本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

创建自动推理策略

创建自动推理策略时，您的源文档将转换为一组形式逻辑规则以及变量和类型的架构。此页面引导您准备文档、创建策略和查看结果。

Amazon Bedrock 使用 AWS Key Management Service（KMS）对自动推理策略进行加密。默认情况下，Amazon Bedrock 使用服务拥有的密钥。您可以选择指定客户自主管理型 KMS 密钥，以进一步控制策略数据的加密。

要测试和使用您的自动推理政策，请确保您拥有相应的权限。

准备您的源文档

在打开控制台或调用 API 之前，请准备好自动推理用于提取规则和变量的文档。您的政策质量直接取决于这些输入的质量。

文件结构和清晰度

自动推理检查最适合包含明确、明确规则的文档。每条规则都应说明条件和结果。避免使用模糊的语言、主观标准或依赖于文档中未存在的外部背景的规则。

示例：明确与模糊的规则

大小限制和拆分大型文档

源文档的大小限制为 5 MB 和 50,000 个字符。文档中的图像和表格也计入字符限制。

如果您的文档超过了这些限制，或者涵盖了多个无关的领域，请将其拆分为重点部分。例如，将员工手册拆分为休假政策、福利资格和费用报销的单独文档。使用第一部分创建您的策略，然后使用迭代策略构建（本页稍后将介绍）将其他部分合并到同一策略中。

Pre-process 复杂的文档

包含大量样板、法律免责声明或与您要执行的规则无关的内容的文档将产生带有不必要变量和规则的杂乱政策。在上传之前，请考虑：

（可选）使用 LLM 将文档重写为逻辑规则

对于包含叙事散文、法律语言或复杂格式的文档，在将内容上传到自动推理检查之前，可以考虑使用具有高级推理能力的前沿模型将内容重写为清晰的逻辑规则。这个一次性的预处理步骤将文本转换为自动推理检查可以更准确地从中提取的格式，从而产生更高质量的策略，减少未使用的变量和裸露的断言。

LLM 预处理有两种方法，具体取决于文档的复杂性以及您想要对提取的控制程度。

方法 1：纯文本规则提取

要求 LLM 将文档重写为 if-then 规则的编号列表。这种方法非常简单，适用于源代码中规则相对明确的简短、有针对性的文档。

示例提示符：

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]

方法 2：结构化规则提取

对于复杂或冗长的文档，要求 LLM 将规则提取为结构化 JSON，其中包含每条规则的元数据。这种方法可以产生更丰富的输出，帮助您审核每条规则来自文档的哪些部分、提取的可信度以及哪些规则是推断出来的，而不是直接陈述的。它还要求LLM生成理智规则——诸如 “年龄必须为非负数” 之类的常识性边界约束——这些规则直接转化为自动推理策略使用的边界规则。有关边界规则的更多信息，请参阅验证数值的范围。

示例提示符：

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]

运行结构化提取后，查看 JSON 输出。特别注意：

将经过审查的 JSON 规则转换为纯文本 if-then 语句，以便在创建自动推理策略时用作源文档。

撰写有效的指令

创建策略时，您可以提供可选说明来指导自动推理如何处理您的源文档。尽管是可选的，但好的指令可以显著提高提取的规则和变量的质量。

有效的说明应涵盖三件事：

示例指令：

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.

在控制台中创建策略

使用 API 创建策略

自动推理政策是您 AWS 账户中由亚马逊资源名称 (ARN) 标识的资源。通过 API 创建策略分为两个步骤：首先创建策略资源，然后启动构建工作流程以从文档中提取规则。

步骤 1：创建策略资源

使用 CreateAutomatedReasoningPolicy API 创建策略资源。

示例：

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

示例响应：

{
  "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"
}

第 2 步：启动生成工作流程以提取规则

将 StartAutomatedReasoningPolicyBuildWorkflow API 与步骤 1 中的 ARN 策略结合使用，从源文档中提取规则和变量。

示例：

# 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?'\"
        }
      ]
    }
  }"

示例响应：

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

使用以下命令检查构建状态ListAutomatedReasoningPolicyBuildWorkflows：

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

查看提取的政策

构建完成后，在开始测试之前查看提取的策略定义。与以后通过失败的测试发现问题相比，在此阶段发现问题可以节省时间。

在控制台中，打开您的策略并转到定义页面。通过 API，GetAutomatedReasoningPolicyBuildWorkflowResultAssets使用和--asset-type POLICY_DEFINITION来检索提取的定义，--asset-type QUALITY_REPORT并检索质量报告。您可以使用--asset-type ASSET_MANIFEST参数查看工作流程中生成的资产的完整列表，例如保真度报告。

检查有无以下问题：

查看保真度报告

当您从源文档创建策略时，保真度报告将与提取的策略一起自动生成。保真度报告衡量政策代表您的源内容的准确程度，并提供了详细的依据，将每条规则和变量与文档中的特定陈述联系起来。有关保真度报告概念的更多信息，请参阅富达报告。

在控制台中查看保真度报告

在控制台中，打开您的策略并选择 “源文档” 选项卡（在 “定义” 旁边）。源内容视图将从文档中提取的每条原子语句显示为表格中的编号行。每行显示：

使用规则和变量下拉过滤器将重点放在基于特定规则或变量的语句上。使用搜索栏在提取的语句中查找特定内容。

如果您在初始提取后编辑策略（例如，通过修改规则或添加变量），请选择 “重新生成” 按钮来更新保真度报告，使其反映您当前的策略定义。

使用 API 查看保真度报告

GetAutomatedReasoningPolicyBuildWorkflowResultAssets与一起使用--asset-type FIDELITY_REPORT可检索保真度报告。要在更改策略后重新生成报告，请StartAutomatedReasoningPolicyBuildWorkflow与生成工作流程类型一起使用，GENERATE_FIDELITY_REPORT并在generateFidelityReportContent字段中提供源文档。该工作流程根据当前的策略定义重新分析文档，并生成新的保真度报告。您还可以使用--asset-type SOURCE_DOCUMENT--asset-id参数检索先前构建工作流程中的原始源文档（从资产清单中获取资产 ID）。

要查找的内容

在查看 API 的保真度报告时，请注意：

迭代政策制定

对于复杂的域名，应逐步制定策略，而不是尝试在单个文件上传中捕获所有内容。从规则的重点子集开始，创建和测试策略，然后在后续迭代中添加更多内容。

在控制台中添加内容

使用 API 添加内容

调用 StartAutomatedReasoningPolicyBuildWorkflowINGEST_CONTENT，将完整的当前策略定义与新文档一起传递。必须包括完整的现有定义（规则、变量和类型），这样新内容才能与现有策略合并，而不是替换现有策略。

# 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.\"
        }
      ]
    }
  }"

使用 API 导入策略定义

如果您已经有 JSON 格式的策略定义，IMPORT_POLICY请StartAutomatedReasoningPolicyBuildWorkflow使用和直接导入。这将跳过文档提取步骤并按原样加载定义。

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\": []
    }
  }"

使用 API 以迭代方式完善策略

StartAutomatedReasoningPolicyBuildWorkflow与一起使用ITERATIVELY_REFINE_POLICY，使用源文档和可选的自然语言反馈来完善现有政策。与从文档INGEST_CONTENT中提取新规则不同，此工作流程使用文档作为上下文来改进现有策略。常见使用案例包括：

# 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.\"
      }
    }
  }"

针对自动推理策略的 KMS 权限

如果您指定客户自主管理型 KMS 密钥来加密您的自动推理策略，则必须配置允许 Amazon Bedrock 代表您使用密钥的权限。

密钥策略权限

在您的 KMS 密钥策略中添加以下声明，以允许 Amazon Bedrock 将密钥用于自动推理策略：

{
  "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"
    }
  }
}

IAM 权限

您的 IAM 主体必须具有以下权限，才能将客户自主管理型 KMS 密钥用于自动推理策略：

{
  "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"
        }
      }
    }
  ]
}

加密上下文

Amazon Bedrock 使用加密上下文为您的自动推理策略提供额外的安全保护。加密上下文是一组密钥值对，在加密和解密策略时用作额外的身份验证数据。

对于自动推理策略，Amazon Bedrock 会使用以下加密上下文：