Agen - Amazon Cepat
Agen UIAgen kustom

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Agen

  • Agen UI - Agen AI untuk tugas browser web. Digunakan untuk otomatisasi web yang dinamis dan cerdas. Cukup tulis instruksi agar menavigasi situs web, mengekstrak data, dan menghasilkan output terstruktur.

  • Agen kustom - Agen AI untuk tugas-tugas kompleks. Buat agen yang dapat memahami instruksi dalam bahasa alami dan mengambil tindakan menggunakan alat yang tersedia. Digunakan untuk tugas-tugas yang membutuhkan penalaran, penilaian, dan perencanaan dinamis.

Agen UI

Agen UI adalah agen asli yang memahami instruksi bahasa alami untuk melakukan tindakan browser yang kompleks. Ini dapat secara mandiri menavigasi situs web, mengklik, mengetik, membaca data, dan menghasilkan output terstruktur yang dioptimalkan untuk langkah-langkah otomatisasi hilir. Contoh kasus penggunaan termasuk meringkas produk di halaman web atau mengambil data dengan menavigasi situs web.

Sifat-sifat

judul

Nama step/UI agen

Petunjuk

Di bidang ini Anda menulis prompt untuk agen dalam bahasa alami. Praktik terbaik saat menulis prompt:

  • Bersikaplah jelas dan eksplisit tentang apa yang Anda inginkan.

  • Struktur prompt. Mulailah dengan menyebutkan 'Tugas' atau 'Peran' terlebih dahulu dan kemudian 'Instruksi' untuk mencapai tugas dengan langkah bernomor

  • Tambahkan batasan (misalnya, hanya tinjau bagian produk) dan tentukan kapan harus stop/end (misalnya, berhenti saat Anda menemukan info yang relevan)

  • Berikan contoh positif dan negatif (jangan lakukan ini)

  • Tentukan persyaratan panjang (misalnya, kurang dari 100 kata) atau format output (misalnya, tanggal dalam MM/DD/YY format) dengan jelas

Bungkus teks dalam tanda kutip tiga (“"”) untuk menulis prompt multiline. Contoh:

"""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..."""
Output Terstruktur (opsional)

Respon Agen: Nama variabel untuk menetapkan output dari operasi ini

Cara mengkonfigurasi bidang keluaran terstruktur

Menambahkan bidang

  • Klik Tambahkan bidang untuk membuat bidang keluaran baru

  • Masukkan nama Output - ini menjadi nama properti JSON

  • Pilih Type dari dropdown

  • Periksa Wajib jika bidang harus selalu ada

  • Tambahkan Deskripsi untuk memandu agen AI

Jenis bidang

  • String - Nilai teks (Nama, deskripsi, ringkasan)

  • Angka - Nilai numerik (Hitungan, skor, persentase)

  • Boolean - True/false nilai (Bendera status, yes/no pertanyaan)

  • Objek - Struktur bersarang (Pengelompokan data kompleks)

  • Array - Daftar item (Tag, kategori, beberapa nilai)

  • File - Referensi file (Lampiran dokumen, gambar)

  • Tabel data - Data tabel (Kumpulan data terstruktur, laporan)

Bekerja dengan tipe yang kompleks

Objek dan Array dapat berisi bidang bersarang:

  • Klik panah perluas (▶) di sebelah bidang Object atau Array

  • Gunakan bidang Tambah dalam struktur bersarang

  • Tetap bersarang hingga 2-3 level maksimum untuk kinerja optimal

Contoh konfigurasi

Berikut konfigurasi sederhana untuk meringkas umpan balik pelanggan:

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

Struktur ini akan dikonfigurasi sebagai:

  • orderId (String, diperlukan)

  • numberOfOrders (Nomor, diperlukan)

  • HasShipped (Boolean, diperlukan)

  • OrderDetails (Objek, wajib)

    • kuantitas (Jumlah, diperlukan)

    • ProductName (String, diperlukan)

  • tag (Array String, Opsional)

Praktik terbaik

  • Gunakan nama bidang deskriptif - Bantu AI memahami data apa yang akan diekstrak

  • Tambahkan deskripsi yang jelas - Berikan konteks untuk bidang yang kompleks

  • Tandai bidang kritis sesuai kebutuhan - Pastikan data penting selalu ada

  • Batasi kedalaman bersarang - Jaga agar struktur tetap sederhana untuk kinerja yang lebih baik

  • Uji konfigurasi Anda - Verifikasi output sesuai harapan Anda dengan menjalankan langkah agen dan memverifikasi respons.

Catatan penting

  • Pengetahuan JSON: Tidak terbiasa dengan JSON? Pelajari dasar-dasarnya di json.org

  • Tidak ada validasi: Saat ini, sistem tidak memvalidasi struktur keluaran - pastikan otomatisasi Anda menangani data yang hilang atau salah bentuk

Agen kustom

Agen kustom adalah tindakan cerdas yang memproses input bahasa alami untuk mengotomatiskan langkah-langkah kompleks menggunakan kemampuan pemanggilan alat terintegrasi. Ini terutama menggunakan integrasi sebagai antarmuka alatnya, sambil menawarkan ekstensibilitas untuk menggunakan Kode sebagai alat, dan tindakan asli lainnya seperti human-in-the-loop tugas. Agen memberikan output terstruktur dan dapat diprediksi yang dioptimalkan untuk integrasi tanpa batas ke dalam langkah-langkah otomatisasi hilir.

Sifat-sifat

judul

Nama step/custom agen

Modus

Mode mendefinisikan bagaimana Agen beroperasi berdasarkan kasus penggunaan Anda. Tiga mode yang tersedia adalah: Cepat, Pro, dan Kustom. Cepat adalah yang terbaik untuk tugas-tugas sederhana seperti ringkasan, klasifikasi, dan otomatisasi volume tinggi, dan Pro sangat ideal untuk tugas-tugas kompleks yang melibatkan penalaran dan orkestrasi beberapa alat atau tindakan. Fast dan Pro adalah mode yang dikelola sepenuhnya yang tidak memerlukan pra-pengaturan sebelumnya. Dalam Mode Kustom, Anda memerlukan konektor Bedrock Converse dan dapat memilih model yang ingin Anda gunakan. Ini sangat ideal jika Anda sudah memiliki prompt fine-tuned untuk model Bedrock tertentu, khususnya membutuhkan model Bedrock tertentu untuk Agen, atau ingin menyertakan model kustom atau fine-tuned Anda sendiri yang dihosting di Bedrock. Dalam Mode Kustom, karena Anda membawa model Anda sendiri dari Bedrock melalui konektor, inferensi model ditagih secara terpisah ke akun yang terkait dengan konektor Bedrock tersebut.

Petunjuk

Di bidang ini Anda menulis prompt untuk agen dalam bahasa alami. Praktik terbaik saat menulis prompt:

  • Bersikaplah jelas dan eksplisit tentang apa yang Anda inginkan.

  • Struktur prompt. Mulailah dengan menyebutkan 'Tugas' atau 'Peran' terlebih dahulu dan kemudian 'Instruksi' untuk mencapai tugas dengan langkah bernomor

  • Untuk meningkatkan akurasi panggilan alat dan memandu Agen, tentukan dengan jelas di prompt alat mana yang akan digunakan pada setiap langkah, jika berlaku.

  • Tentukan persyaratan panjang (misalnya, kurang dari 100 kata) atau format output (misalnya, tanggal dalam MM/DD/YY format) dengan jelas

Bungkus teks dalam tanda kutip tiga (“"”) untuk menulis prompt multiline. Contoh:

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

Sebuah alat memungkinkan agen AI untuk berinteraksi dengan sistem eksternal atau melakukan tugas-tugas tertentu

Alat umum

Buat tugas pengguna

Jika diaktifkan, alat ini memungkinkan Agen untuk memicu tugas Human-in-the-Loop (HITL) setiap kali macet dan membutuhkan bantuan selama eksekusi. Agen akan berhenti sejenak dan menunggu masukan manusia, kemudian melanjutkan setelah informasi yang diperlukan diberikan. Tugas HITL akan terlihat di pusat tugas. Untuk hasil terbaik, penulis dapat menentukan dalam prompt tepat kapan Agen harus memanggil HITL.

Integrasi

Jika Anda telah menambahkan konektor tertentu—seperti Salesforce, MS Exchange, atau Bedrock—ke grup otomatisasi Anda, tindakan yang sesuai akan muncul di sini. Penulis kemudian dapat memilih tindakan yang relevan untuk digunakan sebagai alat untuk Agen. Untuk kinerja yang optimal, disarankan untuk membatasi Agen menjadi 3—5 alat.

Output Terstruktur (opsional)

Konfigurasikan agen AI Anda untuk mengembalikan output JSON terstruktur yang dapat dengan mudah diproses pada langkah selanjutnya. Fitur ini sangat ideal untuk meringkas teks, pembuatan laporan, transformasi data, dan mengekstraksi statistik dari konten yang tidak terstruktur. Ini adalah bidang opsional. Jika Anda tidak mendefinisikan output terstruktur, agen secara default akan mengembalikan output dalam bahasa alami.

Respon agen: Nama variabel untuk menetapkan output dari operasi ini

catatan

Konfigurasi keluaran terstruktur untuk agen Kustom mengikuti format yang sama dengan agen UI. Lihat bagian keluaran terstruktur agen UI untuk petunjuk konfigurasi terperinci.

Pengujian agen kustom

Pengguna dapat menguji agen secara independen dari otomatisasi penuh untuk memvalidasi perilaku, perintah debug, dan iterasi lebih cepat.

Mulai tes

  • Arahkan kursor ke kartu agen, tombol run terpisah akan muncul di atas kartu

  • Klik pada tombol untuk menguji unit agen khusus ini

  • Jendela koleksi variabel akan muncul dan secara otomatis mendeteksi variabel apa pun yang digunakan dalam petunjuk/instruksi

    • Pratinjau prompt agen ini ditampilkan dan menyoroti semua variabel yang terdeteksi secara otomatis

    • Masukkan nilai put untuk setiap variabel sebelum memulai pengujian unit. Mirip dengan semua bidang ekspresi Amazon Quick Automate lainnya, nilai variabel yang diberikan harus berupa sintaks ekspresi yang valid. Jika tidak, kesalahan akan muncul di layar dan mencegah pengguna untuk memulai pengujian,

Uji berjalan

Pengguna dapat melihat umpan log eksekusi di panel audit di sisi kanan. Pengalamannya sama dengan menjalankan seluruh otomatisasi.

Setelah uji coba

  • Pengguna dapat melihat variabel input dan hasil output di tab Watch Variables` di bawah umpan log.

  • Pengguna dapat melihat kartu metrik dasar di atas umpan log (total waktu yang digunakan dan alat yang digunakan).

Contoh

Kasus Penggunaan 1: Klasifikasi Email dan Agen Penugasan

Peran: Anda adalah Agen Kategorisasi dan Penugasan Email

Petunjuk: Ikuti langkah-langkah ini:

  • Langkah 1: Klasifikasi email yang masuk berdasarkan kolom Kategori dari tabel referensi yang disediakan sebagai pengetahuan

  • Langkah 2: Gunakan sistem email untuk mengirim pemberitahuan:

    • Dari: [system_email]

    • Ke: [team_distribution_email]

    • Subjek: [Hasil Klasifikasi]

    • Tubuh: Sertakan ringkasan singkat yang menjelaskan alasan klasifikasi dan poin-poin penting dari email asli

  • Langkah 3: Untuk semua kategori yang valid (kecuali 'tidak diketahui'), buat kasus baru di Salesforce dengan:

    • Subjek: [Subjek Email Asli]

    • Deskripsi: Masalah yang diringkas dari badan email

    • Prioritas: Berdasarkan urgensi konten () High/Medium/Low

    • Jenis: Pilih jenis yang sesuai (Question/Problem/Feature Request/Other)

    • Status: 'Baru'

    • Kategori: [Hasil klasifikasi dari Langkah 1]

  • Langkah 4: Jika diklasifikasikan sebagai 'tidak diketahui':

    • Eskalasi ke supervisor untuk tinjauan manual

    • Tambahkan catatan yang menjelaskan mengapa klasifikasi tidak pasti

    • Berdasarkan kategori yang diterima dari supervisor, ikuti langkah 2 dan 3 dan berhenti

    • Jika kategori yang diterima dari supervisor tidak diketahui atau tidak valid, hentikan