, logical rules using if-then
statements.

Instructions:
1. Extract the key relationships, conditions, and outcomes from the source text.
2. Convert these into logical implications using "if-then" format.
3. Use clear, precise language that captures the original meaning.
4. Number each rule for easy reference.
5. Ensure rules are mutually consistent and non-contradictory.

Format:
- Rule [N]: If [condition], then [consequence].
- Use "and" to combine multiple conditions.
- Use "or" for alternative conditions.
- Include negations when relevant: If not [condition], then [consequence].

Example:
Source: "Students who complete all assignments and attend at least 80% of
classes will pass the course."
Rule 1: If a student completes all assignments and attends at least 80% of
classes, then they will pass the course.

Source Text:
[Paste your document here]

Ansatz 2: Strukturierte Regelextraktion

Bitten Sie das LLM bei komplexen oder langen Dokumenten, Regeln als strukturiertes JSON mit Metadaten für jede Regel zu extrahieren. Dieser Ansatz führt zu einer umfassenderen Ausgabe, anhand derer Sie überprüfen können, aus welchen Teilen des Dokuments die einzelnen Regeln stammen, wie sicher die Extraktion ist und welche Regeln abgeleitet und nicht direkt angegeben wurden. Außerdem wird das LLM aufgefordert, vernünftige Regeln zu erstellen — vernünftige Grenzbeschränkungen wie „Alter darf nicht negativ sein“ —, die sich direkt in die Grenzregeln umsetzen lassen, die in den Richtlinien für automatisiertes Denken verwendet werden. Weitere Informationen zu Grenzregeln finden Sie unter. Überprüfen von Bereichen für numerische Werte

Beispiel für eine Aufforderung:

You are a logical reasoning expert. Extract formal logical rules from the
provided text.

Output Format:
For each rule, provide:
- Rule ID: [unique identifier]
- Conditions: [ALL preconditions — preserve compound conditions with AND/OR/NOT]
- Consequence: [the outcome/action]
- Confidence: [high/medium/low based on text clarity]
- Source Reference: [quote or paraphrase from source]
- Rule Type: [explicit/implicit/sanity]

Critical Guidelines:
1. PRESERVE ALL CONDITIONS: Do not drop or simplify conditions.
2. PRESERVE LOGICAL OPERATORS: Maintain AND, OR, NOT relationships exactly.
3. PRESERVE QUANTIFIERS: Keep "all", "any", "at least", numeric thresholds.
4. PRESERVE EXCEPTIONS: Include "unless", "except when" clauses.
5. Make implicit conditions explicit only when clearly implied by context.
6. Use consistent terminology across rules.
7. Flag ambiguities such as unclear, incomplete, or contradictory statements.
8. Add sanity rules for common-sense constraints:
   - Numeric ranges (e.g., "age must be between 0 and 150")
   - Temporal constraints (e.g., "start date must be before end date")
   - Physical limits (e.g., "quantity cannot be negative")
   - Mutual exclusivity (e.g., "status cannot be both active and inactive")

Output Requirements:
- Produce final JSON only (no text or markdown).
- Use the following JSON keys:
  - "rules" for the rules array
  - "ambiguities" for the ambiguities array

Source Text:
[Paste your document here]

Nachdem Sie die strukturierte Extraktion ausgeführt haben, überprüfen Sie die JSON-Ausgabe. Achten Sie besonders auf:

Wandeln Sie die überprüften JSON-Regeln in Klartext-Wenn-Dann-Anweisungen um, die Sie bei der Erstellung der Automated Reasoning-Richtlinie als Quelldokument verwenden können.

Schreiben Sie effektive Anweisungen

Bei der Erstellung einer Richtlinie können Sie optionale Anweisungen angeben, anhand derer Automated Reasoning Ihr Quelldokument verarbeitet. Gute Anweisungen sind zwar optional, verbessern aber die Qualität der extrahierten Regeln und Variablen erheblich.

Wirksame Anweisungen sollten drei Dinge abdecken:

Beispielanleitung:

This policy will validate HR questions about leave eligibility. The document
has sections on different leave types (parental, medical, bereavement, personal).
Users will ask questions like "Am I eligible for parental leave if I've worked
here for 9 months?" or "Can part-time employees take bereavement leave?"
Focus on the eligibility criteria for each leave type. Capture variables that
help determine whether an employee is eligible for a specific type of leave.

Erstellen Sie eine Richtlinie in der Konsole

Erstellen Sie mithilfe der API eine Richtlinie

Eine Automated Reasoning-Richtlinie ist eine Ressource in Ihrem AWS Konto, die durch einen Amazon-Ressourcennamen (ARN) identifiziert wird. Das Erstellen einer Richtlinie über die API erfolgt in zwei Schritten: Erstellen Sie zuerst die Richtlinienressource und starten Sie dann einen Build-Workflow, um Regeln aus Ihrem Dokument zu extrahieren.

Schritt 1: Erstellen Sie die Richtlinienressource

Verwenden Sie die CreateAutomatedReasoningPolicy API, um die Richtlinienressource zu erstellen.

Beispiel:

aws bedrock create-automated-reasoning-policy \
  --name "MyHRPolicy" \
  --description "Validates HR chatbot responses about leave eligibility" \
  --kms-key-id arn:aws:kms:us-east-1:111122223333:key/12345678-1234-1234-1234-123456789012

Beispielantwort:

{
  "createdAt": "2025-07-21T14:43:52.692Z",
  "definitionHash": "f16ba1ceca36e1d21adce559481add6a...",
  "name": "MyHRPolicy",
  "policyArn": "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk",
  "updatedAt": "2025-07-21T14:43:52.692Z",
  "version": "DRAFT"
}

Schritt 2: Starten Sie einen Build-Workflow, um Regeln zu extrahieren

Verwenden Sie die StartAutomatedReasoningPolicyBuildWorkflow API mit dem Richtlinien-ARN aus Schritt 1, um Regeln und Variablen aus Ihrem Quelldokument zu extrahieren.

Beispiel:

# Encode your PDF to base64
PDF_BASE64=$(base64 -i your-policy.pdf | tr -d '\n')

# Start the build workflow
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": {
      \"version\": \"1.0\",
      \"types\": [],
      \"rules\": [],
      \"variables\": []
    },
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"HR Leave Policy\",
          \"documentDescription\": \"Validates HR chatbot responses about leave eligibility. Users ask questions like 'Am I eligible for parental leave?'\"
        }
      ]
    }
  }"

Beispielantwort:

{
  "policyArn": "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk",
  "buildWorkflowId": "d40fa7fc-351e-47d8-a338-53e4b3b1c690"
}

Überprüfen Sie den Build-Status mitListAutomatedReasoningPolicyBuildWorkflows:

aws bedrock list-automated-reasoning-policy-build-workflows \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk

Überprüfen Sie die extrahierte Richtlinie

Überprüfen Sie nach Abschluss eines Builds die extrahierte Richtliniendefinition, bevor Sie mit dem Testen beginnen. Wenn Sie Probleme in dieser Phase erkennen, sparen Sie Zeit, anstatt sie später durch fehlgeschlagene Tests zu entdecken.

Öffnen Sie in der Konsole Ihre Richtlinie und wechseln Sie zur Seite „Definitionen“. Verwenden Sie GetAutomatedReasoningPolicyBuildWorkflowResultAssets with über die API, --asset-type POLICY_DEFINITION um die extrahierte Definition und --asset-type QUALITY_REPORT den Qualitätsbericht abzurufen. Mithilfe des --asset-type ASSET_MANIFEST Parameters können Sie eine vollständige Liste der während des Workflows erstellten Assets einsehen, z. B. den Treuebericht.

Überprüfen Sie, ob folgende Probleme auftreten:

Lesen Sie den Treuebericht

Wenn Sie eine Richtlinie anhand eines Quelldokuments erstellen, wird zusammen mit der extrahierten Richtlinie automatisch ein Genauigkeitsbericht generiert. Der Genauigkeitsbericht misst, wie genau die Richtlinie Ihren Quellinhalt wiedergibt, und bietet eine detaillierte Grundlage, die jede Regel und Variable mit bestimmten Aussagen im Dokument verknüpft. Weitere Informationen zu den Konzepten von Treueberichten finden Sie unterBericht von Fidelity.

Sehen Sie sich den Bericht zur Treue in der Konsole an

Öffnen Sie in der Konsole Ihre Richtlinie und wählen Sie die Registerkarte Quelldokument (neben Definitionen). In der Ansicht „Quellinhalt“ wird jede atomare Aussage, die aus Ihrem Dokument extrahiert wurde, als nummerierte Zeile in einer Tabelle angezeigt. Jede Zeile zeigt:

Verwenden Sie die Dropdownfilter für Regeln und Variablen, um sich auf Aussagen zu konzentrieren, die auf einer bestimmten Regel oder Variablen basieren. Verwenden Sie die Suchleiste, um bestimmte Inhalte in den extrahierten Anweisungen zu finden.

Wenn Sie die Richtlinie nach der ersten Extraktion bearbeiten, z. B. indem Sie Regeln ändern oder Variablen hinzufügen, klicken Sie auf die Schaltfläche „Erneut generieren“, um den Genauigkeitsbericht so zu aktualisieren, dass er Ihrer aktuellen Policy-Definition entspricht.

Überprüfen Sie den Treuebericht mithilfe der API

Verwenden Sie GetAutomatedReasoningPolicyBuildWorkflowResultAssets with--asset-type FIDELITY_REPORT, um den Treuebericht abzurufen. Um den Bericht nach Änderungen an den Richtlinien erneut zu generieren, verwenden Sie ihn StartAutomatedReasoningPolicyBuildWorkflow zusammen mit dem Workflow-Typ „Erstellen“ GENERATE_FIDELITY_REPORT und geben Sie die Quelldokumente in das generateFidelityReportContent Feld ein. Der Workflow analysiert die Dokumente erneut anhand der aktuellen Richtliniendefinition und erstellt einen neuen Genauigkeitsbericht. Sie können auch die ursprünglichen Quelldokumente aus einem früheren Build-Workflow --asset-type SOURCE_DOCUMENT mithilfe des --asset-id Parameters abrufen (die Asset-ID entnehmen Sie dem Asset-Manifest).

Worauf zu achten ist

Achten Sie bei der Überprüfung des Treueberichts aus den APIs auf Folgendes:

Iterative Erstellung von Richtlinien

Für komplexe Bereiche sollten Sie Ihre Richtlinie schrittweise erstellen, anstatt zu versuchen, alles in einem einzigen Dokumentupload zu erfassen. Beginnen Sie mit einer bestimmten Teilmenge Ihrer Regeln, erstellen und testen Sie die Richtlinie und fügen Sie dann in nachfolgenden Iterationen weitere Inhalte hinzu.

Fügen Sie Inhalte in der Konsole hinzu

Fügen Sie Inhalte mithilfe der API hinzu

Rufen Sie StartAutomatedReasoningPolicyBuildWorkflow mit an INGEST_CONTENT und übergeben Sie die vollständige aktuelle Richtliniendefinition zusammen mit dem neuen Dokument. Sie müssen die gesamte vorhandene Definition — Regeln, Variablen und Typen — angeben, damit der neue Inhalt mit der vorhandenen Richtlinie zusammengeführt wird, anstatt sie zu ersetzen.

# First, retrieve the current policy definition
aws bedrock get-automated-reasoning-policy \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk

# Encode the new document
PDF_BASE64=$(base64 -i additional-rules.pdf | tr -d '\n')

# Start a build workflow with the existing definition + new document
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": EXISTING_POLICY_DEFINITION_JSON,
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"Additional Benefits Rules\",
          \"documentDescription\": \"Additional rules covering medical and bereavement leave eligibility.\"
        }
      ]
    }
  }"

Importieren Sie eine Richtliniendefinition mithilfe der API

Wenn Sie bereits eine Richtliniendefinition im JSON-Format haben, verwenden Sie StartAutomatedReasoningPolicyBuildWorkflow with, IMPORT_POLICY um sie direkt zu importieren. Dadurch wird der Schritt der Dokumentextraktion übersprungen und die Definition wird unverändert geladen.

aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type IMPORT_POLICY \
  --source-content "{
    \"policyDefinition\": {
      \"version\": \"1.0\",
      \"variables\": [
        {
          \"name\": \"isFullTime\",
          \"type\": \"BOOL\",
          \"description\": \"Whether the employee works full-time.\"
        }
      ],
      \"rules\": [
        {
          \"id\": \"A1B2C3D4E5F6\",
          \"expression\": \"(=> isFullTime eligibleForBenefits)\"
        }
      ],
      \"types\": []
    }
  }"

Verfeinern Sie eine Richtlinie iterativ mithilfe der API

Verwenden Sie StartAutomatedReasoningPolicyBuildWorkflow withITERATIVELY_REFINE_POLICY, um eine bestehende Richtlinie mithilfe eines Quelldokuments und optionalem Feedback in natürlicher Sprache zu verfeinern. Im Gegensatz zum INGEST_CONTENT Extrahieren neuer Regeln aus einem Dokument verwendet dieser Workflow das Dokument als Kontext, um die bestehende Richtlinie zu verbessern. Häufige Anwendungsfälle umfassen:

# Encode your updated policy document
PDF_BASE64=$(base64 -i updated-policy.pdf | tr -d '\n')

aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type ITERATIVELY_REFINE_POLICY \
  --source-content "{
    \"policyDefinition\": EXISTING_POLICY_DEFINITION_JSON,
    \"workflowContent\": {
      \"iterativeRefinementContent\": {
        \"documents\": [
          {
            \"document\": \"$PDF_BASE64\",
            \"documentContentType\": \"pdf\",
            \"documentName\": \"Updated HR Policy v2\",
            \"documentDescription\": \"Revised HR leave policy with updated eligibility criteria.\"
          }
        ],
        \"feedback\": \"Update the tenure requirement for parental leave from 12 months to 6 months, as specified in section 3 of the revised document.\"
      }
    }
  }"

KMS-Berechtigungen für Automated-Reasoning-Richtlinien

Wenn Sie einen vom Kunden verwalteten KMS-Schlüssel zur Verschlüsselung Ihrer Automated-Reasoning-Richtlinie angeben, müssen Sie Berechtigungen konfigurieren, mit denen Amazon Bedrock den Schlüssel in Ihrem Namen verwenden kann.

Berechtigungen für Schlüsselrichtlinien

Fügen Sie Ihrer KMS-Schlüsselrichtlinie die folgende Anweisung hinzu, sodass Amazon Bedrock den Schlüssel für Automated-Reasoning-Richtlinien verwenden kann:

{
  "Sid": "PermissionsForAutomatedReasoningPolicy",
  "Effect": "Allow",
  "Principal": {
    "AWS": "arn:aws:iam::111122223333:user/role"
  },
  "Action": [
    "kms:Decrypt",
    "kms:DescribeKey",
    "kms:GenerateDataKey"
  ],
  "Resource": "*",
  "Condition": {
    "StringEquals": {
      "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
      ],
      "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
    }
  }
}

IAM-Berechtigungen

Ihr IAM-Prinzipal muss über die folgenden Berechtigungen verfügen, um einen vom Kunden verwalteten KMS-Schlüssel mit Automated-Reasoning-Richtlinien verwenden zu können:

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "AllowKMSForAutomatedReasoningPolicy",
      "Effect": "Allow",
      "Action": [
        "kms:Decrypt",
        "kms:DescribeKey",
        "kms:GenerateDataKey"
      ],
      "Resource": "arn:aws:kms:us-east-1:111122223333:key/key-id",
      "Condition": {
        "StringEquals": {
          "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
          ],
          "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
        }
      }
    }
  ]
}

Verschlüsselungskontext

Amazon Bedrock verwendet den Verschlüsselungskontext, um zusätzliche Sicherheit für Ihre Automated-Reasoning-Richtlinien zu bieten. Der Verschlüsselungskontext besteht aus einer Reihe von Schlüssel-Wert-Paaren, die beim Verschlüsseln und Entschlüsseln Ihrer Richtlinie als zusätzliche authentifizierte Daten verwendet werden.

Für Automated-Reasoning-Richtlinien verwendet Amazon Bedrock den folgenden Verschlüsselungskontext: