Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Tutorial: Buat aliran yang memproses aplikasi hipotek Untuk membiasakan diri dengan sumber daya Amazon Bedrock dan kemampuannya, kami akan menggunakan CloudFormation template untuk menyiapkan [alur](flows.md) yang mengotomatiskan proses aplikasi hipotek dengan menggabungkan berbagai Amazon Bedrock dan sumber daya lainnya. AWS **catatan** Untuk tutorial ini, kita akan menggunakan *us-east-1* Region. Anda dapat menggunakan Wilayah apa pun yang mendukung Agen, Arus, Pagar Pembatas, basis Pengetahuan, dan manajemen Prompt. Untuk tabel dukungan fitur menurut Wilayah, lihat[Dukungan fitur oleh Wilayah AWS di Amazon Bedrock](features-regions.md). Pastikan Anda memiliki izin untuk membuat sumber daya Amazon S3, Amazon Bedrock, Lambda, dan DynamoDB di Wilayah yang Anda gunakan. Alur ini tidak dimaksudkan untuk tujuan penerapan, melainkan untuk digunakan sebagai tutorial untuk memahami sumber daya Amazon Bedrock. Gambar berikut adalah representasi visual dari aliran dalam Konsol Manajemen AWS: ![\[Aliran pemrosesan hipotek\]](http://docs.aws.amazon.com/id_id/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) Aliran ini menggabungkan [agen](agents.md) Amazon Bedrock, [prompt](prompt-management.md), dan [fungsi Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) untuk menciptakan aliran pemrosesan hipotek yang mengambil informasi keuangan pelanggan dan memproses apakah pelanggan memenuhi syarat untuk pinjaman. [Basis pengetahuan](knowledge-base.md) dan [pagar pembatas](guardrails.md) Amazon Bedrock juga melekat pada agen aliran untuk meningkatkan respons dan untuk memberikan perlindungan. Untuk informasi lebih rinci tentang komponen aliran, lihat[Rincian tentang aliran pemrosesan hipotek](getting-started-mortgage-flow-details.md). **Topics** + [Prasyarat](#getting-started-mortgage-flow-prereqs) + [Buat aliran pemrosesan hipotek menggunakan CloudFormation](#getting-started-mortgage-flow-create) + [Uji aliran pemrosesan hipotek](#getting-started-mortgage-flow-test) + [Bersihkan: menghapus sumber daya](#getting-started-mortgage-flow-delete) + [CloudFormation template](getting-started-mortgage-flow-template.md) + [Rincian tentang aliran pemrosesan hipotek](getting-started-mortgage-flow-details.md) ## Prasyarat Untuk membuat alur ini, Anda akan mengunduh file.zip dan mengikuti instruksi untuk menjalankan skrip yang akan menyiapkan sumber daya dan templat untuk Anda. **penting** Anda akan ditagih untuk sumber daya Amazon yang Anda buat hingga Anda menghapusnya. Kemudian, lengkapi prasyarat berikut: 1. Unduh [cloudformation-mortgage-flow-setupfile.zip](samples/cloudformation-mortgage-flow-setup.zip). 1. Buka filenya. Anda dapat mempelajari lebih lanjut tentang konten di[CloudFormation template](getting-started-mortgage-flow-template.md). 1. Minta akses ke model foundation Amazon Bedrock dengan melakukan hal berikut: 1. Masuk ke Konsol Manajemen AWS dengan identitas IAM yang memiliki izin untuk menggunakan konsol Amazon Bedrock. Kemudian, buka konsol Amazon Bedrock di [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock). 1. Pastikan Anda berada di Wilayah **AS Timur (Virginia N.)** dengan memeriksa Wilayah Anda di sudut kanan atas. Jika tidak, alihkan Wilayah. 1. Pilih **Akses model** di bagian bawah panel navigasi kiri. 1. Pilih **Ubah akses model**. 1. Lakukan salah satu tindakan berikut: + Untuk meminta akses ke semua model, pilih **Aktifkan semua model**. Pada halaman yang Anda bawa, kotak centang di sebelah semua model akan diisi. + Untuk meminta akses ke model tertentu, pilih **Aktifkan model tertentu**. Pada halaman yang Anda kunjungi, Anda memiliki opsi berikut: + Untuk meminta akses ke semua model oleh penyedia, pilih kotak centang di sebelah nama penyedia. + Untuk meminta akses ke satu model, pilih kotak centang di sebelah nama model. 1. Untuk keperluan tutorial berikut, Anda minimal harus meminta akses ke **Titan Embeddings G1 - Text**dan **Claude 3 Haiku**model. Lalu pilih **Selanjutnya**. 1. Tinjau model yang Anda minta akses dan **Ketentuan**. Saat Anda siap, pilih **Kirim** untuk meminta akses. ## Buat aliran pemrosesan hipotek menggunakan CloudFormation Untuk membuat alur pemrosesan hipotek dan sumber daya terkait, kami akan membuat CloudFormation template dan menggunakannya untuk membuat tumpukan yang berisi sumber daya Amazon Bedrock. **penting** Anda akan ditagih untuk sumber daya Amazon yang Anda buat hingga Anda menghapusnya. ### Buat sumber daya dan file CloudFormation template Pertama, gunakan skrip dari file.zip untuk mengunggah sumber daya ke bucket S3 dan untuk membuat templat. CloudFormation 1. Di terminal, jalankan perintah berikut untuk menyalin sumber daya ke bucket Amazon S3 dan mengisi `main-stack.json` file `main-stack.yaml` dan file dengan nama bucket S3 sebagai nilai default untuk parameter nama bucket. ``` bash deploy.sh ``` **catatan** Penggunaan skrip adalah`bash deploy.sh `, di mana ** dan ** merupakan argumen opsional. Jika Anda tidak memberikannya, nilai default berikut akan digunakan: **— AWS Wilayah default yang ditentukan dalam pengaturan AWS kredensyal Anda. **— Bucket akan diberi nama*mortgage-flow-deployment--*, di mana ** ID AWS akun Anda dan ** cocok dengan nilai yang Anda berikan atau AWS Wilayah default yang ditentukan dalam pengaturan AWS kredensyal Anda. 1. Konfirmasikan petunjuknya. Setelah penerapan selesai, Anda harus memiliki `main-stack.json` template lengkap `main-stack.yaml` untuk langkah selanjutnya. **catatan** Jika skrip gagal, Anda dapat menyiapkan sumber daya secara manual dengan melakukan hal berikut: Unggah *konten* (jangan sertakan folder itu sendiri) dari `cloudformation-mortgage-flow-setup` folder yang tidak di-zip ke bucket S3 di US East (Virginia N.) di konsol Amazon S3 di. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/) Temukan `templates/json/main-stack-tmp.json` file `templates/json/main-stack-tmp.yaml` atau dan lakukan hal berikut: Ubah `Default` nilai `Q01pS3BucketName` parameter dari *MortgageFlowBucket* nama bucket S3 Anda. Hapus `-tmp` dari nama file, sehingga menjadi `templates/json/main-stack.yaml` atau`templates/json/main-stack.json`. ### Buat tumpukan dengan menggunakan CloudFormation konsol Selanjutnya, gunakan template yang telah Anda simpan untuk menyediakan CloudFormation tumpukan. 1. Buka CloudFormation konsol di [https://console.aws.amazon.com/cloudformation](https://console.aws.amazon.com/cloudformation/). Pastikan Anda berada di Wilayah **AS Timur (Virginia N.)** dengan memeriksa Wilayah Anda di sudut kanan atas. Jika tidak, alihkan Wilayah. 1. Pada halaman **Stacks**, dari menu **Buat tumpukan**, pilih **Dengan sumber daya baru (standar)**. 1. Tentukan template: 1. Di bawah **Prasyarat**, pilih **Pilih templat yang ada**. 1. Di bawah **Tentukan templat**, pilih **Unggah file templat**. 1. Pilih **Pilih file**, navigasikan ke `main-stack.yaml` atau `main-stack.json` templat, dan pilih. 1. Pilih **Berikutnya**. 1. Tentukan detail tumpukan: 1. Di bidang **nama Stack**, masukkan nama untuk tumpukan. 1. Di bidang **Parameter**, tinggalkan nilai default. **catatan** `Q01pS3BucketName`Nilai harus sesuai dengan nama bucket S3 tempat Anda mengunggah sumber daya untuk template ini. Argumen yang tersisa terkait dengan konfigurasi basis pengetahuan - jika Anda memodifikasi salah satu dari mereka, pastikan bahwa konfigurasi kompatibel satu sama lain. Untuk informasi selengkapnya, lihat [Prasyarat untuk menggunakan penyimpanan vektor yang Anda buat untuk basis pengetahuan](knowledge-base-setup.md). 1. Pilih **Berikutnya**. 1. Konfigurasikan opsi tumpukan: 1. Di bawah **Opsi kegagalan tumpukan**, pilih **Hapus semua sumber daya yang baru dibuat**. **catatan** Memilih opsi ini mencegah Anda dari kemungkinan ditagih untuk sumber daya yang kebijakan penghapusan menentukan mereka dipertahankan bahkan jika pembuatan tumpukan gagal. Untuk informasi selengkapnya, lihat [`DeletionPolicy`atribut](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/aws-attribute-deletionpolicy.html) di *Panduan CloudFormation Pengguna*. 1. Di bawah **Kemampuan**, centang kotak untuk mengetahui bahwa CloudFormation mungkin membuat sumber daya IAM di akun Anda. 1. Pilih **Berikutnya**. 1. Tinjau detail tumpukan dan pilih **Kirim**. CloudFormation menciptakan tumpukan. Penciptaan akan memakan waktu beberapa menit. Setelah pembuatan tumpukan selesai, Anda dapat menggunakan tab **Sumber Daya** pada halaman detail tumpukan untuk melihat sumber daya yang disediakan di akun Anda. 1. Setelah pembuatan tumpukan selesai, lakukan hal berikut untuk menyinkronkan sumber data untuk basis pengetahuan sehingga basis pengetahuan dapat ditanyakan: 1. Masuk ke Konsol Manajemen AWS dengan identitas IAM yang memiliki izin untuk menggunakan konsol Amazon Bedrock. Kemudian, buka konsol Amazon Bedrock di [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock). 1. Dari panel navigasi kiri, pilih **Pangkalan Pengetahuan** dan kemudian pilih basis pengetahuan yang dibuat, bernama`AWSDocsTutorial-MortgageKB`. 1. Di bagian **Sumber data**, pilih kotak centang di sebelah sumber data yang dibuat, bernama`AWSDocsTutorial-MortgageKB-DS`. 1. Pilih **Sinkronisasi**. Setelah sinkronisasi selesai, Anda dapat menguji alur. ## Uji aliran pemrosesan hipotek Setelah alur pemrosesan hipotek dibuat, Anda dapat menggunakan konsol Amazon Bedrock untuk memeriksa, menguji, dan memodifikasi alur. Anda juga dapat memeriksa, menguji, dan memodifikasi sumber daya individu dalam aliran. **Untuk menguji aliran** 1. Masuk ke Konsol Manajemen AWS dengan identitas IAM yang memiliki izin untuk menggunakan konsol Amazon Bedrock. Kemudian, buka konsol Amazon Bedrock di [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock). 1. Dari panel navigasi kiri, pilih **Flows**. Pastikan Anda berada di Wilayah **AS Timur (Virginia N.)** dengan memeriksa Wilayah Anda di sudut kanan atas. Jika tidak, alihkan Wilayah. 1. Di bagian **Flows**, pilih flow yang dibuat dari CloudFormation template. Seharusnya begitu`AWSDocsTutorial-MortgageFlow`. 1. Pilih **Edit di pembuat aliran**. Anda dapat menyeret node individual dalam aliran untuk memodifikasi representasi visual dari aliran. 1. Di panel **Alur uji**, masukkan yang berikut ini di bidang teks lalu pilih **Jalankan**. ``` { "income": 80000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 600000, "creditScore": 750, "mlsId": "MLS-5678" } ``` Karena jumlah pinjaman lebih besar dari pinjaman terjangkau maksimum yang dihitung, prompt **IncomeDebt** dipicu dan arus menghasilkan surat penolakan. Anda dapat memilih **Tampilkan jejak** untuk melihat node yang dijalankan dalam aliran. 1. Sekali lagi, di panel **aliran Uji**, masukkan yang berikut ini di bidang teks dan kemudian pilih **Jalankan**. ``` { "income": 120000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 200000, "creditScore": 650, "mlsId": "MLS-3456" } ``` Karena jumlah pinjaman kurang dari pinjaman terjangkau maksimum yang dihitung, **ProcessApplication** prompt dipicu dan dikirim ke **mortgageProcessingAgent**, yang mencari basis pengetahuan terlampir dan menghasilkan respons yang menilai, berdasarkan nilai input, apakah pelanggan memenuhi syarat untuk pinjaman. 1. (Opsional) Coba jalankan alur dengan menggunakan nilai yang berbeda untuk bidang di objek JSON. `mlsId`Nilai sesuai dengan properti yang tercantum di Layanan Daftar Ganda. Anda dapat menemukan `mlsId` nilai yang valid dengan melakukan hal berikut: 1. Masuk ke Konsol Manajemen AWS dan buka konsol DynamoDB di. [https://console.aws.amazon.com/dynamodb/](https://console.aws.amazon.com/dynamodb/) 1. Di panel navigasi kiri, pilih **Tabel**. 1. Pilih tabel yang bertuliskan **AWSDocsTutorial-PropertyListing**. 1. Pilih **Jelajahi item tabel**. 1. Anda dapat menggunakan salah satu nilai di kolom **mls\$1id** di input aliran. Anda juga dapat menavigasi ke halaman **Agen**, **Pangkalan Pengetahuan**, **Pagar Pembatas,** dan **manajemen Prompt** di halaman Konsol Manajemen AWS untuk memeriksa setiap sumber daya Amazon Bedrock yang digunakan dalam alur, secara independen. Untuk mempelajari lebih lanjut tentang aliran dan memahami komponen secara lebih rinci, lihat[Rincian tentang aliran pemrosesan hipotek](getting-started-mortgage-flow-details.md). ## Bersihkan: menghapus sumber daya Setelah Anda menjelajahi sumber daya dan memiliki pemahaman yang lebih baik tentang kemampuan berbagai sumber daya Amazon Bedrock, kami akan menghapus tumpukan dan sumber daya yang dikandungnya. **penting** Anda akan ditagih untuk sumber daya Amazon yang Anda buat hingga Anda menghapusnya. 1. Buka [https://console.aws.amazon.com/cloudformation](https://console.aws.amazon.com/cloudformation/). 1. Dari nyeri navigasi kiri, pilih **Stacks**. 1. Pilih tumpukan yang Anda buat dari template. Kemudian pilih **Hapus**, lalu konfirmasikan **Hapus**. CloudFormation memulai penghapusan tumpukan utama, semua tumpukan bersarangnya, dan semua sumber daya yang termasuk dalam tumpukan. # CloudFormation template `cloudformation-mortgage-flow-setup.zip`File yang Anda download berisi file-file berikut: + `deploy.sh`— Skrip shell yang menyebarkan sumber daya Anda dan menyiapkan CloudFormation template utama yang akan Anda gunakan. + `artifacts`— Folder yang berisi file.zip dengan fungsi untuk agen dan template basis pengetahuan: + Lambda berfungsi untuk kelompok aksi agen + `agent_loan_calculator.zip` + `mls_lookup.zip` + `loader_deployment_package.zip` + Fungsi untuk menyiapkan basis pengetahuan + `custom-resource-lambda.zip` + `opensearchpy-layer.zip` + `provider-event-handler.zip` + `api-schema`— Folder yang berisi skema API untuk grup tindakan. + `knowledge-base-data-source`— Folder yang berisi PDF untuk Panduan [Penjualan Fannie Mae.](https://selling-guide.fanniemae.com/) + `templates`— Folder yang berisi template untuk sumber daya dalam alur ini, baik dalam format JSON dan YAMAL: + `main-stack-tmp`— Template utama yang menyebarkan template yang tersisa sebagai tumpukan bersarang. File ini diubah menjadi `main-stack` setelah skrip penyebaran dijalankan. + `guardrails-template`— Template untuk pagar pembatas yang akan dikaitkan dengan agen. + `prompts-template`— Template untuk petunjuk yang akan digunakan dalam aliran. + `kb-role-template`— Template untuk peran basis pengetahuan, yang akan digunakan baik oleh OpenSearch template maupun oleh template basis pengetahuan. + `oss-infra-template`— Template untuk penyimpanan vektor Amazon OpenSearch Tanpa Server yang akan digunakan untuk basis pengetahuan. + `kb-infra-template`— Template untuk basis pengetahuan pinjaman hipotek untuk dikaitkan dengan agen. + `agent-template`— Template untuk agen pemrosesan hipotek yang akan digunakan dalam aliran. + `mortgage-flow-template`— Template untuk aliran pemrosesan hipotek yang menggabungkan semua sumber daya. + `README.md`— File README yang menjelaskan langkah-langkah untuk menggunakan template. Topik berikut menunjukkan CloudFormation template yang digunakan untuk setiap tumpukan. Tumpukan utama menyebarkan tumpukan yang tersisa sebagai tumpukan [bersarang](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/using-cfn-nested-stacks.html). **Topics** + [Tumpukan utama](#getting-started-mortgage-templates-main) + [Tumpukan Pagar Batuan Dasar Amazon](#getting-started-mortgage-guardrail-templates) + [Tumpukan manajemen Amazon Bedrock Prompt](#getting-started-mortgage-prompts-templates) + [Tumpukan Basis Pengetahuan Amazon Bedrock](#getting-started-mortgage-kb-templates) ## Tumpukan utama Tumpukan utama mendefinisikan parameter yang dapat Anda tentukan saat Anda mengunggah template. Nilai-nilai ini diteruskan ke masing-masing tumpukan bersarang yang tersisa. Skrip penerapan menggantikan *MortgageFlowBucket* nilai default `Q01pS3BucketName` parameter dengan bucket S3 Anda yang sebenarnya yang berisi sumber daya yang digunakan oleh skrip. ------ #### [ 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" ] } } } } } } ``` ------ ## Tumpukan Pagar Batuan Dasar Amazon Tumpukan ini membuat sumber daya terkait [pagar pembatas](guardrails.md) berikut: + AgentGuardrail ([AWS::Bedrock::Guardrail](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrail.html)) - Pagar pembatas yang menyediakan penyaringan konten, kebijakan topik, dan perlindungan PII. Pagar pembatas ini akan dilampirkan ke agen di tumpukan Agen. + AgentGuardrailVersion ([AWS::Bedrock::GuardrailVersion](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrailversion.html)) — Versi `AgentGuardrail` sumber daya yang diterapkan pada agen. ------ #### [ 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" } } } ``` ------ ## Tumpukan manajemen Amazon Bedrock Prompt Tumpukan ini membuat sumber daya [prompt](prompt-management.md) ([AWS::IAM::Prompt](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-prompt.html)) berikut, yang ditambahkan ke alur: + RejectionPrompt — Prompt yang mengembalikan surat penolakan yang dihasilkan berdasarkan informasi keuangan. + ProcessApplicationPrompt — Prompt yang mengirimkan informasi keuangan pelanggan ke agen dan meminta agen untuk menilai apakah pelanggan memenuhi syarat untuk pinjaman. ------ #### [ 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" } } } ``` ------ ## Tumpukan Basis Pengetahuan Amazon Bedrock Template ini menciptakan [basis pengetahuan](knowledge-base.md) dan sumber datanya yang berisi pedoman pinjaman: + 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" } } } ``` ------ # Rincian tentang aliran pemrosesan hipotek Representasi visual dari aliran pemrosesan hipotek di Konsol Manajemen AWS adalah sebagai berikut: ![\[Aliran pemrosesan hipotek\]](http://docs.aws.amazon.com/id_id/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) ## Langkah-langkah dalam aliran Langkah-langkah berikut terjadi dalam aliran: 1. Informasi keuangan pelanggan dari input dikirim ke fungsi `loanCalculator` Lambda, yang menghitung pinjaman maksimum yang terjangkau pelanggan. 1. Output dari `loanCalculator` fungsi (`maximumAffordableLoan`) dan `loanAmount` nilai dari input dikirim ke node kondisi, yang kemudian dievaluasi sebagai berikut: + Jika `loanAmount` lebih besar dari`maximumAffordableLoan`, `incomeDebt` prompt dipicu dan surat penolakan untuk pinjaman dihasilkan. + Jika tidak, informasi keuangan pelanggan dikirim `mortgageProcessingAgent` oleh `processApplication` prompt. Agen menerapkan fungsi kalkulator pinjaman, serta fungsi pencarian Multiple Listing Service (MLS) untuk mencari tabel DynamoDB dan menilai informasi pelanggan sehubungan dengan properti MLS yang ditentukan dalam input. Selanjutnya, agen mencari informasi dari basis pengetahuan, yang berisi Panduan Penjualan Fannie Mae. Agen menggunakan semua informasi ini untuk menghasilkan respons yang menganalisis kelayakan pelanggan untuk jumlah pinjaman yang diminta.