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

Buat kebijakan Penalaran Otomatis Anda

Saat Anda membuat kebijakan Penalaran Otomatis, dokumen sumber Anda diterjemahkan ke dalam seperangkat aturan logika formal dan skema variabel dan tipe. Halaman ini memandu Anda melalui persiapan dokumen Anda, membuat kebijakan, dan meninjau hasilnya.

Amazon Bedrock mengenkripsi kebijakan Penalaran Otomatis Anda menggunakan AWS Key Management Service (KMS). Secara default, Amazon Bedrock menggunakan kunci milik layanan. Anda dapat secara opsional menentukan kunci KMS yang dikelola pelanggan untuk kontrol tambahan atas enkripsi data kebijakan Anda.

Untuk menguji dan menggunakan kebijakan Penalaran Otomatis, pastikan Anda memiliki izin yang sesuai.

Siapkan dokumen sumber Anda

Sebelum Anda membuka konsol atau memanggil API, siapkan dokumen yang akan digunakan Penalaran Otomatis untuk mengekstrak aturan dan variabel. Kualitas kebijakan Anda tergantung langsung pada kualitas input ini.

Struktur dan kejelasan dokumen

Pemeriksaan Penalaran Otomatis bekerja paling baik dengan dokumen yang berisi aturan yang jelas dan tidak ambigu. Setiap aturan harus menyatakan kondisi dan hasil. Hindari bahasa yang tidak jelas, kriteria subjektif, atau aturan yang bergantung pada konteks eksternal yang tidak ada dalam dokumen.

Contoh: Aturan yang jelas vs. tidak jelas

Batas ukuran dan pemisahan dokumen besar

Dokumen sumber dibatasi hingga 5 MB dan 50.000 karakter. Gambar dan tabel dalam dokumen juga dihitung terhadap batas karakter.

Jika dokumen Anda melebihi batas ini, atau jika mencakup beberapa domain yang tidak terkait, pisahkan menjadi beberapa bagian yang terfokus. Misalnya, membagi buku pegangan karyawan menjadi dokumen terpisah untuk kebijakan cuti, kelayakan tunjangan, dan penggantian biaya. Buat kebijakan Anda dengan bagian pertama, lalu gunakan pembuatan kebijakan berulang (dijelaskan nanti di halaman ini) untuk menggabungkan bagian tambahan ke dalam kebijakan yang sama.

Pra-proses dokumen kompleks

Dokumen yang berisi banyak boilerplate, penafian hukum, atau konten yang tidak terkait dengan aturan yang ingin Anda terapkan akan menghasilkan kebijakan yang bising dengan variabel dan aturan yang tidak perlu. Sebelum mengunggah, pertimbangkan:

(Opsional) Gunakan LLM untuk menulis ulang dokumen sebagai aturan logis

Untuk dokumen yang berisi prosa naratif, bahasa hukum, atau pemformatan kompleks, pertimbangkan untuk menggunakan model perbatasan dengan kemampuan penalaran lanjutan untuk menulis ulang konten sebagai aturan yang jelas dan logis sebelum mengunggahnya ke pemeriksaan Penalaran Otomatis. Langkah pra-pemrosesan satu kali ini mengubah teks menjadi format yang dapat diekstrak oleh pemeriksaan Penalaran Otomatis dengan lebih akurat, menghasilkan kebijakan berkualitas lebih tinggi dengan lebih sedikit variabel yang tidak digunakan dan pernyataan kosong.

Ada dua pendekatan untuk preprocessing LLM, tergantung pada kompleksitas dokumen Anda dan seberapa banyak kontrol yang Anda inginkan atas ekstraksi.

Pendekatan 1: Ekstraksi aturan teks biasa

Minta LLM untuk menulis ulang dokumen sebagai daftar bernomor aturan jika-maka. Pendekatan ini mudah dan bekerja dengan baik untuk dokumen pendek dan terfokus di mana aturannya relatif jelas dalam sumbernya.

Contoh prompt:

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]

Pendekatan 2: Ekstraksi aturan terstruktur

Untuk dokumen yang kompleks atau panjang, minta LLM untuk mengekstrak aturan sebagai JSON terstruktur dengan metadata untuk setiap aturan. Pendekatan ini menghasilkan output yang lebih kaya yang membantu Anda mengaudit bagian mana dari dokumen yang berasal dari setiap aturan, seberapa yakin ekstraksi, dan aturan mana yang disimpulkan daripada dinyatakan secara langsung. Ini juga meminta LLM untuk menghasilkan aturan kewarasan - batasan batas akal sehat seperti “usia harus non-negatif” - yang diterjemahkan langsung ke dalam aturan batas yang digunakan kebijakan Penalaran Otomatis. Untuk informasi lebih lanjut tentang aturan batas, lihat. Validasi rentang untuk nilai numerik

Contoh prompt:

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]

Setelah menjalankan ekstraksi terstruktur, tinjau output JSON. Berikan perhatian khusus pada:

Ubah aturan JSON yang ditinjau menjadi teks biasa jika-maka pernyataan untuk digunakan sebagai dokumen sumber Anda saat membuat kebijakan Penalaran Otomatis.

Tulis instruksi yang efektif

Saat membuat kebijakan, Anda dapat memberikan instruksi opsional yang memandu cara Penalaran Otomatis memproses dokumen sumber Anda. Sementara opsional, instruksi yang baik secara signifikan meningkatkan kualitas aturan dan variabel yang diekstraksi.

Instruksi yang efektif harus mencakup tiga hal:

Contoh instruksi:

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.

Membuat kebijakan di konsol

Membuat kebijakan menggunakan API

Kebijakan Penalaran Otomatis adalah sumber daya di akun AWS Anda yang diidentifikasi oleh Nama Sumber Daya Amazon (ARN). Membuat kebijakan melalui API adalah proses dua langkah: pertama buat sumber daya kebijakan, lalu mulai alur kerja build untuk mengekstrak aturan dari dokumen Anda.

Langkah 1: Buat sumber daya kebijakan

Gunakan CreateAutomatedReasoningPolicy API untuk membuat sumber daya kebijakan.

Contoh:

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

Contoh respons:

{
  "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"
}

Langkah 2: Mulai alur kerja build untuk mengekstrak aturan

Gunakan StartAutomatedReasoningPolicyBuildWorkflow API dengan kebijakan ARN dari langkah 1 untuk mengekstrak aturan dan variabel dari dokumen sumber Anda.

Contoh:

# 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?'\"
        }
      ]
    }
  }"

Contoh respons:

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

Periksa status build denganListAutomatedReasoningPolicyBuildWorkflows:

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

Tinjau kebijakan yang diekstraksi

Setelah build selesai, tinjau definisi kebijakan yang diekstrak sebelum Anda memulai pengujian. Menangkap masalah pada tahap ini menghemat waktu dibandingkan dengan menemukannya melalui tes yang gagal nanti.

Di konsol, buka kebijakan Anda dan buka halaman Definisi. Melalui API, gunakan GetAutomatedReasoningPolicyBuildWorkflowResultAssets dengan --asset-type POLICY_DEFINITION untuk mengambil definisi yang diekstraksi, dan --asset-type QUALITY_REPORT untuk mengambil laporan kualitas. Anda dapat melihat daftar lengkap aset yang dihasilkan selama alur kerja, seperti laporan kesetiaan, menggunakan parameter. --asset-type ASSET_MANIFEST

Periksa masalah berikut:

Tinjau laporan kesetiaan

Saat Anda membuat kebijakan dari dokumen sumber, laporan kesetiaan akan dibuat secara otomatis bersama kebijakan yang diekstraksi. Laporan fidelity mengukur seberapa akurat kebijakan mewakili konten sumber Anda dan memberikan landasan terperinci yang menghubungkan setiap aturan dan variabel kembali ke pernyataan tertentu dalam dokumen. Untuk informasi selengkapnya tentang konsep laporan kesetiaan, lihat. Laporan kesetiaan

Tinjau laporan kesetiaan di konsol

Di konsol, buka kebijakan Anda dan pilih tab Dokumen Sumber (di sebelah Definisi). Tampilan Konten Sumber menampilkan setiap pernyataan atom yang diekstrak dari dokumen Anda sebagai baris bernomor dalam tabel. Setiap baris menunjukkan:

Gunakan filter dropdown Aturan dan Variabel di bagian atas tabel untuk fokus pada pernyataan yang mendasari aturan atau variabel tertentu. Gunakan bilah pencarian untuk menemukan konten tertentu dalam pernyataan yang diekstrak.

Jika Anda mengedit kebijakan setelah ekstraksi awal — misalnya, dengan memodifikasi aturan atau menambahkan variabel — pilih tombol Regenerasi untuk memperbarui laporan kesetiaan sehingga mencerminkan definisi kebijakan Anda saat ini.

Tinjau laporan kesetiaan menggunakan API

Gunakan GetAutomatedReasoningPolicyBuildWorkflowResultAssets dengan --asset-type FIDELITY_REPORT untuk mengambil laporan kesetiaan. Untuk membuat ulang laporan setelah membuat perubahan kebijakan, gunakan StartAutomatedReasoningPolicyBuildWorkflow dengan jenis alur kerja build GENERATE_FIDELITY_REPORT dan berikan dokumen sumber di generateFidelityReportContent bidang. Alur kerja menganalisis ulang dokumen terhadap definisi kebijakan saat ini dan menghasilkan laporan kesetiaan baru. Anda juga dapat mengambil dokumen sumber asli dari alur kerja build sebelumnya menggunakan --asset-type SOURCE_DOCUMENT --asset-id parameter (dapatkan ID aset dari manifes aset).

Apa yang harus dicari

Saat meninjau laporan kesetiaan dari APIs, perhatikan:

Pembangunan kebijakan berulang

Untuk domain kompleks, buat kebijakan Anda secara bertahap daripada mencoba menangkap semuanya dalam satu unggahan dokumen. Mulailah dengan subset aturan yang terfokus, buat dan uji kebijakan, lalu tambahkan lebih banyak konten dalam iterasi berikutnya.

Tambahkan konten di konsol

Menambahkan konten menggunakan API

Hubungi StartAutomatedReasoningPolicyBuildWorkflow denganINGEST_CONTENT, meneruskan definisi kebijakan lengkap saat ini di samping dokumen baru. Anda harus menyertakan definisi lengkap yang ada — aturan, variabel, dan tipe — sehingga konten baru digabungkan dengan kebijakan yang ada daripada menggantinya.

# 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.\"
        }
      ]
    }
  }"

Izin KMS untuk kebijakan Penalaran Otomatis

Jika Anda menentukan kunci KMS yang dikelola pelanggan untuk mengenkripsi kebijakan Penalaran Otomatis, Anda harus mengonfigurasi izin yang memungkinkan Amazon Bedrock menggunakan kunci tersebut atas nama Anda.

Izin kebijakan utama

Tambahkan pernyataan berikut ke kebijakan kunci KMS Anda untuk mengizinkan Amazon Bedrock menggunakan kunci untuk kebijakan Penalaran Otomatis:

{
  "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"
    }
  }
}

Izin IAM

Prinsipal IAM Anda harus memiliki izin berikut untuk menggunakan kunci KMS yang dikelola pelanggan dengan kebijakan Penalaran Otomatis:

{
  "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"
        }
      }
    }
  ]
}

Konteks enkripsi

Amazon Bedrock menggunakan konteks enkripsi untuk memberikan keamanan tambahan bagi kebijakan Penalaran Otomatis Anda. Konteks enkripsi adalah sekumpulan pasangan nilai kunci yang digunakan sebagai data autentikasi tambahan saat mengenkripsi dan mendekripsi kebijakan Anda.

Untuk kebijakan Penalaran Otomatis, Amazon Bedrock menggunakan konteks enkripsi berikut: