View a markdown version of this page

Kundendienstmitarbeiters (Kundendienstmitarbeiter) - Amazon Quick
UI-AgentenBenutzerdefinierte Agenten

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.

Kundendienstmitarbeiters (Kundendienstmitarbeiter)

  • UI-Agent — KI-Agent für Webbrowser-Aufgaben. Wird für dynamische und intelligente Webautomatisierung verwendet. Schreiben Sie einfach Anweisungen, damit es auf Websites navigiert, Daten extrahiert und strukturierte Ausgaben generiert.

  • Benutzerdefinierter Agent — KI-Agent für komplexe Aufgaben. Erstellen Sie einen Agenten, der Anweisungen in natürlicher Sprache verstehen und mithilfe der verfügbaren Tools Maßnahmen ergreifen kann. Wird für Aufgaben verwendet, die Argumentation, Urteilsvermögen und dynamische Planung erfordern.

UI-Agenten

UI-Agent ist ein systemeigener Agent, der Anweisungen in natürlicher Sprache versteht, um komplexe Browseraktionen auszuführen. Er kann selbstständig auf Websites navigieren, klicken, Daten eingeben, lesen und strukturierte Ausgaben erzeugen, die für nachfolgende Automatisierungsschritte optimiert sind. Zu den Anwendungsfällen gehören beispielsweise die Zusammenfassung von Produkten auf einer Webseite oder das Abrufen von Daten durch das Navigieren auf Websites.

Eigenschaften

Title

Name des Agenten step/UI

Anleitungen

In dieses Feld schreiben Sie die Aufforderung für den Agenten in natürlicher Sprache. Bewährte Methoden beim Schreiben der Aufforderung:

  • Formulieren Sie klar und deutlich, was Sie wollen.

  • Strukturieren Sie die Aufforderung. Erwähnen Sie zunächst „Aufgabe“ oder „Rolle“ und dann „Anweisungen“, um die Aufgabe mit nummerierten Schritten zu erledigen

  • Fügen Sie Einschränkungen hinzu (überprüfen Sie z. B. nur den Produktbereich) und geben Sie an, wann stop/end (z. B. beenden Sie den Vorgang, wenn Sie die entsprechenden Informationen gefunden haben)

  • Geben Sie positive und negative Beispiele an (tun Sie das nicht)

  • Geben Sie die Längenanforderungen (z. B. weniger als 100 Wörter) oder das Ausgabeformat (z. B. Datum im MM/DD/YY Format) klar an

Setzen Sie den Text in dreifache Anführungszeichen („"“), um mehrzeilige Eingabeaufforderungen zu schreiben. Beispiel:

"""Task: Locate the company's latest annual report.
* Visit the provided URL.
* Look for the annual report. The report may be titled 'Annual Report', 'Financial Report', 'Year in Review', or similar variations..."""
Strukturierte Ausgabe (optional)

Antwort des Agenten: Name der Variablen, der die Ausgabe dieses Vorgangs zugewiesen werden soll

Wie konfiguriert man strukturierte Ausgabefelder

Hinzufügen von Feldern

  • Klicken Sie auf Feld hinzufügen, um ein neues Ausgabefeld zu erstellen

  • Geben Sie den Ausgabenamen ein — dieser wird zum JSON-Eigenschaftsnamen

  • Wählen Sie den Typ aus der Dropdownliste

  • Markieren Sie Erforderlich, wenn das Feld immer vorhanden sein muss

  • Fügen Sie eine Beschreibung hinzu, die dem KI-Agenten als Leitfaden dient

Feldtypen

  • Zeichenfolge — Textwerte (Namen, Beschreibungen, Zusammenfassungen)

  • Zahl — Numerische Werte (Anzahl, Punktzahlen, Prozentsätze)

  • Boolean — True/false Werte (Statusflags, Fragen) yes/no

  • Objekt — Verschachtelte Struktur (komplexe Datengruppierungen)

  • Array — Liste von Elementen (Tags, Kategorien, mehrere Werte)

  • Datei — Dateiverweise (Dokumentanhänge, Bilder)

  • Datentabelle — Tabellarische Daten (Strukturierte Datensätze, Berichte)

Arbeiten mit komplexen Typen

Objekte und Arrays können verschachtelte Felder enthalten:

  • Klicken Sie auf den Erweiterungspfeil (▶) neben Objekt- oder Array-Feldern

  • Verwenden Sie innerhalb der verschachtelten Struktur die Option Feld hinzufügen

  • Halten Sie die Verschachtelung auf maximal 2-3 Ebenen, um eine optimale Leistung zu erzielen

Beispiel für eine Konfiguration

Hier ist eine einfache Konfiguration zur Zusammenfassung von Kundenfeedback:

{
  "orderId": "12345",
  "numberOfOrders": 3,
  "hasShipped": true,
  "orderDetails": {
    "quantity": 2,
    "productName": "ABC",
  },
  "tags": ["electronics", "urgent"]
}

Diese Struktur würde wie folgt konfiguriert werden:

  • orderId (Zeichenfolge, erforderlich)

  • numberOfOrders (Nummer, erforderlich)

  • hasShipped (Boolean, erforderlich)

  • OrderDetails (Objekt, erforderlich)

    • Menge (Anzahl, erforderlich)

    • ProductName (Zeichenfolge, erforderlich)

  • tags (Array von Zeichenketten, optional)

Best Practices

  • Verwende aussagekräftige Feldnamen — Hilf der KI zu verstehen, welche Daten extrahiert werden sollen

  • Fügen Sie klare Beschreibungen hinzu — Stellen Sie Kontext für komplexe Felder bereit

  • Markieren Sie kritische Felder als erforderlich — Stellen Sie sicher, dass wichtige Daten immer vorhanden sind

  • Schränken Sie die Verschachtelungstiefe ein — Halten Sie die Strukturen einfach, um eine bessere Leistung zu erzielen

  • Testen Sie Ihre Konfiguration — Stellen Sie sicher, dass die Ausgabe Ihren Erwartungen entspricht, indem Sie den Agent-Schritt ausführen und die Antwort verifizieren.

Wichtige Hinweise

  • JSON-Wissen: Sie kennen sich nicht mit JSON aus? Lernen Sie die Grundlagen auf json.org

  • Keine Validierung: Derzeit validiert das System die Ausgabestruktur nicht. Stellen Sie sicher, dass Ihre Automatisierung fehlende oder falsch formatierte Daten verarbeitet

Benutzerdefinierte Agenten

Der benutzerdefinierte Agent ist eine intelligente Aktion, die Eingaben in natürlicher Sprache verarbeitet, um komplexe Schritte mithilfe integrierter Funktionen zum Aufrufen von Tools zu automatisieren. Er verwendet in erster Linie Integrationen als Tool-Oberfläche und bietet gleichzeitig Erweiterbarkeit, um Code als Tool und andere native Aktionen wie Aufgaben zu verwenden. human-in-the-loop Der Agent liefert strukturierte, vorhersehbare Ergebnisse, die für die nahtlose Integration in nachfolgende Automatisierungsschritte optimiert sind.

Eigenschaften

  • Titel: Name des step/custom Agenten

  • Modus: Ein Modus definiert, wie der Agent auf der Grundlage Ihres Anwendungsfalls arbeitet. Die drei verfügbaren Modi sind: Schnell, Pro und Benutzerdefiniert. Fast eignet sich am besten für einfache Aufgaben wie Zusammenfassung, Klassifizierung und umfangreiche Automatisierungen, und Pro ist ideal für komplexe Aufgaben, bei denen mehrere Tools oder Aktionen logisch überlegt und orchestriert werden müssen. Fast und Pro sind vollständig verwaltete Modi, für die keine vorherige Einrichtung erforderlich ist. Im benutzerdefinierten Modus benötigen Sie einen Bedrock Runtime Connector und können das Modell auswählen, das Sie verwenden möchten (siehe unten). Dies ist ideal, wenn Sie bereits eine Eingabeaufforderung für ein bestimmtes Bedrock-Modell optimiert haben, speziell ein bestimmtes Bedrock-Modell für den Agenten benötigen oder Ihr eigenes benutzerdefiniertes oder fein abgestimmtes Modell hinzufügen möchten, das auf Bedrock gehostet wird. Da Sie im benutzerdefinierten Modus über eine Integration Ihr eigenes Modell von Bedrock mitbringen, wird die Modellinferenz separat dem Konto in Rechnung gestellt, das mit dieser Bedrock-Integration verknüpft ist.

  • Anleitung: In dieses Feld schreiben Sie die Aufforderung für den Agenten in natürlicher Sprache. Bewährte Methoden beim Schreiben der Aufforderung:

    • Formulieren Sie klar und deutlich, was Sie wollen.

    • Strukturieren Sie die Aufforderung. Erwähnen Sie zunächst „Aufgabe“ oder „Rolle“ und dann „Anweisungen“, um die Aufgabe mit nummerierten Schritten zu erledigen

    • Um die Genauigkeit des Tool-Aufrufs zu verbessern und den Agenten anzuleiten, geben Sie in der Aufforderung klar an, welches Tool bei jedem Schritt verwendet werden soll, falls zutreffend.

    • Geben Sie die Längenanforderungen (z. B. weniger als 100 Wörter) oder das Ausgabeformat (z. B. Datum im MM/DD/YY Format) klar an

    • Setzen Sie den Text in dreifache Anführungszeichen („"“), um mehrzeilige Eingabeaufforderungen zu schreiben. Beispiel:

      """You are content summarization agent.
Summarize the last two paragraphs of the provided text, focusing only on the main conclusion."""

  • Aktionen: Action ist ein Tool, das es dem KI-Agenten ermöglicht, mit externen Systemen zu interagieren oder bestimmte Aufgaben auszuführen. Das ist optional. Sie können den benutzerdefinierten Agenten ohne Aktionen ausführen. Im Folgenden sind die verschiedenen Aktionen aufgeführt, die im benutzerdefinierten Agenten verwendet werden können

    • Allgemeine Aktionen

      • Benutzeraufgabe erstellen — Wenn dieses Tool aktiviert ist, kann der Agent eine Human-in-the-Loop (HITL-) Aufgabe auslösen, wenn er nicht weiterkommt und Unterstützung bei der Ausführung benötigt. Der Agent hält an und wartet auf menschliche Eingaben. Die HITL-Aufgabe ist im Taskcenter sichtbar. Um optimale Ergebnisse zu erzielen, kann der Autor in der Eingabeaufforderung genau angeben, wann der Agent HITL aufrufen soll. Diese Option ist standardmäßig aktiviert. Die Automatisierung wird ausgeführt, bis die Aufgabe abgeschlossen ist.

      • Code — Die Code-Aktion generiert und führt Python-Code in einer eingeschränkten Python-Umgebung aus, genau wie Code-Aktionen, um Aufgaben zu lösen, die Berechnungen, Datenmanipulation und Dateiverarbeitung beinhalten. Im Gegensatz zu Codegeneratoren erstellt sie aktiv Skripte und führt sie aus, um Ziele zu erreichen. Dabei arbeitet sie mit Excel, PDF-Dateien, verschiedenen Datenformaten und verfügbaren Integrationen

        • Die wichtigsten Funktionen:

          • Dateioperationen: Excel-Dateien mit mehreren Tabs verarbeiten, Inhalte extrahieren, Datumsberechnungen durchführen, bedingte Formatierung anwenden und Ergebnisse auf S3 hochladen

          • Datentransformation: Konvertiert zwischen JSON- und Tabellenformaten, transponiert Daten, benennt Spalten um und verbindet Tabellen

          • Fortgeschrittene Berechnungen: Generieren Sie numerische Sequenzen und führen Sie eine automatisierte Validierung durch

    • Integrationen: Wenn Sie Ihrer Automatisierungsgruppe bestimmte Integrationsaktionen — wie Salesforce, MS Exchange oder Bedrock — hinzugefügt haben, werden die entsprechenden Aktionen hier angezeigt und können im benutzerdefinierten Agenten verwendet werden. Der Autor kann dann die relevanten Aktionen auswählen, die als Tools für den Agenten verwendet werden sollen.

      Liste der Integrationen, die wie tools/actions im benutzerdefinierten Agenten verwendet werden können

      • Amazon S3

      • Amazon Bedrock Datenautomatisierung

      • Amazon Comprehend

      • Amazon Textract

      • Benutzerdefinierte REST-API

      • Benutzerdefinierter MCP-Anschluss

      • Microsoft Outlook

      • Salesforce

  • Strukturierte Ausgabe (optional)

    Konfigurieren Sie Ihren KI-Agenten so, dass er eine strukturierte JSON-Ausgabe zurückgibt, die nachfolgende Schritte verarbeiten können. Diese Funktion ist ideal für die Textzusammenfassung, die Generierung von Berichten, die Datentransformation und das Extrahieren von Statistiken aus unstrukturierten Inhalten. Dies ist ein optionales Feld. Wenn Sie keine strukturierte Ausgabe definieren, gibt der Agent die Ausgabe standardmäßig in natürlicher Sprache zurück. Verwenden Sie eine strukturierte Ausgabe, wenn Ihre Ausgabe eine definierte Struktur hat, z. B. eine Liste, Datentabelle oder JSON.

    Anmerkung

    Die strukturierte Ausgabekonfiguration für benutzerdefinierte Agenten folgt demselben Format wie UI-Agenten. Ausführliche Anweisungen zur Konfiguration finden Sie im Abschnitt Strukturierte Ausgabe von UI-Agenten.

  • Antwort des Agenten: Name der Variablen, der die Ausgabe des Agenten zugewiesen werden soll. Die Antwort folgt Ihrem strukturierten Ausgabeformat in einem JSON-Schema, sofern definiert, andernfalls handelt es sich um einen Freiformtext.

Verwenden von benutzerdefinierten Modellen in Custom Agent (Bringen Sie Ihr eigenes Grundmodell mit)

Integrieren Sie Ihre gewünschten oder benutzerdefinierten, fein abgestimmten Modelle, die in AWS Bedrock gehostet werden, mit Quick Suite-Automatisierungsworkflows.

Bevor Sie beginnen, stellen Sie sicher, dass Sie über Folgendes verfügen:

  • Ein fein abgestimmtes Modell, das in AWS Bedrock bereitgestellt und zugänglich ist

  • Quick Suite Admin-Zugriff zum Erstellen von Konnektoren

  • Eine IAM-Rolle mit Bedrock-Berechtigungen zum Aufrufen von Modellen

  • Ihre Model-ID (zum Beispiel) us.anthropic.claude-3-5-sonnet-20241022-v2:0

Schritt 1: Erstellen Sie eine Bedrock Runtime Action-Integration, indem Sie den detaillierten Anweisungen unter folgen AWS Konnektoren für Serviceaktionen

Schritt 2: Richten Sie Ihre Automatisierungsgruppe ein

Erstellen Sie eine Automatisierungsgruppe und verbinden Sie die Integration:

  • Erstellen Sie eine Automatisierungsgruppe — Folgen Sie den detaillierten Anweisungen in Einrichtungsaufgaben

  • Integrationen konfigurieren — Folgen Sie den detaillierten Anweisungen in Einrichtungsaufgaben

  • Nach der Konfiguration erscheint der Connector in Ihrer Liste der verfügbaren Ressourcen

Schritt 3: Konfigurieren Sie einen benutzerdefinierten Agenten

Fügen Sie einen benutzerdefinierten Agenten hinzu und konfigurieren Sie ihn, um Ihr fein abgestimmtes Modell zu verwenden:

  • Fügen Sie innerhalb Ihres Automatisierungs-Workflows einen benutzerdefinierten Agenten hinzu

  • Konfigurieren Sie die folgenden Agenteneinstellungen:

    • Agententitel: Geben Sie einen aussagekräftigen Namen für Ihren Agenten ein

    • Anleitung: Geben Sie benutzerdefinierte Eingabeaufforderungen ein, die auf Ihren Anwendungsfall zugeschnitten sind

    • Modus: Wählen Sie Benutzerdefiniert

    • Konnektor: Wählen Sie Ihren Bedrock Runtime-Connector (erforderlich, wenn der benutzerdefinierte Modus ausgewählt ist)

    • Benutzerdefiniertes Modell: Geben Sie Ihre Modell-ID ein (z. B.us.anthropic.claude-3-5-sonnet-20241022-v2:0) — erforderlich, wenn der benutzerdefinierte Modus ausgewählt ist

Nächste Schritte

Nach der Konfiguration verwendet Ihr benutzerdefinierter Agent das fein abgestimmte Modell, um Anfragen gemäß den von Ihnen angegebenen Anweisungen zu verarbeiten. Sie können diesen Agenten jetzt in Ihre Quick Automate-Workflows integrieren.

Anmerkung

Stellen Sie sicher, dass Ihre Model-ID korrekt formatiert ist und mit dem in Ihrem AWS Bedrock-Konto bereitgestellten Modell übereinstimmt. Sie finden Ihre Model-ID in der AWS Bedrock-Konsole unter Ihren bereitgestellten Modellen.

Testen benutzerdefinierter Agenten

Mit benutzerdefinierten Agententests können Sie einzelne Agenten unabhängig vom gesamten Automatisierungs-Workflow testen. Mit dieser Funktion können Sie das Verhalten der Agenten überprüfen, Eingabeaufforderungen debuggen und effizienter iterieren, ohne den gesamten Workflow ausführen zu müssen.

Voraussetzungen

  • Ein Automatisierungs-Workflow mit mindestens einem konfigurierten benutzerdefinierten Agenten

  • Entsprechende Berechtigungen zum Ausführen von Automatisierungen in Ihrem Workspace

Starte einen Test

  • Zeigen Sie auf der Workflow-Arbeitsfläche mit der Maus auf die Agentenkarte, die Sie testen möchten

  • Wählen Sie die Schaltfläche Unit-Test, die oben auf der Karte angezeigt wird

  • Prüfen Sie in dem sich öffnenden Fenster zur Erfassung von Variablen anhand der Eingabeaufforderung Ihres Agenten die automatisch erkannten Variablen

    • In der Eingabeaufforderungsvorschau werden alle erkannten Variablen hervorgehoben angezeigt

  • Geben Sie für jede Variable einen Wert ein

    • Die Werte müssen eine gültige Ausdruckssyntax verwenden

    • Wenn ein Wert eine ungültige Syntax enthält, wird eine Fehlermeldung angezeigt und die Testausführung wird verhindert

Überwachen Sie die Testausführung

Während der Testausführung können Sie den Fortschritt im Audit-Panel auf der rechten Seite des Bildschirms überwachen. Der Test überspringt alle vorherigen Workflow-Schritte und führt nur den ausgewählten Agenten aus. Sie erhalten dieselbe Protokollierungserfahrung wie bei einer vollständigen Workflow-Ausführung.

Überprüfen Sie die Testergebnisse

Überprüfen Sie nach Abschluss des Tests die folgenden Informationen im Bereich Test:

  • Karte „Metriken“ (Registerkarte „Monitor“ oben im Testfenster)

    • Gesamtdauer der Ausführung

    • Anzahl der verwendeten Tools

    • Anzahl der erstellten Aufgaben

  • Loggt sich dazwischen

  • Registerkarte „Variablen ansehen“ (unteres Akkordeon im Testfenster)

    • Eingabe — Zeigt Eingabevariablen und ihre Werte an

    • Ausgabe — Untersuchen Sie die Ausgabeergebnisse der Agentenausführung

    • Für strukturierte Ausgaben klicken Sie auf die Schaltfläche „Details anzeigen“, um den JSON-Viewer auszuwählen, um das Dialogfeld „Ausgabe anzeigen“ zu öffnen:

      • Registerkarte „Felder“ — Navigieren Sie mithilfe der Baumstrukturansicht durch Daten

      • Felder — Markieren Sie die entsprechenden Werte, indem Sie auf der Registerkarte „Felder“ die Baumknoten auswählen

      • Ausgabefelder — Entsprechende Werte für die JSON-Schlüssel

Verwenden des benutzerdefinierten Agenten mit Build with Assistant

Der aktuelle Grundsatz für einen benutzerdefinierten Agenten ist, dass er ausdrücklich erwähnt werden muss, damit er konsistent aufgerufen wird. Hier sind die Dinge, die in der Eingabeaufforderung benötigt werden, damit er angezeigt wird:

- Function names: `use_inline_agent`
- Representation names: "Custom Agent", "Inline Agent" → use `use_inline_agent`
- Generic terms: "agentic skills" → default to `use_inline_agent`

Andernfalls wird das Modell bevorzugt, um den Workflow deterministisch zu erstellen.

In der Praxis kann es jedoch vorkommen, dass der Planer als Workaround einen benutzerdefinierten Agenten auswählt, wenn keine geeigneten Aktionen verfügbar sind. Um jedoch den benutzerdefinierten Agenten im Workflow konsistent aufzurufen, sollten Sie die obigen Ausdrücke in der Aufforderung verwenden.

Beispiele für Anwendungsfälle für Agenten

Anwendungsfall 1: E-Mail-Klassifizierung und Zuweisungsagent

Rolle: Sie sind ein Agent für die Kategorisierung und Zuweisung von E-Mails

Anleitung: Gehen Sie wie folgt vor:

  • Schritt 1: Klassifizieren Sie die eingehende E-Mail anhand der Spalte Kategorie der bereitgestellten Referenztabelle als Wissen

  • Schritt 2: Verwenden Sie das E-Mail-System, um eine Benachrichtigung zu senden:

    • Von: [system_email]

    • An: [team_distribution_email]

    • Betreff: [Klassifizierungsergebnis]

    • Hauptteil: Fügen Sie eine kurze Zusammenfassung bei, in der die Gründe für die Klassifizierung und die wichtigsten Punkte aus der ursprünglichen E-Mail erläutert werden

  • Schritt 3: Erstellen Sie für alle gültigen Kategorien (außer „unbekannt“) einen neuen Fall in Salesforce mit:

    • Betreff: [Ursprünglicher E-Mail-Betreff]

    • Beschreibung: Zusammengefasstes Problem aus dem E-Mail-Text

    • Priorität: Basierend auf der Dringlichkeit des Inhalts () High/Medium/Low

    • Typ: Wählen Sie den entsprechenden Typ () Question/Problem/Feature Request/Other

    • Status: 'Neu'

    • Kategorie: [Klassifizierungsergebnis aus Schritt 1]

  • Schritt 4: Falls als „unbekannt“ eingestuft:

    • Zur manuellen Überprüfung an den Supervisor weiterleiten

    • Fügen Sie eine Notiz hinzu, in der erklärt wird, warum die Klassifizierung unsicher

    • Folgen Sie je nach der Kategorie, die Sie vom Supervisor erhalten haben, Schritt 2 und 3 und beenden Sie

    • Wenn die vom Supervisor erhaltene Kategorie unbekannt oder ungültig ist, beenden Sie den Vorgang