Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
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 tugas manusia-in-the-loop. 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
-
Mode: 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 runtime Bedrock dan dapat memilih model yang ingin Anda gunakan (Dijelaskan di bawah). Ini sangat ideal ketika 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 integrasi, inferensi model ditagih secara terpisah ke akun yang terkait dengan integrasi 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."""
-
Tindakan: Tindakan adalah alat yang memungkinkan agen AI berinteraksi dengan sistem eksternal atau melakukan tugas tertentu. Ini opsional. Anda dapat menjalankan agen kustom tanpa tindakan apa pun. Di bawah ini adalah berbagai tindakan yang dapat digunakan di agen kustom
-
Tindakan 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 berhenti sejenak dan menunggu masukan manusia. Tugas HITL terlihat di pusat tugas. Untuk hasil terbaik, penulis dapat menentukan dalam prompt tepat kapan Agen harus memanggil HITL. Ini dipilih secara default. Otomatisasi berjalan sampai tugas selesai.
Kode - Tindakan Kode menghasilkan dan mengeksekusi kode python dalam lingkungan python terbatas, sama seperti tindakan kode, untuk menyelesaikan tugas yang melibatkan perhitungan, manipulasi data, dan pemrosesan file. Tidak seperti generator kode, ia secara aktif membuat dan menjalankan skrip untuk mencapai tujuan, bekerja dengan Excel, file PDF, berbagai format data, dan integrasi yang tersedia
Kemampuan Kunci:
Operasi File: Memproses file Excel multi-tab, mengekstrak konten, melakukan perhitungan tanggal, menerapkan pemformatan bersyarat, dan mengunggah hasil ke S3
Transformasi Data: Konversi antara format JSON dan tabel, transpos data, ganti nama kolom, dan gabungkan tabel
Komputasi Lanjutan: Hasilkan urutan numerik dan lakukan validasi otomatis
-
Integrasi: Jika Anda telah menambahkan tindakan integrasi tertentu — seperti Salesforce, MS Exchange, atau Bedrock — ke grup otomatisasi Anda, tindakan terkait akan muncul di sini untuk digunakan di agen kustom. Penulis kemudian dapat memilih tindakan yang relevan untuk digunakan sebagai alat untuk agen.
Daftar integrasi yang dapat digunakan seperti tools/actions pada agen kustom
Amazon S3
Otomatisasi Data Batuan Dasar Amazon
Amazon Comprehend
Amazon Textract
API REST Kustom
Konektor MCP kustom
Microsoft Outlook
Salesforce
-
-
Output Terstruktur (opsional)
Konfigurasikan agen AI Anda untuk mengembalikan output JSON terstruktur yang dapat diproses oleh langkah hilir. 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 mengembalikan output dalam bahasa alami secara default. Gunakan output terstruktur ketika output Anda memiliki struktur yang ditentukan, seperti daftar, tabel data, atau JSON.
catatan
Konfigurasi keluaran terstruktur untuk agen Kustom mengikuti format yang sama dengan agen UI. Lihat bagian keluaran terstruktur agen UI untuk petunjuk konfigurasi terperinci.
-
Respon agen: Nama variabel untuk menetapkan output agen. Respons mengikuti format output terstruktur Anda dalam skema JSON jika ditentukan, jika tidak adalah teks bentuk bebas.
Menggunakan Model Kustom di Agen Kustom (Bawa model batuan dasar Anda sendiri)
Integrasikan model yang Anda inginkan atau disesuaikan khusus yang dihosting di AWS Bedrock dengan alur kerja otomatisasi Quick Suite.
Sebelum Anda mulai, pastikan Anda memiliki yang berikut:
Model yang disetel dengan baik digunakan dan dapat diakses di Bedrock AWS
Akses Quick Suite Admin untuk membuat konektor
Peran IAM dengan izin Bedrock untuk memanggil model
ID model Anda (misalnya,
us.anthropic.claude-3-5-sonnet-20241022-v2:0)
Langkah 1: Buat integrasi Batuan Dasar Runtime Action dengan mengikuti petunjuk terperinci di AWS konektor aksi layanan
Langkah 2: Siapkan Grup Otomasi Anda
Buat grup otomatisasi dan hubungkan integrasi:
Buat grup otomatisasi - Ikuti petunjuk terperinci di Menyiapkan tugas
Konfigurasikan integrasi - Ikuti petunjuk terperinci di Menyiapkan tugas
Setelah dikonfigurasi, konektor akan muncul di daftar aset yang tersedia
Langkah 3: Konfigurasikan Agen Kustom
Tambahkan dan konfigurasikan agen khusus untuk menggunakan model yang disetel dengan baik:
Dalam alur kerja otomatisasi Anda, tambahkan agen khusus
Konfigurasikan pengaturan agen berikut:
Judul Agen: Masukkan nama deskriptif untuk agen Anda
Petunjuk: Masukkan petunjuk khusus yang disesuaikan dengan kasus penggunaan Anda
Mode: Pilih Kustom
Konektor: Pilih konektor Bedrock Runtime Anda (diperlukan saat mode Kustom dipilih)
Model Kustom: Masukkan ID model Anda (misalnya,
us.anthropic.claude-3-5-sonnet-20241022-v2:0) - diperlukan saat mode Kustom dipilih
Langkah selanjutnya
Setelah dikonfigurasi, agen kustom Anda menggunakan model fine-tuned untuk memproses permintaan sesuai dengan instruksi yang Anda berikan. Anda sekarang dapat memasukkan agen ini ke dalam alur kerja Quick Automate Anda.
catatan
Pastikan ID model Anda diformat dengan benar dan cocok dengan model yang digunakan di akun AWS Bedrock Anda. Anda dapat menemukan ID model Anda di konsol AWS Bedrock di bawah model yang Anda sediakan.
Pengujian agen kustom
Pengujian agen khusus memungkinkan Anda untuk menguji agen individu secara independen dari alur kerja otomatisasi lengkap. Kemampuan ini membantu Anda memvalidasi perilaku agen, perintah debug, dan iterasi lebih efisien tanpa menjalankan seluruh alur kerja.
Prasyarat
Alur kerja otomatisasi dengan setidaknya satu agen kustom yang dikonfigurasi
Izin yang sesuai untuk menjalankan otomatisasi di ruang kerja Anda
Mulai tes
Di kanvas alur kerja, arahkan kursor ke kartu agen yang ingin Anda uji
Pilih tombol Tes Unit yang muncul di bagian atas kartu
Di jendela pengumpulan variabel yang terbuka, tinjau variabel yang terdeteksi secara otomatis dari prompt agen Anda
Pratinjau prompt menampilkan semua variabel yang terdeteksi dengan penyorotan
Masukkan nilai untuk setiap variabel
Nilai harus menggunakan sintaks ekspresi yang valid
Jika nilai berisi sintaks yang tidak valid, pesan kesalahan muncul dan mencegah eksekusi pengujian
Pantau eksekusi uji
Selama eksekusi pengujian, Anda dapat memantau kemajuan di panel audit di sisi kanan layar. Pengujian melewati semua langkah alur kerja sebelumnya dan hanya mengeksekusi agen yang dipilih. Anda mendapatkan pengalaman logging yang sama dengan menjalankan alur kerja penuh.
Tinjau hasil tes
Setelah pengujian selesai, tinjau informasi berikut di panel Uji:
Kartu Metrik (Tab Monitor di bagian atas panel Uji)
Total waktu eksekusi
Jumlah alat yang digunakan
Jumlah tugas yang dibuat
Log di antaranya
Tab Variabel Tonton (Akordeon bawah panel Uji)
Input - Lihat variabel masukan dan nilai-nilainya
Output - Periksa hasil output dari eksekusi agen
Untuk output terstruktur, klik Lihat Detail tombol untuk memilih penampil JSON untuk membuka kotak dialog Lihat Output:
Fields Tab - Menavigasi data menggunakan tampilan struktur pohon
Bidang - Sorot nilai yang sesuai dengan memilih node pohon di tab Fields
Bidang keluaran - Nilai yang sesuai untuk kunci JSON
Menggunakan agen Kustom dengan Build with Assistant
Prinsip saat ini untuk agen kustom adalah harus disebutkan secara khusus untuk secara konsisten memanggilnya, berikut adalah hal-hal yang diperlukan dalam prompt untuk membuatnya muncul:
- Function names: `use_inline_agent` - Representation names: "Custom Agent", "Inline Agent" → use `use_inline_agent` - Generic terms: "agentic skills" → default to `use_inline_agent`
Jika tidak, model lebih disukai untuk membuat alur kerja secara deterministik.
Meskipun, dalam praktiknya, ketika tidak ada tindakan yang tepat yang tersedia, perencana dapat memilih agen khusus sebagai solusi. Tetapi untuk secara konsisten memanggil agen khusus dalam alur kerja, frasa di atas didorong untuk digunakan dalam prompt.
Contoh kasus penggunaan agen
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
Menggunakan basis pengetahuan dengan agen kustom
Di Amazon Quick Automate, Anda dapat menghubungkan basis pengetahuan ke agen khusus untuk mengaktifkan AI-powered pengambilan dan jawaban pertanyaan melalui dokumen organisasi Anda. Dengan menautkan ruang Cepat ke grup otomatisasi Anda, agen kustom dapat mencari dan mengambil informasi dari basis pengetahuan di dalam ruang itu.
Gunakan ini untuk otomatisasi yang perlu referensi pengetahuan organisasi — seperti menjawab pertanyaan dari dokumen kebijakan, meringkas laporan, atau mengklasifikasikan konten berdasarkan data referensi.
Basis pengetahuan mengindeks dokumen Anda untuk pencarian semantik, sehingga agen kustom hanya mengambil bagian yang paling relevan daripada memproses seluruh file. Ini membuat pengambilan lebih cepat dan lebih akurat, terutama di seluruh set dokumen besar.
Prasyarat
Ruang cepat dengan satu atau lebih basis pengetahuan yang dikonfigurasi. Untuk informasi selengkapnya, lihat Mengatur, berkolaborasi, dan berbagi sumber daya dengan spasi di Amazon Quick.
Grup otomatisasi tempat Anda adalah pemilik
Owner-level akses ke ruang yang ingin Anda tautkan
Menautkan ruang ke grup otomatisasi Anda
Sebelum agen kustom dapat mengakses basis pengetahuan, Anda harus menautkan ruang yang berisi basis pengetahuan tersebut ke grup otomatisasi Anda. Menautkan ruang memberikan izin grup otomatisasi untuk mengakses basis pengetahuan dan file di dalam ruang itu.
Untuk menautkan ruang ke grup otomatisasi:
Di tab Otomasi, buka halaman Proyek.
Pilih Grup dan pilih grup tempat Anda ingin melampirkan spasi.
Tip
Anda juga dapat memilih Buat grup di sisi kanan untuk membuat grup otomatisasi baru.
Di bagian Aset, pilih Tambah, lalu pilih Spasi.
Pilih ruang yang berisi basis pengetahuan yang ingin Anda gunakan, lalu pilih Tambah.
Ruang sekarang muncul di daftar koneksi grup otomatisasi. Agen khusus dalam grup otomatisasi ini dapat mengakses basis pengetahuan dan file dalam ruang yang ditautkan. Sumber daya lain di ruang tidak tersedia untuk otomatisasi.
catatan
Jika ruang menunjukkan Akses terbatas setelah ditambahkan, itu berarti tidak semua basis pengetahuan dibagikan dengan grup otomatisasi. Ini bisa terjadi jika basis pengetahuan ditambahkan ke ruang setelah ditautkan, atau jika tidak semua basis pengetahuan dibagikan pada awalnya. Untuk mengatasi ini, segarkan koneksi ruang untuk berbagi semua sumber daya dengan grup otomatisasi. Anda tidak perlu mengkonfigurasi ulang tab Pengetahuan pada masing-masing agen kustom.
Tambahkan pengetahuan ke agen khusus
Setelah menautkan ruang ke grup otomatisasi Anda, Anda dapat mengonfigurasi agen khusus untuk menggunakan basis pengetahuan di dalam ruang tersebut. Alur kerja harus berada dalam grup otomatisasi yang sama tempat Anda memasang ruang.
Untuk menambahkan pengetahuan ke agen kustom:
Di pembuat alur kerja, tambahkan langkah Agen Kustom. Anda dapat menarik dan melepas simpul Agen Kustom ke kanvas, atau mengobrol dengan asisten otomatisasi untuk membuat langkah ini.
Di panel properti agen, pilih Pengetahuan, lalu pilih Tambah.
Pemilih terbuka menunjukkan ruang yang tersedia yang ditautkan ke grup otomatisasi. Pilih satu atau beberapa spasi yang berisi basis pengetahuan yang Anda ingin agen gunakan.
Pilih Simpan.
Agen kustom sekarang dapat mencari dan mengambil konten dari basis pengetahuan di ruang yang dipilih saat otomatisasi berjalan.
Ketika Anda melampirkan ruang, semua basis pengetahuan di dalam ruang itu secara otomatis menjadi tersedia untuk agen. Anda tidak perlu melampirkan setiap basis pengetahuan secara individual. Saat runtime, agen menanyakan setiap basis pengetahuan secara independen dan menggabungkan hasil dalam responsnya.
catatan
Jika pemilik grup otomatisasi kehilangan akses ke basis pengetahuan tertentu di dalam ruang, basis pengetahuan tersebut dilewati selama kueri dan editor alur kerja menampilkan lencana peringatan pada lampiran ruang.
Instruksi penulisan untuk kueri basis pengetahuan
Ketika agen kustom memiliki basis pengetahuan yang terpasang, ia secara otomatis mencari dan mengambil konten yang relevan berdasarkan instruksi Anda. Tulis instruksi yang menjelaskan dengan jelas informasi apa yang harus ditemukan agen atau bagaimana seharusnya menggunakan konten basis pengetahuan.
Praktik terbaik:
Jadilah spesifik tentang informasi apa yang harus diambil atau diringkas
Referensikan jenis konten yang Anda harapkan untuk ditemukan agen (misalnya, “Cari dokumen kebijakan untuk...” atau “Temukan informasi tentang...”)
Tentukan bagaimana agen harus menggunakan informasi yang diambil dalam tanggapannya
Sertakan instruksi fallback ketika basis pengetahuan tidak berisi konten yang relevan
Contoh: Agen pertanyaan pelanggan dengan basis pengetahuan
Contoh berikut menunjukkan cara mengkonfigurasi agen kustom yang menggunakan basis pengetahuan untuk menjawab pertanyaan pelanggan berdasarkan dokumentasi perusahaan.
Pengaturan:
Ruang yang berisi basis pengetahuan dengan dokumentasi produk dan konten FAQ
Ruang terhubung ke grup otomatisasi
Ruang ditambahkan sebagai pengetahuan ke agen kustom
Instruksi:
"""You are a customer support agent. Task: Answer the customer inquiry using information from the knowledge base. Instructions: 1. Search the knowledge base for information relevant to the customer's question. 2. Provide a clear, concise answer based on the retrieved content. 3. If the knowledge base does not contain relevant information, respond with: "I don't have enough information to answer this question. Please escalate to a human agent." Constraints: - Only use information found in the knowledge base. Do not make up answers. - Keep responses under 200 words. - Include the source document name when referencing specific information."""
Output terstruktur:
{ "answer": "The response to the customer inquiry", "sourceDocument": "Name of the document used", "confidence": "high/medium/low", "escalationNeeded": false }
