Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Didacticiel : création d’un flux qui traite les applications de prêts hypothécaires Pour nous familiariser avec les ressources Amazon Bedrock et leurs fonctionnalités, nous allons utiliser un CloudFormation modèle pour configurer un [flux](flows.md) qui automatise les processus de demande de prêt hypothécaire en combinant différentes ressources Amazon Bedrock et d'autres ressources. AWS **Note** Pour ce didacticiel, nous utiliserons la *us-east-1* région. Vous pouvez utiliser n’importe quelle région prenant en charge les agents, les flux, les barrières de protection, les bases de connaissances et la gestion des invites. Pour un tableau des fonctionnalités prises en charge par région, consultez [Fonctionnalités prises Région AWS en charge par Amazon Bedrock](features-regions.md). Assurez-vous que vous êtes autorisé à créer des ressources Amazon S3, Amazon Bedrock, Lambda et DynamoDB dans la région que vous utilisez. Ce flux n’est pas destiné à des fins de déploiement, mais plutôt à être utilisé comme didacticiel pour comprendre les ressources Amazon Bedrock. L’image suivante est la représentation visuelle du flux dans AWS Management Console : ![\[Flux de traitement des prêts hypothécaires\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) Le flux combine un [agent](agents.md) Amazon Bedrock, des [invites](prompt-management.md) et une [fonction Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) pour créer un flux de traitement des prêts hypothécaires qui prend en compte les informations financières du client et détermine si le client est éligible à un prêt. Une [base de connaissances](knowledge-base.md) Amazon Bedrock et une [barrière de protection](guardrails.md) sont également attachés à l’agent du flux afin d’augmenter les réponses et de fournir des garanties. Pour plus d’informations sur les composants du tableau de bord récapitulatif, consultez [Détails sur le flux de traitement des prêts hypothécaires](getting-started-mortgage-flow-details.md). **Topics** + [Conditions préalables](#getting-started-mortgage-flow-prereqs) + [Créez le flux de traitement des prêts hypothécaires à l'aide de CloudFormation](#getting-started-mortgage-flow-create) + [Testez le flux de traitement des prêts hypothécaires](#getting-started-mortgage-flow-test) + [Nettoyage : suppression de ressources](#getting-started-mortgage-flow-delete) + [CloudFormation modèles](getting-started-mortgage-flow-template.md) + [Détails sur le flux de traitement des prêts hypothécaires](getting-started-mortgage-flow-details.md) ## Conditions préalables Pour créer ce flux, vous allez télécharger un fichier .zip et suivre les instructions pour exécuter un script qui configurera vos ressources et votre modèle pour vous. **Important** Les ressources Amazon que vous créez vous seront facturées jusqu’à ce que vous les supprimiez. Ensuite, remplissez les conditions préalables suivantes : 1. Téléchargez le fichier [cloudformation-mortgage-flow-setup.zip.](samples/cloudformation-mortgage-flow-setup.zip) 1. Décompressez le fichier. Vous pouvez en savoir plus sur le contenu dans [CloudFormation modèles](getting-started-mortgage-flow-template.md). 1. Demandez l’accès aux modèles de fondation Amazon Bedrock en procédant comme suit : 1. Connectez-vous au AWS Management Console avec une identité IAM autorisée à utiliser la console Amazon Bedrock. Ouvrez ensuite la console Amazon Bedrock à l'adresse [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock) 1. Assurez-vous que vous vous trouvez dans la région **USA Est (Virginie du Nord)** en cochant votre région dans le coin supérieur droit. Si ce n’est pas le cas, changez de région. 1. Sélectionnez **Accès au modèle** en bas du volet de navigation de gauche. 1. Choisissez **Modifier l’accès au modèle**. 1. Effectuez l’une des actions suivantes : + Pour demander l’accès à tous les modèles, choisissez **Activer tous les modèles**. Sur la page vers laquelle vous êtes redirigé, les cases à cocher situées en regard de tous les modèles seront remplies. + Pour demander l’accès à des modèles spécifiques, choisissez **Activer des modèles spécifiques**. Sur la page vers laquelle vous êtes redirigé, vous disposez des options suivantes : + Pour demander à un fournisseur d’accéder à tous les modèles, cochez la case située en regard du nom du fournisseur. + Pour demander l’accès à un modèle, cochez la case située en regard du nom du modèle. 1. Dans le cadre du didacticiel suivant, vous devez au minimum demander l’accès aux modèles **Titan Embeddings G1 - Text** et **Claude 3 Haiku**. Ensuite, sélectionnez **Suivant**. 1. Passez en revue les modèles auxquels vous demandez l’accès et les **conditions**. Lorsque vous êtes prêt, choisissez **Soumettre** pour demander l’accès. ## Créez le flux de traitement des prêts hypothécaires à l'aide de CloudFormation Pour créer le flux de traitement des prêts hypothécaires et les ressources associées, nous allons créer un CloudFormation modèle et l'utiliser pour créer une pile contenant les ressources Amazon Bedrock. **Important** Les ressources Amazon que vous créez vous seront facturées jusqu’à ce que vous les supprimiez. ### Création des ressources et du fichier CloudFormation modèle Tout d'abord, utilisez le script du fichier .zip pour télécharger les ressources dans un compartiment S3 et créer les CloudFormation modèles. 1. Dans un terminal, exécutez la commande suivante pour copier les ressources dans un compartiment Amazon S3 et remplir les fichiers `main-stack.yaml` et `main-stack.json` avec le nom du compartiment S3 comme valeur par défaut pour le paramètre du nom du compartiment. ``` bash deploy.sh ``` **Note** L'utilisation du script est`bash deploy.sh `, where ** et ** sont des arguments facultatifs. Si vous ne les fournissez pas, les valeurs par défaut suivantes seront utilisées : **— La AWS région par défaut spécifiée dans la configuration de vos AWS informations d'identification. **— Le bucket sera nommé*mortgage-flow-deployment--*, où se ** trouve votre identifiant de AWS compte et ** correspond à la valeur que vous avez fournie ou à la AWS région par défaut spécifiée dans la configuration de vos AWS informations d'identification. 1. Confirmez les invites. Une fois le déploiement terminé, vous devriez disposer d’un modèle `main-stack.yaml` et `main-stack.json` complet pour l’étape suivante. **Note** Si le script échoue, vous pouvez préparer les ressources manuellement en procédant comme suit : Téléchargez le *contenu* (n'incluez pas le dossier lui-même) du `cloudformation-mortgage-flow-setup` dossier décompressé dans un compartiment S3 situé dans l'est des États-Unis (Virginie du Nord) sur la console Amazon S3 à l'adresse. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/) Recherchez le fichier `templates/json/main-stack-tmp.yaml` ou `templates/json/main-stack-tmp.json` et procédez comme suit : Remplacez la `Default` valeur du `Q01pS3BucketName` paramètre par le nom *MortgageFlowBucket* de votre compartiment S3. Supprimez `-tmp` du nom du fichier, de telle sorte qu’il devienne `templates/json/main-stack.yaml` ou `templates/json/main-stack.json`. ### Créez la pile à l'aide de la CloudFormation console Ensuite, utilisez le modèle que vous avez enregistré pour approvisionner une CloudFormation pile. 1. Ouvrez la CloudFormation console à l'adresse [https://console.aws.amazon.com/cloudformation.](https://console.aws.amazon.com/cloudformation/) Assurez-vous que vous vous trouvez dans la région **USA Est (Virginie du Nord)** en cochant votre région dans le coin supérieur droit. Si ce n’est pas le cas, changez de région. 1. Sur la page **Piles**, dans le menu **Créer une pile**, choisissez **Avec de nouvelles ressources (standard)**. 1. Spécifiez un modèle : 1. Sous **Prérequis**, choisissez **Choisir un modèle existant**. 1. Sous **Spécifier le modèle**, sélectionnez **Charger un modèle de fichier**. 1. Choisissez **Choisir un fichier**, accédez au modèle `main-stack.yaml` ou `main-stack.json`, puis sélectionnez-le. 1. Choisissez **Suivant**. 1. Spécifiez les détails de pile : 1. Dans **Nom de la pile**, entrez un nom pour la pile. 1. Dans le champ **Paramètres**, laissez les valeurs par défaut. **Note** La valeur `Q01pS3BucketName` doit correspondre au nom du compartiment S3 dans lequel vous avez chargé les ressources de ce modèle. Les autres arguments concernent les configurations de la base de connaissances. Si vous modifiez l’un d’entre eux, assurez-vous que les configurations sont compatibles entre elles. Pour de plus amples informations, veuillez consulter [Conditions préalables à l’utilisation d’un magasin de vecteurs que vous avez créé pour une base de connaissances](knowledge-base-setup.md). 1. Choisissez **Suivant**. 1. Configurez les options de pile : 1. Sous **Options d’échec de pile**, choisissez **Supprimer toutes les ressources nouvellement créées**. **Note** Le choix de cette option vous évite d’être facturé pour des ressources dont la stratégie de suppression indique qu’elles doivent être conservées même en cas d’échec de la création de la pile. Pour plus d’informations, consultez [Attribut `DeletionPolicy`](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/aws-attribute-deletionpolicy.html) dans le *Guide de l’utilisateur CloudFormation *. 1. Sous **Fonctionnalités**, cochez la case pour confirmer que des ressources IAM CloudFormation peuvent être créées dans votre compte. 1. Choisissez **Suivant**. 1. Vérifiez les détails de la pile et choisissez **Soumettre**. CloudFormation crée la pile. La création dure plusieurs minutes. Une fois la création de la pile terminée, vous pouvez utiliser l’onglet **Ressources** de la page détaillée de la pile pour afficher les ressources provisionnées dans votre compte. 1. Une fois la création de la pile terminée, procédez comme suit pour synchroniser la source de données de la base de connaissances afin que celle-ci puisse être interrogée : 1. Connectez-vous au AWS Management Console avec une identité IAM autorisée à utiliser la console Amazon Bedrock. Ouvrez ensuite la console Amazon Bedrock à l'adresse [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock) 1. Dans le volet de navigation de gauche, sélectionnez **Bases de connaissances** et choisissez la base de connaissances créée, `AWSDocsTutorial-MortgageKB`. 1. Dans la section **Source de données**, cochez la case en regard de la source de données créée, nommée `AWSDocsTutorial-MortgageKB-DS`. 1. Choisissez **Synchronisation**. Une fois la synchronisation terminée, vous pouvez tester le flux. ## Testez le flux de traitement des prêts hypothécaires Une fois le flux de traitement des prêts hypothécaires créé, vous pouvez utiliser la console Amazon Bedrock pour examiner, tester et modifier le flux. Vous pouvez également examiner, tester et modifier les ressources individuelles du flux. **Pour tester le flux** 1. Connectez-vous au AWS Management Console avec une identité IAM autorisée à utiliser la console Amazon Bedrock. Ouvrez ensuite la console Amazon Bedrock à l'adresse [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock) 1. Dans le volet de navigation de gauche, choisissez **Flux**. Assurez-vous que vous vous trouvez dans la région **USA Est (Virginie du Nord)** en cochant votre région dans le coin supérieur droit. Si ce n’est pas le cas, changez de région. 1. Dans la section **Flux**, sélectionnez le flux créé à partir du CloudFormation modèle. Ce devrait être `AWSDocsTutorial-MortgageFlow`. 1. Choisissez **Modifier dans le créateur de flux**. Vous pouvez faire glisser des nœuds individuels dans le flux pour modifier la représentation visuelle du flux. 1. Dans le volet **Flux de test**, entrez ce qui suit dans le champ de texte, puis sélectionnez **Exécuter**. ``` { "income": 80000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 600000, "creditScore": 750, "mlsId": "MLS-5678" } ``` Le montant du prêt étant supérieur au prêt abordable maximal calculé, l’invite **incomeDebt** est déclenchée et le flux génère une lettre de rejet. Vous pouvez choisir **Afficher la trace** pour voir les nœuds exécutés dans le flux. 1. Encore une fois, dans le volet **Flux de test**, entrez ce qui suit dans le champ de texte, puis sélectionnez **Exécuter**. ``` { "income": 120000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 200000, "creditScore": 650, "mlsId": "MLS-3456" } ``` Le montant du prêt étant inférieur au montant maximal du prêt abordable calculé, l'invite **ProcessApplication** est déclenchée et envoyée au **mortgageProcessingAgent**, qui consulte la base de connaissances jointe et génère une réponse évaluant, sur la base des valeurs saisies, si le client est éligible à un prêt. 1. (Facultatif) Essayez d’exécuter le flux en utilisant différentes valeurs pour les champs de l’objet JSON. Les valeurs `mlsId` correspondent aux propriétés répertoriées sur le Multiple Listing Service. Vous pouvez trouver les valeurs `mlsId` valides en procédant comme suit : 1. Connectez-vous à la console DynamoDB AWS Management Console et ouvrez-la à l'adresse. [https://console.aws.amazon.com/dynamodb/](https://console.aws.amazon.com/dynamodb/) 1. Dans le panneau de navigation de gauche, sélectionnez **Tables**. 1. Sélectionnez le tableau qui indique **AWSDocsTutorial-PropertyListing**. 1. Sélectionnez **Explorer les éléments de table**. 1. Vous pouvez utiliser n’importe laquelle des valeurs de la colonne **mls\$1id** dans l’entrée du flux. Vous pouvez également accéder aux pages de **gestion **Agents**, **Bases de connaissances**, **Guardrails** et Prompt** du AWS Management Console pour examiner chaque ressource Amazon Bedrock utilisée dans le flux, indépendamment. Pour en savoir plus sur le flux et comprendre les composants de manière plus détaillée, consultez [Détails sur le flux de traitement des prêts hypothécaires](getting-started-mortgage-flow-details.md). ## Nettoyage : suppression de ressources Une fois que vous aurez exploré les ressources et que vous aurez mieux compris les fonctionnalités des différentes ressources Amazon Bedrock, nous supprimerons la pile et les ressources qu’elle contient. **Important** Les ressources Amazon que vous créez vous seront facturées jusqu’à ce que vous les supprimiez. 1. Ouvrez le fichier [https://console.aws.amazon.com/cloudformation.](https://console.aws.amazon.com/cloudformation/) 1. Dans le volet de navigation de gauche, choisissez **Piles**. 1. Choisissez la pile que vous avez créée à partir du modèle. Ensuite, choisissez **Supprimer**, puis confirmez en sélectionnant **Supprimer**. CloudFormation initie la suppression de la pile principale, de toutes ses piles imbriquées et de toutes les ressources incluses dans les piles. # CloudFormation modèles Le fichier `cloudformation-mortgage-flow-setup.zip` télécharge contient les fichiers suivants : + `deploy.sh`— Un script shell qui déploie vos ressources et prépare le CloudFormation modèle principal que vous allez utiliser. + `artifacts` : un dossier contenant des fichiers .zip comportant des fonctions pour l’agent et des modèles de base de connaissances : + Fonctions Lambda pour les groupes d’actions de l’agent + `agent_loan_calculator.zip` + `mls_lookup.zip` + `loader_deployment_package.zip` + Fonctions de configuration de la base de connaissances + `custom-resource-lambda.zip` + `opensearchpy-layer.zip` + `provider-event-handler.zip` + `api-schema` : dossier contenant les schémas d’API pour les groupes d’actions. + `knowledge-base-data-source` : dossier contenant le PDF du [guide de vente de Fannie Mae](https://selling-guide.fanniemae.com/). + `templates` : dossier contenant les modèles pour les ressources de ce flux, au format JSON et YAML : + `main-stack-tmp` : modèle principal qui déploie les modèles restants sous forme de piles imbriquées. Ce fichier est transformé en `main-stack` après l’exécution du script de déploiement. + `guardrails-template` : modèle pour la barrière de protection à associer à l’agent. + `prompts-template` : modèle pour les invites à utiliser dans le flux. + `kb-role-template`— Le modèle pour le rôle de base de connaissances, à utiliser à la fois par le OpenSearch modèle et par le modèle de base de connaissances. + `oss-infra-template`— Le modèle de la boutique vectorielle Amazon OpenSearch Serverless à utiliser pour la base de connaissances. + `kb-infra-template` : modèle de base de connaissances sur les prêts hypothécaires à associer à l’agent. + `agent-template` : modèle d’agent de traitement des prêts hypothécaires à utiliser dans le flux. + `mortgage-flow-template` : modèle pour le flux de traitement des prêts hypothécaires qui combine toutes les ressources. + `README.md` : fichier README qui décrit les étapes d’utilisation du modèle. Les rubriques suivantes présentent les CloudFormation modèles utilisés pour chaque pile. La pile principale déploie les piles restantes sous forme de [piles imbriquées](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/using-cfn-nested-stacks.html). **Topics** + [Pile principale](#getting-started-mortgage-templates-main) + [Pile de barrières de protection Amazon Bedrock](#getting-started-mortgage-guardrail-templates) + [Pile Amazon Bedrock Prompt Management](#getting-started-mortgage-prompts-templates) + [Pile Amazon Bedrock Knowledge Bases](#getting-started-mortgage-kb-templates) ## Pile principale La pile principale définit les paramètres que vous pouvez définir lorsque vous téléchargez le modèle. Ces valeurs sont transmises à chacune des piles imbriquées restantes. Le script de déploiement *MortgageFlowBucket* remplace la valeur par défaut du `Q01pS3BucketName` paramètre par votre compartiment S3 réel qui contient les ressources déployées par le script. ------ #### [ YAML ] ``` AWSTemplateFormatVersion: '2010-09-09' Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: Q01pS3BucketName: Type: String Description: Provide existing S3 bucket name where data is already stored Default: MortgageFlowBucket Q02pFlowName: Type: String Description: Name for the flow Default: MortgageFlow Q03pGuardrailName: Type: String Description: Name for guardrail to attach to agent Default: MortgageGR Q04pKnowledgeBaseName: Type: String Description: Name for knowledge base to associate with agent Default: MortgageKB Q05pAgentName: Type: String Description: Name for agent to create Default: MortgageAgent Q06pKBEmbedModel: Type: String Description: Select Embedding model Default: amazon.titan-embed-text-v1 Q07pKBChunkingStrategy: Type: String Description: Select Chunking strategy AllowedValues: - Default chunking - Fixed-size chunking - No chunking Default: Default chunking Q08pKBMaxTokens: Type: Number Description: Maximum number of tokens in a chunk Default: 300 Q09pKBOverlapPercentage: Type: Number Description: Percent overlap in each chunk Default: 20 Q10pKBVectorStore: Type: String Description: Select vector store AllowedValues: - Open-Search-Serverless Default: Open-Search-Serverless Q11pOSSCollectionName: Type: String Description: Name of the Collection MinLength: 1 MaxLength: 63 Default: mortgage-kb-collection AllowedPattern: ^[a-z0-9](-*[a-z0-9])* ConstraintDescription: Must be lowercase or numbers with a length of 1-32 characters Q12pOSSIndexName: Type: String Description: Index name to be created in vector store MinLength: 1 MaxLength: 63 Default: mortgage-kb-index AllowedPattern: ^[a-z0-9](-*[a-z0-9])* ConstraintDescription: Must be lowercase or numbers with a length of 1-63 characters # Q13pVectorFieldName: # Type: String # Description: Vector field name # Default: bedrock-knowledge-base-default-vector # Q14pMetaDataFieldName: # Type: String # Description: Metadata field name # Default: AMAZON_BEDROCK_METADATA # Q15pTextFieldName: # Type: String # Description: Text field name # Default: AMAZON_BEDROCK_TEXT_CHUNK Resources: KBRoleStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/kb-role-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName OSSStack: Type: AWS::CloudFormation::Stack DependsOn: KBRoleStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/oss-infra-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName Q06pKBEmbedModel: Ref: Q06pKBEmbedModel Q11pOSSCollectionName: Ref: Q11pOSSCollectionName Q12pOSSIndexName: Ref: Q12pOSSIndexName pKBRole: Fn::GetAtt: - KBRoleStack - Outputs.KBRole pKBRoleArn: Fn::GetAtt: - KBRoleStack - Outputs.KBRoleArn KBStack: Type: AWS::CloudFormation::Stack DependsOn: OSSStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/kb-infra-template.yaml TimeoutInMinutes: 15 Parameters: KnowledgeBaseName: Ref: Q04pKnowledgeBaseName Q01pS3BucketName: Ref: Q01pS3BucketName Q06pKBEmbedModel: Ref: Q06pKBEmbedModel Q07pKBChunkingStrategy: Ref: Q07pKBChunkingStrategy Q08pKBMaxTokens: Ref: Q08pKBMaxTokens Q09pKBOverlapPercentage: Ref: Q09pKBOverlapPercentage Q11pOSSCollectionName: Ref: Q11pOSSCollectionName Q12pOSSIndexName: Ref: Q12pOSSIndexName # Q13pVectorFieldName: # Ref: Q13pVectorFieldName # Q14pMetaDataFieldName: # Ref: Q14pMetaDataFieldName # Q15pTextFieldName: # Ref: Q15pTextFieldName pCollectionArn: Fn::GetAtt: - OSSStack - Outputs.CollectionArn pKBRoleArn: Fn::GetAtt: - KBRoleStack - Outputs.KBRoleArn pKBRole: Fn::GetAtt: - KBRoleStack - Outputs.KBRole GRStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/guardrails-template.yaml TimeoutInMinutes: 15 Parameters: GuardrailName: Ref: Q03pGuardrailName AgentStack: Type: AWS::CloudFormation::Stack DependsOn: - KBStack - GRStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/agent-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName KnowledgeBaseId: Fn::GetAtt: - KBStack - Outputs.KBId GuardrailArn: Fn::GetAtt: - GRStack - Outputs.GuardrailArn GuardrailVersion: Fn::GetAtt: - GRStack - Outputs.GuardrailVersion PromptsStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/prompts-template.yaml TimeoutInMinutes: 15 FlowStack: Type: AWS::CloudFormation::Stack DependsOn: - AgentStack - PromptsStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/mortgage-flow-template.yaml TimeoutInMinutes: 15 Parameters: FlowName: Ref: Q02pFlowName Q01pS3BucketName: Ref: Q01pS3BucketName ProcessApplicationPromptArn: Fn::GetAtt: - PromptsStack - Outputs.ProcessApplicationPromptArn RejectionPromptArn: Fn::GetAtt: - PromptsStack - Outputs.RejectionPromptArn AgentId: Fn::GetAtt: - AgentStack - Outputs.AgentId ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "Q01pS3BucketName": { "Type": "String", "Description": "Provide existing S3 bucket name where data is already stored", "Default": "MortgageFlowBucket" }, "Q02pFlowName": { "Type": "String", "Description": "Name for the flow", "Default": "MortgageFlow" }, "Q03pGuardrailName": { "Type": "String", "Description": "Name for guardrail to attach to agent", "Default": "MortgageGR" }, "Q04pKnowledgeBaseName": { "Type": "String", "Description": "Name for knowledge base to associate with agent", "Default": "MortgageKB" }, "Q05pAgentName": { "Type": "String", "Description": "Name for agent to create", "Default": "MortgageAgent" }, "Q06pKBEmbedModel": { "Type": "String", "Description": "Select Embedding model", "Default": "amazon.titan-embed-text-v1" }, "Q07pKBChunkingStrategy": { "Type": "String", "Description": "Select Chunking strategy", "AllowedValues": [ "Default chunking", "Fixed-size chunking", "No chunking" ], "Default": "Default chunking" }, "Q08pKBMaxTokens": { "Type": "Number", "Description": "Maximum number of tokens in a chunk", "Default": 300 }, "Q09pKBOverlapPercentage": { "Type": "Number", "Description": "Percent overlap in each chunk", "Default": 20 }, "Q10pKBVectorStore": { "Type": "String", "Description": "Select vector store", "AllowedValues": [ "Open-Search-Serverless" ], "Default": "Open-Search-Serverless" }, "Q11pOSSCollectionName": { "Type": "String", "Description": "Name of the Collection", "MinLength": 1, "MaxLength": 63, "Default": "mortgage-kb-collection", "AllowedPattern": "^[a-z0-9](-*[a-z0-9])*", "ConstraintDescription": "Must be lowercase or numbers with a length of 1-32 characters" }, "Q12pOSSIndexName": { "Type": "String", "Description": "Index name to be created in vector store", "MinLength": 1, "MaxLength": 63, "Default": "mortgage-kb-index", "AllowedPattern": "^[a-z0-9](-*[a-z0-9])*", "ConstraintDescription": "Must be lowercase or numbers with a length of 1-63 characters" } }, "Resources": { "KBRoleStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/kb-role-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" } } } }, "OSSStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": "KBRoleStack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/oss-infra-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "Q06pKBEmbedModel": { "Ref": "Q06pKBEmbedModel" }, "Q11pOSSCollectionName": { "Ref": "Q11pOSSCollectionName" }, "Q12pOSSIndexName": { "Ref": "Q12pOSSIndexName" }, "pKBRole": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRole" ] }, "pKBRoleArn": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRoleArn" ] } } } }, "KBStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": "OSSStack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/kb-infra-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "KnowledgeBaseName": { "Ref": "Q04pKnowledgeBaseName" }, "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "Q06pKBEmbedModel": { "Ref": "Q06pKBEmbedModel" }, "Q07pKBChunkingStrategy": { "Ref": "Q07pKBChunkingStrategy" }, "Q08pKBMaxTokens": { "Ref": "Q08pKBMaxTokens" }, "Q09pKBOverlapPercentage": { "Ref": "Q09pKBOverlapPercentage" }, "Q11pOSSCollectionName": { "Ref": "Q11pOSSCollectionName" }, "Q12pOSSIndexName": { "Ref": "Q12pOSSIndexName" }, "pCollectionArn": { "Fn::GetAtt": [ "OSSStack", "Outputs.CollectionArn" ] }, "pKBRoleArn": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRoleArn" ] }, "pKBRole": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRole" ] } } } }, "GRStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/guardrails-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "GuardrailName": { "Ref": "Q03pGuardrailName" } } } }, "AgentStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": [ "KBStack", "GRStack" ], "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/agent-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "KnowledgeBaseId": { "Fn::GetAtt": [ "KBStack", "Outputs.KBId" ] }, "GuardrailArn": { "Fn::GetAtt": [ "GRStack", "Outputs.GuardrailArn" ] }, "GuardrailVersion": { "Fn::GetAtt": [ "GRStack", "Outputs.GuardrailVersion" ] } } } }, "PromptsStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/prompts-template.json" }, "TimeoutInMinutes": 15 } }, "FlowStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": [ "AgentStack", "PromptsStack" ], "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/mortgage-flow-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "FlowName": { "Ref": "Q02pFlowName" }, "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "ProcessApplicationPromptArn": { "Fn::GetAtt": [ "PromptsStack", "Outputs.ProcessApplicationPromptArn" ] }, "RejectionPromptArn": { "Fn::GetAtt": [ "PromptsStack", "Outputs.RejectionPromptArn" ] }, "AgentId": { "Fn::GetAtt": [ "AgentStack", "Outputs.AgentId" ] } } } } } } ``` ------ ## Pile de barrières de protection Amazon Bedrock Cette pile crée les ressources suivantes liées aux [barrières de protection](guardrails.md) suivantes : + AgentGuardrail ([AWS::Bedrock::Guardrail](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrail.html)) — Un garde-corps qui assure le filtrage du contenu, la politique thématique et la protection des informations personnelles. Cette barrière de protection sera associée à l’agent dans la pile d’agents. + AgentGuardrailVersion ([AWS::Bedrock::GuardrailVersion](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrailversion.html)) — Version de la `AgentGuardrail` ressource appliquée à l'agent. ------ #### [ YAML ] ``` AWSTemplateFormatVersion: "2010-09-09" Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: GuardrailName: Type: String Description: Name for guardrail Default: MortgageGuardrail Resources: AgentGuardrail: Type: AWS::Bedrock::Guardrail Properties: Name: !Sub AWSDocsTutorial-${GuardrailName} Description: Guardrail for mortgage processing with investment advice blocking, content filtering, and PII protection BlockedInputMessaging: "Sorry, the model cannot answer this question." BlockedOutputsMessaging: "Sorry, the model cannot answer this question." TopicPolicyConfig: TopicsConfig: - Name: InvestmentAdvice Definition: "Investment advice refers to inquires, guidance or recommendations regarding the management or allocation of fund or asset with the goal of generating returns or achieving specific financial objectives" Examples: - "Is investing in the stocks better than bonds?" - "Should I invest in gold?" Type: DENY ContentPolicyConfig: FiltersConfig: - Type: VIOLENCE InputStrength: HIGH OutputStrength: HIGH - Type: PROMPT_ATTACK InputStrength: HIGH OutputStrength: NONE - Type: MISCONDUCT InputStrength: HIGH OutputStrength: HIGH - Type: HATE InputStrength: HIGH OutputStrength: HIGH - Type: SEXUAL InputStrength: HIGH OutputStrength: HIGH - Type: INSULTS InputStrength: HIGH OutputStrength: HIGH WordPolicyConfig: WordsConfig: - Text: "crypto currency" - Text: "bitcoin" ManagedWordListsConfig: - Type: PROFANITY SensitiveInformationPolicyConfig: PiiEntitiesConfig: - Type: EMAIL Action: ANONYMIZE - Type: CREDIT_DEBIT_CARD_NUMBER Action: BLOCK ContextualGroundingPolicyConfig: FiltersConfig: - Type: GROUNDING Threshold: 0.85 - Type: RELEVANCE Threshold: 0.5 AgentGuardrailVersion: Type: AWS::Bedrock::GuardrailVersion Properties: GuardrailIdentifier: !Ref AgentGuardrail Description: Version 1 of the mortgage agent guardrail Outputs: GuardrailArn: Value: Ref: AgentGuardrail Description: ARN of guardrail to associate with agent GuardrailVersion: Value: Fn::GetAtt: - AgentGuardrailVersion - Version Description: Version of guardrail to associate with agent ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "GuardrailName": { "Type": "String", "Description": "Name for guardrail", "Default": "MortgageGuardrail" } }, "Resources": { "AgentGuardrail": { "Type": "AWS::Bedrock::Guardrail", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-${GuardrailName}" }, "Description": "Guardrail for mortgage processing with investment advice blocking, content filtering, and PII protection", "BlockedInputMessaging": "Sorry, the model cannot answer this question.", "BlockedOutputsMessaging": "Sorry, the model cannot answer this question.", "TopicPolicyConfig": { "TopicsConfig": [ { "Name": "InvestmentAdvice", "Definition": "Investment advice refers to inquires, guidance or recommendations regarding the management or allocation of fund or asset with the goal of generating returns or achieving specific financial objectives", "Examples": [ "Is investing in the stocks better than bonds?", "Should I invest in gold?" ], "Type": "DENY" } ] }, "ContentPolicyConfig": { "FiltersConfig": [ { "Type": "VIOLENCE", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "PROMPT_ATTACK", "InputStrength": "HIGH", "OutputStrength": "NONE" }, { "Type": "MISCONDUCT", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "HATE", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "SEXUAL", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "INSULTS", "InputStrength": "HIGH", "OutputStrength": "HIGH" } ] }, "WordPolicyConfig": { "WordsConfig": [ { "Text": "crypto currency" }, { "Text": "bitcoin" } ], "ManagedWordListsConfig": [ { "Type": "PROFANITY" } ] }, "SensitiveInformationPolicyConfig": { "PiiEntitiesConfig": [ { "Type": "EMAIL", "Action": "ANONYMIZE" }, { "Type": "CREDIT_DEBIT_CARD_NUMBER", "Action": "BLOCK" } ] }, "ContextualGroundingPolicyConfig": { "FiltersConfig": [ { "Type": "GROUNDING", "Threshold": 0.85 }, { "Type": "RELEVANCE", "Threshold": 0.5 } ] } } }, "AgentGuardrailVersion": { "Type": "AWS::Bedrock::GuardrailVersion", "Properties": { "GuardrailIdentifier": { "Ref": "AgentGuardrail" }, "Description": "Version 1 of the mortgage agent guardrail" } } }, "Outputs": { "GuardrailArn": { "Value": { "Ref": "AgentGuardrail" }, "Description": "ARN of guardrail to associate with agent" }, "GuardrailVersion": { "Value": { "Fn::GetAtt": [ "AgentGuardrailVersion", "Version" ] }, "Description": "Version of guardrail to associate with agent" } } } ``` ------ ## Pile Amazon Bedrock Prompt Management Cette pile crée les ressources [prompt](prompt-management.md) ([AWS::IAM::Prompt](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-prompt.html)) suivantes, qui sont ajoutées au flux : + RejectionPrompt — Une invite qui renvoie une lettre de rejet générée sur la base d'informations financières. + ProcessApplicationPrompt — Une invite qui envoie les informations financières d'un client à un agent et invite celui-ci à évaluer si le client est éligible à un prêt. ------ #### [ YAML ] ``` AWSTemplateFormatVersion: "2010-09-09" Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Resources: RejectionPrompt: Type: AWS::Bedrock::Prompt Properties: Name: !Sub AWSDocsTutorial-RejectionPrompt Description: "Use this prompt to generate a rejection letter triggered by an unsatisfactory income to debt ratio" DefaultVariant: variantOne Variants: - Name: variantOne TemplateType: TEXT ModelId: anthropic.claude-3-haiku-20240307-v1:0 TemplateConfiguration: Text: Text: | Write a mortgage loan rejection letter for a candiate with income {{income}}, totalDebt {{totalDebt}}, loanAmount {{loanAmount}}. The reason for rejection is their income to debt ratio. Do not mention any other reason. Make the letter as concise as possible. Treat all numeric inputs as whole numbers. Let the general structure be like the below: Dear [Applicant's Name], We appreciate your interest in obtaining a mortgage loan with our institution... The primary reason for this decision is that ... While we understand that this news may be disappointing, ... Thank you again for your interest, and we wish you the best in your future endeavors... Sincerely, [Your Institution's Name] InputVariables: - Name: income - Name: totalDebt - Name: loanAmount InferenceConfiguration: Text: MaxTokens: 2000 Temperature: 0.0 TopP: 0.999 StopSequences: - "\n\nHuman:" AdditionalModelRequestFields: top_k: 250 ProcessApplicationPrompt: Type: AWS::Bedrock::Prompt Properties: Name: !Sub AWSDocsTutorial-ProcessApplicationPrompt Description: "Use this prompt to generate a question for an agent to process the mortgage application" DefaultVariant: variantOne Variants: - Name: variantOne TemplateType: TEXT ModelId: anthropic.claude-3-haiku-20240307-v1:0 TemplateConfiguration: Text: Text: | Generate a question asking if the user will qualify for a loan for the specified criteria. Include instruction to base the answer on key features of the property retrieved from MLS listing. Start with "will an applicant...". { "income": {{income}}, "creditScore": {{creditScore}}, "totalDebt": {{totalDebt}}, "loanAmount": {{loanAmount}}, "mlsId": {{mlsId}} } Include a second question on loan requirements an applicant with the below attributes should consider for a Fannie Mae backed loan (other than debt to income). InputVariables: - Name: income - Name: creditScore - Name: totalDebt - Name: loanAmount - Name: mlsId InferenceConfiguration: Text: MaxTokens: 2000 Temperature: 0.0 TopP: 0.999 StopSequences: - "\n\nHuman:" AdditionalModelRequestFields: top_k: 250 Outputs: ProcessApplicationPromptArn: Value: Ref: ProcessApplicationPrompt Description: ARN of the prompt to process a mortgage application RejectionPromptArn: Value: Ref: RejectionPrompt Description: ARN of the prompt to reject a mortgage application ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Resources": { "RejectionPrompt": { "Type": "AWS::Bedrock::Prompt", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-RejectionPrompt" }, "Description": "Use this prompt to generate a rejection letter triggered by an unsatisfactory income to debt ratio", "DefaultVariant": "variantOne", "Variants": [ { "Name": "variantOne", "TemplateType": "TEXT", "ModelId": "anthropic.claude-3-haiku-20240307-v1:0", "TemplateConfiguration": { "Text": { "Text": "Write a mortgage loan rejection letter for a candiate with income {{income}}, totalDebt {{totalDebt}}, loanAmount {{loanAmount}}. \nThe reason for rejection is their income to debt ratio. \nDo not mention any other reason. \nMake the letter as concise as possible. \nTreat all numeric inputs as whole numbers.\nLet the general structure be like the below:\n\nDear [Applicant's Name],\nWe appreciate your interest in obtaining a mortgage loan with our institution...\nThe primary reason for this decision is that ...\nWhile we understand that this news may be disappointing, ...\nThank you again for your interest, and we wish you the best in your future endeavors...\n\nSincerely,\n[Your Institution's Name]\n", "InputVariables": [ { "Name": "income" }, { "Name": "totalDebt" }, { "Name": "loanAmount" } ] } }, "InferenceConfiguration": { "Text": { "MaxTokens": 2000, "Temperature": 0.0, "TopP": 0.999, "StopSequences": [ "\n\nHuman:" ] } }, "AdditionalModelRequestFields": { "top_k": 250 } } ] } }, "ProcessApplicationPrompt": { "Type": "AWS::Bedrock::Prompt", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-ProcessApplicationPrompt" }, "Description": "Use this prompt to generate a question for an agent to process the mortgage application", "DefaultVariant": "variantOne", "Variants": [ { "Name": "variantOne", "TemplateType": "TEXT", "ModelId": "anthropic.claude-3-haiku-20240307-v1:0", "TemplateConfiguration": { "Text": { "Text": "Generate a question asking if the user will qualify for a loan for the specified criteria. \n\nInclude instruction to base the answer on key features of the property retrieved from MLS listing. \n\nStart with \"will an applicant...\".\n\n{ \"income\": {{income}}, \"creditScore\": {{creditScore}}, \"totalDebt\": {{totalDebt}}, \"loanAmount\": {{loanAmount}}, \"mlsId\": {{mlsId}} }\n\nInclude a second question on loan requirements an applicant with the below attributes should consider for a Fannie Mae backed loan (other than debt to income).\n", "InputVariables": [ { "Name": "income" }, { "Name": "creditScore" }, { "Name": "totalDebt" }, { "Name": "loanAmount" }, { "Name": "mlsId" } ] } }, "InferenceConfiguration": { "Text": { "MaxTokens": 2000, "Temperature": 0.0, "TopP": 0.999, "StopSequences": [ "\n\nHuman:" ] } }, "AdditionalModelRequestFields": { "top_k": 250 } } ] } } }, "Outputs": { "ProcessApplicationPromptArn": { "Value": { "Ref": "ProcessApplicationPrompt" }, "Description": "ARN of the prompt to process a mortgage application" }, "RejectionPromptArn": { "Value": { "Ref": "RejectionPrompt" }, "Description": "ARN of the prompt to reject a mortgage application" } } } ``` ------ ## Pile Amazon Bedrock Knowledge Bases Ce modèle crée la [base de connaissances](knowledge-base.md) et sa source de données contenant les directives relatives aux prêts : + KnowledgeBase ([AWS::Bedrock::KnowledgeBase](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-knowledgebase.html)) + KnowledgeBaseDataSource ([AWS::Bedrock::DataSource](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-datasource.html)) ------ #### [ YAML ] ``` AWSTemplateFormatVersion: '2010-09-09' Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: KnowledgeBaseName: Type: String Description: Name of knowledge base Default: MortgageKB Q01pS3BucketName: Type: String Description: Name of S3 bucket where knowledge base data is stored Q06pKBEmbedModel: Type: String Description: Selected Embedding model Q07pKBChunkingStrategy: Type: String Description: Selected Chunking strategy Q08pKBMaxTokens: Type: Number Description: Maximum number of tokens in a chunk Q09pKBOverlapPercentage: Type: Number Description: Percent overlap in each chunk Q11pOSSCollectionName: Type: String Description: Name of the Collection Q12pOSSIndexName: Type: String Description: Index name to be created in vector store Q13pVectorFieldName: Type: String Description: Vector field name Default: bedrock-knowledge-base-default-vector Q14pMetaDataFieldName: Type: String Description: Metadata field name Default: AMAZON_BEDROCK_METADATA Q15pTextFieldName: Type: String Description: Text field name Default: AMAZON_BEDROCK_TEXT_CHUNK pCollectionArn: Type: String Description: Name of the Collection Arn pKBRole: Type: String Description: KB role for e2e RAG pKBRoleArn: Type: String Description: KB role Arn for e2e RAG Conditions: IsChunkingStrategyFixed: Fn::Equals: - Ref: Q07pKBChunkingStrategy - Fixed-size chunking IsChunkingStrategyDefault: Fn::Equals: - Ref: Q07pKBChunkingStrategy - Default chunking IsChunkingStrategyNoChunking: Fn::Equals: - Ref: Q07pKBChunkingStrategy - No chunking IsChunkingStrategyFixedOrDefault: Fn::Or: - Condition: IsChunkingStrategyFixed - Condition: IsChunkingStrategyDefault Resources: KnowledgeBase: Type: AWS::Bedrock::KnowledgeBase Properties: Description: Test KB Deployment KnowledgeBaseConfiguration: Type: VECTOR VectorKnowledgeBaseConfiguration: EmbeddingModelArn: Fn::Sub: arn:aws:bedrock:${AWS::Region}::foundation-model/${Q06pKBEmbedModel} Name: !Sub AWSDocsTutorial-${KnowledgeBaseName} RoleArn: Ref: pKBRoleArn StorageConfiguration: OpensearchServerlessConfiguration: CollectionArn: Ref: pCollectionArn FieldMapping: MetadataField: Ref: Q14pMetaDataFieldName TextField: Ref: Q15pTextFieldName VectorField: Ref: Q13pVectorFieldName VectorIndexName: Ref: Q12pOSSIndexName Type: OPENSEARCH_SERVERLESS KnowledgeBaseDataSource: Type: AWS::Bedrock::DataSource DependsOn: - KnowledgeBase Properties: DataSourceConfiguration: Type: S3 S3Configuration: BucketArn: Fn::Sub: arn:aws:s3:::${Q01pS3BucketName} InclusionPrefixes: - knowledge-base-data-source/ Description: Knowledge base data source KnowledgeBaseId: Ref: KnowledgeBase Name: !Sub AWSDocsTutorial-${KnowledgeBaseName}-DS VectorIngestionConfiguration: ChunkingConfiguration: Fn::If: - IsChunkingStrategyFixed - ChunkingStrategy: FIXED_SIZE FixedSizeChunkingConfiguration: MaxTokens: !Ref Q08pKBMaxTokens OverlapPercentage: !Ref Q09pKBOverlapPercentage - Fn::If: - IsChunkingStrategyDefault - ChunkingStrategy: FIXED_SIZE FixedSizeChunkingConfiguration: MaxTokens: 300 OverlapPercentage: 20 - Fn::If: - IsChunkingStrategyNoChunking - ChunkingStrategy: NONE - !Ref AWS::NoValue Outputs: KBId: Value: Ref: KnowledgeBase Description: KnowledgeBase ID DS: Value: Ref: KnowledgeBaseDataSource Description: KnowledgeBase Datasource ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "KnowledgeBaseName": { "Type": "String", "Description": "Name of knowledge base", "Default": "MortgageKB" }, "Q01pS3BucketName": { "Type": "String", "Description": "Name of S3 bucket where knowledge base data is stored" }, "Q06pKBEmbedModel": { "Type": "String", "Description": "Selected Embedding model" }, "Q07pKBChunkingStrategy": { "Type": "String", "Description": "Selected Chunking strategy" }, "Q08pKBMaxTokens": { "Type": "Number", "Description": "Maximum number of tokens in a chunk" }, "Q09pKBOverlapPercentage": { "Type": "Number", "Description": "Percent overlap in each chunk" }, "Q11pOSSCollectionName": { "Type": "String", "Description": "Name of the Collection" }, "Q12pOSSIndexName": { "Type": "String", "Description": "Index name to be created in vector store" }, "Q13pVectorFieldName": { "Type": "String", "Description": "Vector field name", "Default": "bedrock-knowledge-base-default-vector" }, "Q14pMetaDataFieldName": { "Type": "String", "Description": "Metadata field name", "Default": "AMAZON_BEDROCK_METADATA" }, "Q15pTextFieldName": { "Type": "String", "Description": "Text field name", "Default": "AMAZON_BEDROCK_TEXT_CHUNK" }, "pCollectionArn": { "Type": "String", "Description": "Name of the Collection Arn" }, "pKBRole": { "Type": "String", "Description": "KB role for e2e RAG" }, "pKBRoleArn": { "Type": "String", "Description": "KB role Arn for e2e RAG" } }, "Conditions": { "IsChunkingStrategyFixed": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "Fixed-size chunking" ] }, "IsChunkingStrategyDefault": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "Default chunking" ] }, "IsChunkingStrategyNoChunking": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "No chunking" ] }, "IsChunkingStrategyFixedOrDefault": { "Fn::Or": [ { "Condition": "IsChunkingStrategyFixed" }, { "Condition": "IsChunkingStrategyDefault" } ] } }, "Resources": { "KnowledgeBase": { "Type": "AWS::Bedrock::KnowledgeBase", "Properties": { "Description": "Test KB Deployment", "KnowledgeBaseConfiguration": { "Type": "VECTOR", "VectorKnowledgeBaseConfiguration": { "EmbeddingModelArn": { "Fn::Sub": "arn:aws:bedrock:${AWS::Region}::foundation-model/${Q06pKBEmbedModel}" } } }, "Name": { "Fn::Sub": "AWSDocsTutorial-${KnowledgeBaseName}" }, "RoleArn": { "Ref": "pKBRoleArn" }, "StorageConfiguration": { "OpensearchServerlessConfiguration": { "CollectionArn": { "Ref": "pCollectionArn" }, "FieldMapping": { "MetadataField": { "Ref": "Q14pMetaDataFieldName" }, "TextField": { "Ref": "Q15pTextFieldName" }, "VectorField": { "Ref": "Q13pVectorFieldName" } }, "VectorIndexName": { "Ref": "Q12pOSSIndexName" } }, "Type": "OPENSEARCH_SERVERLESS" } } }, "KnowledgeBaseDataSource": { "Type": "AWS::Bedrock::DataSource", "DependsOn": [ "KnowledgeBase" ], "Properties": { "DataSourceConfiguration": { "Type": "S3", "S3Configuration": { "BucketArn": { "Fn::Sub": "arn:aws:s3:::${Q01pS3BucketName}" }, "InclusionPrefixes": [ "knowledge-base-data-source/" ] } }, "Description": "Knowledge base data source", "KnowledgeBaseId": { "Ref": "KnowledgeBase" }, "Name": { "Fn::Sub": "AWSDocsTutorial-${KnowledgeBaseName}-DS" }, "VectorIngestionConfiguration": { "ChunkingConfiguration": { "Fn::If": [ "IsChunkingStrategyFixed", { "ChunkingStrategy": "FIXED_SIZE", "FixedSizeChunkingConfiguration": { "MaxTokens": { "Ref": "Q08pKBMaxTokens" }, "OverlapPercentage": { "Ref": "Q09pKBOverlapPercentage" } } }, { "Fn::If": [ "IsChunkingStrategyDefault", { "ChunkingStrategy": "FIXED_SIZE", "FixedSizeChunkingConfiguration": { "MaxTokens": 300, "OverlapPercentage": 20 } }, { "Fn::If": [ "IsChunkingStrategyNoChunking", { "ChunkingStrategy": "NONE" }, { "Ref": "AWS::NoValue" } ] } ] } ] } } } } }, "Outputs": { "KBId": { "Value": { "Ref": "KnowledgeBase" }, "Description": "KnowledgeBase ID" }, "DS": { "Value": { "Ref": "KnowledgeBaseDataSource" }, "Description": "KnowledgeBase Datasource" } } } ``` ------ # Détails sur le flux de traitement des prêts hypothécaires La représentation visuelle du flux de traitement des prêts hypothécaires dans le AWS Management Console est la suivante : ![\[Flux de traitement des prêts hypothécaires\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) ## Étapes du flux Les étapes suivantes se produisent dans le flux : 1. Les informations financières du client issues de l’entrée sont envoyées à la fonction Lambda `loanCalculator`, qui calcule le prêt abordable maximum du client. 1. La sortie de la fonction `loanCalculator` (`maximumAffordableLoan`) et la valeur `loanAmount` de l’entrée sont envoyées au nœud de condition, qui est ensuite évalué comme suit : + Si le montant `loanAmount` est supérieur à `maximumAffordableLoan`, l’invite `incomeDebt` est déclenché et une lettre de rejet du prêt est générée. + Dans le cas contraire, les informations financières du client sont envoyées à `mortgageProcessingAgent` par l’invite `processApplication`. L’agent applique une fonction de calcul de prêt, ainsi qu’une fonction de recherche du Multiple Listing Service (MLS) pour consulter une table DynamoDB et évaluer les informations du client par rapport à la propriété MLS spécifiée dans l’entrée. En outre, l’agent recherche des informations dans une base de connaissances contenant le guide de vente de Fannie Mae. L’agent utilise toutes ces informations pour générer une réponse analysant l’éligibilité du client au montant du prêt demandé.