Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Creación de una política de razonamiento automatizado

Al crear una política de razonamiento automatizado, el documento fuente se traduce en un conjunto de reglas lógicas formales y un esquema de variables y tipos. En esta página se explica cómo preparar el documento, crear la política y revisar los resultados.

Amazon Bedrock cifra la política de razonamiento automatizado mediante AWS Key Management Service (KMS). De forma predeterminada, Amazon Bedrock utiliza una clave propiedad del servicio. Si lo desea, puede especificar una clave de KMS administrada por el cliente para tener un control adicional sobre el cifrado de los datos de su política.

Para probar y usar tu política de razonamiento automatizado, asegúrate de tener los permisos adecuados.

Prepara tu documento fuente

Antes de abrir la consola o llamar a la API, prepare el documento que utilizará Automated Reasoning para extraer las reglas y variables. La calidad de su política depende directamente de la calidad de esta entrada.

Estructura y claridad del documento

Las comprobaciones de razonamiento automatizadas funcionan mejor con documentos que contienen reglas claras e inequívocas. Cada regla debe establecer una condición y un resultado. Evite el lenguaje vago, los criterios subjetivos o las reglas que dependan de un contexto externo que no esté presente en el documento.

Ejemplo: reglas claras o imprecisas

Límites de tamaño y división de documentos grandes

Los documentos fuente están limitados a 5 MB de tamaño y 50 000 caracteres. Las imágenes y tablas de los documentos también se tienen en cuenta para el límite de caracteres.

Si el documento supera estos límites o si abarca varios dominios no relacionados, divídalo en secciones específicas. Por ejemplo, divide un manual para empleados en documentos separados para las políticas de licencia, los requisitos para recibir beneficios y el reembolso de gastos. Crea tu póliza con la primera sección y, a continuación, utiliza la creación iterativa de políticas (que se describe más adelante en esta página) para combinar secciones adicionales en la misma política.

Pre-process documentos complejos

Los documentos que contienen mucho texto repetitivo, cláusulas legales o contenido no relacionado con las reglas que quieres aplicar generarán políticas ruidosas con variables y reglas innecesarias. Antes de subirlos, ten en cuenta lo siguiente:

(Opcional) Utilice un LLM para reescribir documentos como reglas lógicas

En el caso de los documentos que contienen prosa narrativa, lenguaje legal o formatos complejos, considera la posibilidad de usar un modelo avanzado con capacidades de razonamiento avanzadas para reescribir el contenido siguiendo reglas claras y lógicas antes de subirlo a las verificaciones de razonamiento automatizado. Este paso único de preprocesamiento convierte el texto en un formato que las comprobaciones del razonamiento automatizado pueden extraer con mayor precisión, lo que se traduce en políticas de mayor calidad con menos variables no utilizadas y afirmaciones simples.

Hay dos enfoques para el preprocesamiento del LLM, según la complejidad del documento y el grado de control que desee tener sobre la extracción.

Método 1: Extracción de reglas en texto plano

Pida al LLM que reescriba el documento como una lista numerada de reglas de «si es así». Este enfoque es sencillo y funciona bien para documentos breves y específicos en los que las reglas son relativamente claras en la fuente.

Ejemplo de mensaje:

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]

Enfoque 2: extracción estructurada de reglas

En el caso de documentos complejos o extensos, pide al LLM que extraiga las reglas en forma de JSON estructurado con metadatos para cada regla. Este enfoque produce resultados más completos que ayudan a auditar de qué partes del documento proviene cada regla, qué tan segura es la extracción y qué reglas se deducen en lugar de indicarlas directamente. También le pide al LLM que genere reglas de cordura (restricciones de límites de sentido común, como «la edad no debe ser negativa»), que se traduzcan directamente en las reglas de límites que utilizan las políticas de razonamiento automatizado. Para obtener más información sobre las reglas de límites, consulte. Validación de los intervalos de valores numéricos

Ejemplo de mensaje:

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]

Tras ejecutar la extracción estructurada, revise la salida de JSON. Presta especial atención a:

Convierte las reglas JSON revisadas en declaraciones de texto plano «if-then» para usarlas como documento fuente al crear la política de razonamiento automatizado.

Escribe instrucciones eficaces

Al crear una política, puedes proporcionar instrucciones opcionales que guíen la forma en que el razonamiento automatizado procesa tu documento fuente. Si bien son opcionales, las buenas instrucciones mejoran significativamente la calidad de las reglas y variables extraídas.

Las instrucciones eficaces deben cubrir tres aspectos:

Ejemplo de instrucción:

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.

Cree una política en la consola

Crea una política mediante la API

Una política de razonamiento automatizado es un recurso de tu AWS cuenta identificado por un nombre de recurso de Amazon (ARN). La creación de una política a través de la API es un proceso de dos pasos: primero, cree el recurso de política y, a continuación, inicie un flujo de trabajo de creación para extraer las reglas del documento.

Paso 1: Crear el recurso de políticas

Utilice la CreateAutomatedReasoningPolicy API para crear el recurso de política.

Ejemplo:

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

Ejemplo de respuesta:

{
  "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"
}

Paso 2: Inicie un flujo de trabajo de compilación para extraer las reglas

Usa la StartAutomatedReasoningPolicyBuildWorkflow API con el ARN de la política del paso 1 para extraer las reglas y variables del documento fuente.

Ejemplo:

# 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?'\"
        }
      ]
    }
  }"

Ejemplo de respuesta:

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

Compruebe el estado de la compilación conListAutomatedReasoningPolicyBuildWorkflows:

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

Revise la política extraída

Una vez finalizada la compilación, revise la definición de política extraída antes de comenzar las pruebas. Detectar los problemas en esta fase ahorra tiempo en comparación con detectarlos más adelante mediante pruebas fallidas.

En la consola, abre la política y ve a la página de definiciones. A través de la API, utilice GetAutomatedReasoningPolicyBuildWorkflowResultAssets with --asset-type POLICY_DEFINITION para recuperar la definición extraída y --asset-type QUALITY_REPORT para recuperar el informe de calidad. Puedes ver una lista completa de los activos producidos durante el flujo de trabajo, como el informe de fidelidad, mediante el --asset-type ASSET_MANIFEST parámetro.

Compruebe los problemas siguientes:

Revisa el informe de fidelidad

Al crear una política a partir de un documento fuente, se genera automáticamente un informe de fidelidad junto con la política extraída. El informe de fidelidad mide la precisión con la que la política representa el contenido fuente y proporciona una base detallada que vincula cada regla y variable con declaraciones específicas del documento. Para obtener más información sobre los conceptos del informe de fidelidad, consulteInforme de fidelidad.

Revise el informe de fidelidad en la consola

En la consola, abre tu política y selecciona la pestaña Documento fuente (junto a Definiciones). La vista del contenido fuente muestra cada declaración atómica extraída del documento como una fila numerada en una tabla. Cada fila muestra:

Usa los filtros desplegables de reglas y variables para centrarte en las afirmaciones que fundamentan una regla o variable específica. Usa la barra de búsqueda para buscar contenido específico dentro de las declaraciones extraídas.

Si editas la política después de la extracción inicial (por ejemplo, modificando reglas o añadiendo variables), selecciona el botón Regenerar para actualizar el informe de fidelidad de modo que refleje tu definición de política actual.

Revisa el informe de fidelidad mediante la API

Utilice GetAutomatedReasoningPolicyBuildWorkflowResultAssets con --asset-type FIDELITY_REPORT para recuperar el informe de fidelidad. Para regenerar el informe después de realizar cambios en las políticas, utilícelo StartAutomatedReasoningPolicyBuildWorkflow con el tipo de flujo de trabajo de creación GENERATE_FIDELITY_REPORT y proporcione los documentos de origen en el generateFidelityReportContent campo. El flujo de trabajo vuelve a analizar los documentos comparándolos con la definición de política actual y produce un nuevo informe de fidelidad. También puede recuperar los documentos fuente originales de un flujo de trabajo de creación anterior utilizando --asset-type SOURCE_DOCUMENT el --asset-id parámetro (obtenga el ID del activo en el manifiesto de activos).

Qué buscar

Al revisar el informe de fidelidad de las API, presta atención a lo siguiente:

Creación iterativa de políticas

En el caso de los dominios complejos, cree su política de forma incremental en lugar de intentar capturar todo en una sola carga de documentos. Empieza con un subconjunto específico de tus reglas, crea y prueba la política y, a continuación, añade más contenido en las siguientes iteraciones.

Agregue contenido a la consola

Agregue contenido mediante la API

Llame StartAutomatedReasoningPolicyBuildWorkflow con INGEST_CONTENT y adjunte la definición completa de la política actual junto con el nuevo documento. Debe incluir la definición existente completa (reglas, variables y tipos) para que el nuevo contenido se fusione con la política existente en lugar de reemplazarla.

# 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.\"
        }
      ]
    }
  }"

Importe una definición de política mediante la API

Si ya tienes una definición de política en formato JSON, StartAutomatedReasoningPolicyBuildWorkflow úsala con IMPORT_POLICY para importarla directamente. Esto omite el paso de extracción del documento y carga la definición tal como está.

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\": []
    }
  }"

Refina de forma iterativa una política mediante la API

StartAutomatedReasoningPolicyBuildWorkflowITERATIVELY_REFINE_POLICYUtilícela con para refinar una política existente mediante un documento fuente y comentarios opcionales en lenguaje natural. A diferencia de INGEST_CONTENT lo que ocurre cuando se extraen nuevas reglas de un documento, este flujo de trabajo utiliza el documento como contexto para mejorar la política existente. Los casos de uso comunes incluyen:

# 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.\"
      }
    }
  }"

Permisos de KMS para las políticas de razonamiento automatizado

Si especifica una clave de KMS administrada por el cliente para cifrar su política de razonamiento automatizado, debe configurar los permisos que permitan a Amazon Bedrock utilizar la clave en su nombre.

Permisos de las políticas de claves

Añada la siguiente instrucción a su política de claves de KMS para permitir que Amazon Bedrock utilice la clave para las políticas de razonamiento automatizado:

{
  "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"
    }
  }
}

Permisos de IAM

Su entidad principal de IAM debe tener los siguientes permisos para usar una clave de KMS administrada por el cliente con políticas de razonamiento automatizado:

{
  "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"
        }
      }
    }
  ]
}

Contexto de cifrado

Amazon Bedrock utiliza el contexto de cifrado para proporcionar seguridad adicional a sus políticas de razonamiento automatizado. El contexto de cifrado es un conjunto de pares clave-valor que se utilizan como datos autenticados adicionales al cifrar y descifrar la política.

En el caso de políticas de razonamiento automatizado, Amazon Bedrock utiliza el siguiente contexto de cifrado: