Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menggunakan AI agentic dengan DynamoDB
Amazon DynamoDB adalah database NoSQL tanpa server, dikelola sepenuhnya, dan terdistribusi dengan kinerja milidetik satu digit pada skala apa pun. DynamoDB dioptimalkan untuk beban kerja throughput tinggi dan Anda dapat memperluas kemampuannya dengan mengintegrasikan dengan model AI generatif. Menggunakan model AI generatif, Anda dapat bekerja dengan data yang disimpan dalam tabel DynamoDB secara real-time dan membangun aplikasi yang sadar kontekstual dan sangat dipersonalisasi. Anda juga dapat meningkatkan pengalaman pengguna akhir dengan memanfaatkan sepenuhnya data bisnis, pengguna, dan aplikasi Anda untuk menyesuaikan solusi AI generatif Anda.
Untuk informasi selengkapnya tentang gen AI dan solusi yang AWS disediakan untuk membangun aplikasi gen AI, lihat Meng ubah bisnis Anda dengan AI
DynamoDB juga menyediakan pencarian vektor asli melalui indeks vektor, sehingga Anda dapat menyimpan penyematan vektor di samping data operasional Anda dan menjalankan pencarian kesamaan dengan SearchVectors API, tanpa database vektor terpisah. Untuk informasi selengkapnya, lihat Menggunakan indeks vektor di DynamoDB.
Topik
Kasus penggunaan AI generatif untuk DynamoDB
DynamoDB banyak digunakan dalam aplikasi percakapan yang didukung AI, seperti chatbot dan call center yang dibangun dengan Foundation Model (FM).
-
Penyimpanan data aplikasi, seperti riwayat pesan obrolan, melalui integrasi dengan LangChain
, LlamaIndex , atau kode khusus. Konteks ini meningkatkan pengalaman pengguna dengan memungkinkan model untuk berbicara bolak- balik dengan pengguna. Untuk integrasi DynamoDB lainnya dengan kerangka kerja AI agentic, lihat. Konektor kerangka AI untuk DynamoDB -
Pembuatan pengalaman pengguna yang disesuaikan dengan memanfaatkan data bisnis, seperti inventaris, harga, dan dokumentasi.
-
Penerapan data pengguna, seperti riwayat web, pesanan sebelumnya, dan preferensi pengguna, untuk memberikan jawaban yang dipersonalisasi.
Misalnya, perusahaan asuransi dapat membangun chatbot menggunakan DynamoDB untuk menyediakan akses model AI gen berbasis Retrieval-Augmented Generation (RAG) mereka ke data yang hampir real-time. Contoh data tersebut adalah suku bunga hipotek real-time, harga produk, salinan compliant/standard kontrak, riwayat web pengguna, dan preferensi pengguna. Menggabungkan DynamoDB dengan RAG menambahkan informasi mendalam dan terbaru tentang produk asuransi dan data pengguna. Ini memperkaya petunjuk dan jawaban untuk memberikan pengguna akhir pengalaman yang akurat, dipersonalisasi, dan hampir real-time.
Demikian pula, pelanggan industri jasa keuangan menggunakan DynamoDB, basis pengetahuan Amazon Bedrock, dan agen Amazon Bedrock
Pencarian vektor untuk RAG dan memori agen
Aplikasi AI generatif mengambil konteks berdasarkan makna: aplikasi RAG menemukan dokumen yang paling relevan dengan prompt, dan agen AI mengingat memori yang mirip dengan percakapan saat ini. Indeks vektor membawa kemampuan ini secara native ke DynamoDB. Anda menyimpan penyematan vektor sebagai atribut pada item tabel Anda, dan SearchVectors API mengembalikan item yang paling mirip dengan vektor kueri, diberi peringkat berdasarkan skor kesamaan. Data yang ditulis aplikasi adalah data yang dicari, jadi tidak ada database vektor terpisah untuk disediakan dan tidak ada jalur replikasi untuk dikelola.
Anda juga dapat menentukan kunci partisi dalam skema pencarian indeks vektor. Setiap pencarian kesamaan kemudian dicakup ke nilai kunci partisi tunggal, seperti ID penyewa, ID pengguna, atau ID sesi agen. Hal ini membuat indeks vektor cocok secara alami untuk RAG multi-tenant dan memori agen per-pengguna.
Untuk memulai dengan indeks vektor, lihat topik berikut:
Blog AI generatif untuk DynamoDB
Artikel berikut menawarkan kasus penggunaan terperinci, praktik terbaik, dan panduan langkah demi langkah untuk membantu Anda memanfaatkan kemampuan DynamoDB dalam membangun aplikasi tingkat lanjut AI-powered.
