# Rapport d'information récurrent
Créez une configuration d'évaluation en ligne avec des informations et un calendrier de clustering. Le service exécute automatiquement une analyse des informations sur la cadence configurée sans intervention manuelle.
**Topics**
+ [Création de la configuration](#insights-recurring-create)
+ [Paramètres de configuration](#insights-recurring-params)
+ [Mettre à jour une configuration](#insights-recurring-update)
+ [Afficher les résultats des rapports récurrents](#insights-recurring-view)
+ [Gérer la configuration](#insights-recurring-manage)
## Création de la configuration
**Example**
```
agentcore add online-insights --name my_agent_insights --runtime MyAgent --insights Builtin.Insight.FailureAnalysis --sampling-rate 100 --clustering-frequency DAILY --enable-on-create --json
```
Déployez ensuite via CloudFormation :
```
agentcore deploy -y --json
```
1. Exécutez `agentcore` pour ouvrir le TUI, puis sélectionnez **Ajouter** et choisissez **Online Insights** :
1. Sélectionnez les informations à activer :
1. Réglez le taux d'échantillonnage :
1. Choisissez les fréquences de clustering :
1. Entrez un nom de configuration :
1. Vérifiez la configuration et appuyez sur Entrée pour confirmer :
```
import boto3
client_cp = boto3.client("bedrock-agentcore-control", region_name="us-west-2")
response = client_cp.create_online_evaluation_config(
onlineEvaluationConfigName="my_agent_insights",
rule={
"samplingConfig": {"samplingPercentage": 100.0},
"sessionConfig": {"sessionTimeoutMinutes": 30},
},
dataSourceConfig={
"cloudWatchLogs": {
"serviceNames": ["MyAgent.DEFAULT"],
"logGroupNames": [
"/aws/bedrock-agentcore/runtimes/MyAgent-abc123-DEFAULT"
],
}
},
insights=[
{"insightId": "Builtin.Insight.FailureAnalysis"},
{"insightId": "Builtin.Insight.UserIntent"},
],
clusteringConfig={"frequencies": ["DAILY"]},
evaluationExecutionRoleArn="arn:aws:iam::123456789012:role/AgentCoreEvaluationRole",
enableOnCreate=True,
)
config_id = response["onlineEvaluationConfigId"]
print(f"Created config: {config_id}")
```
Cela indique au service de :
+ Exemples de sessions au taux configuré (100 % dans cet exemple : ajustez `--sampling-rate` ou `samplingPercentage` analysez un sous-ensemble du trafic).
+ Exécutez une analyse des défaillances et une extraction des intentions de l'utilisateur sur chaque session échantillonnée.
+ Déclenchez un rapport de clustering tous les jours.
## Paramètres de configuration
| Paramètre | Type | Obligatoire | Description |
| --- | --- | --- | --- |
| `insights` | List | Obligatoire (mutuellement exclusif avec`evaluators`) | Liste des types d'informations à exécuter. Chaque entrée possède un`insightId`. 10 au maximum. |
| `rule.samplingConfig.samplingPercentage` | Number | Non (par défaut : 100) | Pourcentage de sessions à analyser (1 à 100) Utilisez un taux d'échantillonnage inférieur pour les agents à fort trafic afin de contrôler les coûts tout en identifiant les modèles de défaillance. |
| `clusteringConfig` | Objet | Non | Configure les tâches d'évaluation par lots périodiques pour le clustering. Contient une `frequencies` liste. Ne peut être utilisé que lorsqu'il `insights` est fourni. |
| `clusteringConfig.frequencies` | Liste de chaînes | Oui (à l'intérieur`clusteringConfig`) | Un ou plusieurs des :`DAILY`,`WEEKLY`,`MONTHLY`. 3 valeurs maximum. |
**Note**
Les informations et les évaluateurs s'excluent mutuellement : vous devez fournir l'un ou l'autre, pas les deux. Si vous souhaitez obtenir à la fois un score de qualité et un triage des défaillances pour le même agent, créez deux configurations distinctes pointant vers la même source de données.
## Mettre à jour une configuration
Modifiez les informations ou la fréquence de clustering :
```
client_cp.update_online_evaluation_config(
onlineEvaluationConfigId=config_id,
insights=[
{"insightId": "Builtin.Insight.FailureAnalysis"},
{"insightId": "Builtin.Insight.UserIntent"},
],
clusteringConfig={"frequencies": ["DAILY", "WEEKLY"]},
)
```
## Afficher les résultats des rapports récurrents
Les rapports récurrents produisent automatiquement des tâches d'évaluation par lots. `ListBatchEvaluations`À utiliser pour rechercher les rapports complets, puis `GetBatchEvaluation` pour récupérer les résultats :
```
client = boto3.client("bedrock-agentcore", region_name="us-west-2")
# List recent batch evaluations
evaluations = client.list_batch_evaluations()
for eval_summary in evaluations.get("batchEvaluations", []):
if eval_summary["status"] == "COMPLETED" and eval_summary.get("insights"):
result = client.get_batch_evaluation(
batchEvaluationId=eval_summary["batchEvaluationId"]
)
print(f"Report: {eval_summary['batchEvaluationName']}")
if "failureAnalysisResult" in result:
failures = result["failureAnalysisResult"]["failures"]
print(f" Found {len(failures)} failure categories")
```
## Gérer la configuration
**Example**
Pause :
```
agentcore pause online-insights my_agent_insights --json
```
CV :
```
agentcore resume online-insights my_agent_insights --json
```
Supprimer :
```
agentcore remove online-insights --name my_agent_insights --yes --json
```
Pause ou reprise :
```
# Pause
client_cp.update_online_evaluation_config(
onlineEvaluationConfigId=config_id,
executionStatus="DISABLED",
)
# Resume
client_cp.update_online_evaluation_config(
onlineEvaluationConfigId=config_id,
executionStatus="ENABLED",
)
```
Supprimer :
```
client_cp.delete_online_evaluation_config(
onlineEvaluationConfigId=config_id,
)
```
**Avertissement**
La suppression d'une configuration ne supprime pas les résultats des évaluations par lots passées. Les résultats des aperçus historiques restent accessibles via`GetBatchEvaluation`.