Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Tutorial: creare un flusso che elabori le richieste di mutuo Per acquisire familiarità con le risorse di Amazon Bedrock e le relative funzionalità, utilizzeremo un CloudFormation modello per configurare un [flusso](flows.md) che automatizzi i processi di richiesta di mutuo combinando varie risorse Amazon Bedrock e altre. AWS **Nota** Per questo tutorial, useremo la regione. *us-east-1* Si può utilizzare qualsiasi Regione che supporti la gestione di agenti, flussi, guardrail, knowledge base e prompt. Per una tabella delle funzionalità supportate per Regione, consulta [Funzionalità supportate da Regione AWS Amazon Bedrock](features-regions.md). Verificare di disporre delle autorizzazioni per creare risorse Amazon S3, Amazon Bedrock, Lambda e DynamoDB nella Regione specifica. Questo flusso non è pensato per scopi di implementazione, ma viene utilizzato come tutorial per comprendere le risorse di Amazon Bedrock. L’immagine seguente rappresenta visivamente il flusso nella Console di gestione AWS: ![\[Flusso di elaborazione dei mutui\]](http://docs.aws.amazon.com/it_it/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) Il flusso combina un [agente](agents.md) di Amazon Bedrock, [prompt](prompt-management.md) e una [funzione Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) per creare un flusso di elaborazione dei mutui che raccolga le informazioni finanziarie dei clienti e decida se il cliente rispetta i requisiti per ottenere un prestito. All’agente del flusso sono inoltre collegati una [knowledge base](knowledge-base.md) e un [guardrail](guardrails.md) di Amazon Bedrock per potenziare le risposte e fornire protezioni. Per ulteriori informazioni sui componenti del flusso, consulta [Dettagli sul flusso di elaborazione dei mutui](getting-started-mortgage-flow-details.md). **Topics** + [Prerequisiti](#getting-started-mortgage-flow-prereqs) + [Crea il flusso di elaborazione dei mutui utilizzando CloudFormation](#getting-started-mortgage-flow-create) + [Testare il flusso di elaborazione dei mutui](#getting-started-mortgage-flow-test) + [Pulizia: eliminazione delle risorse](#getting-started-mortgage-flow-delete) + [CloudFormation modelli](getting-started-mortgage-flow-template.md) + [Dettagli sul flusso di elaborazione dei mutui](getting-started-mortgage-flow-details.md) ## Prerequisiti Per creare il flusso, scarica un file .zip e segui le istruzioni per eseguire uno script che configura automaticamente le risorse e il modello. **Importante** Ti verranno addebitate le risorse Amazon che crei fino a quando non le elimini. Verifica i prerequisiti seguenti: 1. Scarica il [cloudformation-mortgage-flow-setupfile.zip.](samples/cloudformation-mortgage-flow-setup.zip) 1. Decomprimere il file. Per ulteriori informazioni sul contenuto, consulta [CloudFormation modelli](getting-started-mortgage-flow-template.md). 1. Per richiedere l’accesso ai modelli di fondazione Amazon Bedrock. esegui queste operazioni: 1. Accedi a Console di gestione AWS con un'identità IAM che dispone delle autorizzazioni per utilizzare la console Amazon Bedrock. Quindi, apri la console Amazon Bedrock in [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock) 1. Verifica di trovarti nella Regione **Stati Uniti orientali (Virginia settentrionale)** controllandola nell’angolo in alto a destra. In caso contrario, cambia Regione. 1. Seleziona **Accesso la modello** nella parte inferiore del riquadro di navigazione a sinistra. 1. Scegli **Modifica l’accesso al modello**. 1. Esegui una delle seguenti operazioni: + Per richiedere l’accesso a tutti i modelli, scegli **Abilita tutti i modelli**. Nella pagina di destinazione, vengono selezionate tutte le caselle di controllo accanto a tutti i modelli. + Per richiedere l’accesso a modelli specifici, scegli **Abilita modelli specifici**. Nella pagina di destinazione, sono disponibili le opzioni seguenti: + Per richiedere l’accesso a tutti i modelli di un provider, seleziona la casella di controllo accanto al nome del provider. + Per richiedere l’accesso a un modello, seleziona la casella di controllo accanto al nome del modello. 1. Ai fini del seguente tutorial, è necessario richiedere almeno l’accesso ai modelli **Titan Embeddings G1 - Text** e **Claude 3 Haiku**. Quindi scegli **Successivo**. 1. Esamina i modelli a cui richiedi l’accesso e consulta i **Termini di servizio**. Al termine, scegli **Invia** per richiedere l’accesso. ## Crea il flusso di elaborazione dei mutui utilizzando CloudFormation Per creare il flusso di elaborazione dei mutui e le risorse associate, creeremo un CloudFormation modello e lo utilizzeremo per creare uno stack contenente risorse Amazon Bedrock. **Importante** Ti verranno addebitate le risorse Amazon che crei fino a quando non le elimini. ### Crea le risorse e il file modello CloudFormation Innanzitutto, utilizza lo script del file.zip per caricare le risorse in un bucket S3 e creare i modelli. CloudFormation 1. In un terminale, esegui il comando seguente per copiare le risorse in un bucket Amazon S3 e popolare i file `main-stack.json` e `main-stack.yaml` and con il nome del bucket S3 come valore predefinito per il parametro che indica il nome del bucket. ``` bash deploy.sh ``` **Nota** L'uso dello script è`bash deploy.sh `, where ** e ** sono argomenti opzionali. Se non li indichi, vengono utilizzati i valori predefiniti seguenti: **— La AWS regione predefinita specificata nella configurazione AWS delle credenziali. **— Al bucket verrà assegnato un nome*mortgage-flow-deployment--*, dove si ** trova l'ID AWS dell'account e ** corrisponde al valore fornito o alla AWS regione predefinita specificata nella configurazione delle AWS credenziali. 1. Conferma i prompt. Al termine dell’implementazione, dovrebbe essere disponibile un modello `main-stack.yaml` e `main-stack.json` completo per il passaggio successivo. **Nota** Se lo script non riesce, esegui queste operazioni per preparare manualmente le risorse: Carica il *contenuto* (non includere la cartella stessa) della cartella decompressa `cloudformation-mortgage-flow-setup` in un bucket S3 negli Stati Uniti orientali (Virginia settentrionale) nella console Amazon S3 all'indirizzo. [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/) Trova il file `templates/json/main-stack-tmp.yaml` o `templates/json/main-stack-tmp.json` ed esegui queste operazioni: Cambia il `Default` valore del `Q01pS3BucketName` parametro da *MortgageFlowBucket* al nome del bucket S3. Rimuovi `-tmp` dal nome del file, in modo che diventi `templates/json/main-stack.yaml` o `templates/json/main-stack.json`. ### Crea lo stack utilizzando la console CloudFormation Quindi, usa il modello che hai salvato per effettuare il provisioning di uno CloudFormation stack. 1. Apri la CloudFormation console in [https://console.aws.amazon.com/cloudformation.](https://console.aws.amazon.com/cloudformation/) Verifica di trovarti nella Regione **Stati Uniti orientali (Virginia settentrionale)** controllandola nell’angolo in alto a destra. In caso contrario, cambia Regione. 1. Nella pagina **Stack**, scegli **Con nuove risorse (standard)** nel menu **Crea stack**. 1. Specifica il modello: 1. In **Prerequisito**, seleziona **Scegli un modello esistente**. 1. In **Specifica modello**, seleziona **Carica un file di modello**. 1. Seleziona **Scegli file**, quindi passa al modello `main-stack.yaml` o `main-stack.json` e selezionalo. 1. Scegli **Next (Successivo)**. 1. Specifica i dettagli dello stack: 1. Nel campo **Nome stack**, immetti un nome per lo stack. 1. Nel campo **Parametri**, lascia i valori predefiniti. **Nota** Il valore `Q01pS3BucketName` deve corrispondere al nome del bucket S3 in cui hai caricato le risorse per questo modello. Gli argomenti rimanenti sono correlati alle configurazioni della knowledge base: se ne modifichi qualcuno, verifica che le configurazioni siano compatibili tra loro. Per ulteriori informazioni, consulta [Prerequisiti per l’utilizzo di un archivio vettoriale creato per una knowledge base](knowledge-base-setup.md). 1. Scegli **Next (Successivo)**. 1. Configura le opzioni dello stack: 1. In **Opzioni di errore dello stack**, scegli **Elimina tutte le nuove risorse create**. **Nota** Scegliendo questa opzione si evita di ricevere addebiti per risorse la cui policy di eliminazione specifica che devono essere mantenute anche se la creazione dello stack non riesce. Per ulteriori informazioni, consulta la pagina relativa all’[attributo `DeletionPolicy`](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/aws-attribute-deletionpolicy.html) nella *Guida per l’utente di CloudFormation *. 1. In **Capacità**, seleziona la casella per confermare che CloudFormation potresti creare risorse IAM nel tuo account. 1. Scegli **Next (Successivo)**. 1. Controlla i dettagli dello stack e scegli **Invia**. CloudFormation crea lo stack. L’operazione richiede diversi minuti. Dopo aver completato la creazione dello stack, puoi utilizzare la scheda **Risorse** nella pagina dei dettagli dello stack per visualizzare le risorse disponibili nel tuo account. 1. Dopo aver completato la creazione dello stack, esegui queste operazioni per sincronizzare l’origine dati per la knowledge base in modo che sia possibile inviare query alla knowledge base: 1. Accedi a Console di gestione AWS con un'identità IAM che dispone delle autorizzazioni per utilizzare la console Amazon Bedrock. Quindi, apri la console Amazon Bedrock in [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock) 1. Nel riquadro di navigazione a sinistra, scegli **Knowledge base**, quindi seleziona la knowledge base creata, denominata `AWSDocsTutorial-MortgageKB`. 1. Nella sezione **Origine dati**, seleziona la casella di controllo accanto all’origine dati creata, denominata `AWSDocsTutorial-MortgageKB-DS`. 1. Scegli **Sincronizza**. Al termine della sincronizzazione, puoi testare il flusso. ## Testare il flusso di elaborazione dei mutui Dopo aver creato il flusso di elaborazione dei mutui, puoi utilizzare la console Amazon Bedrock per esaminare, testare e modificare il flusso. Puoi anche esaminare, testare e modificare le singole risorse del flusso stesso. **Come testare il flusso** 1. Accedi a Console di gestione AWS con un'identità IAM che dispone delle autorizzazioni per utilizzare la console Amazon Bedrock. Quindi, apri la console Amazon Bedrock in [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock) 1. Nel riquadro di navigazione a sinistra, scegli **Flussi**. Verifica di trovarti nella Regione **Stati Uniti orientali (Virginia settentrionale)** controllandola nell’angolo in alto a destra. In caso contrario, cambia Regione. 1. Nella sezione **Flussi**, seleziona il flusso creato dal modello. CloudFormation Dovrebbe essere `AWSDocsTutorial-MortgageFlow`. 1. Scegli **Modifica nel generatore di flussi**. Puoi trascinare singoli nodi nel flusso per modificarne la rappresentazione visiva. 1. Nel riquadro **Testa flusso**, immetti i valori indicati di seguito nel campo di testo, quindi seleziona **Esegui**. ``` { "income": 80000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 600000, "creditScore": 750, "mlsId": "MLS-5678" } ``` Poiché l’importo del prestito è superiore al prestito massimo accessibile calcolato, viene attivato il prompt **incomeDebt** e il flusso genera una lettera di rifiuto. Puoi scegliere **Mostra traccia** per visualizzare i nodi eseguiti nel flusso. 1. Nel riquadro **Testa flusso**, immetti i valori indicati di seguito nel campo di testo, quindi seleziona **Esegui**. ``` { "income": 120000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 200000, "creditScore": 650, "mlsId": "MLS-3456" } ``` Poiché l'importo del prestito è inferiore al prestito massimo accessibile calcolato, il prompt **ProcessApplication** viene attivato e inviato a **mortgageProcessingAgent**, che cerca la Knowledge Base allegata e genera una risposta che valuta, in base ai valori di input, se il cliente è idoneo per un prestito. 1. (Facoltativo) Prova a eseguire il flusso utilizzando valori diversi per i campi dell’oggetto JSON. I valori `mlsId` valori corrispondono alle proprietà elencate in Multiple Listing Service. Per trovare valori `mlsId` validi, esegui queste operazioni: 1. Accedi Console di gestione AWS e apri la console DynamoDB all'indirizzo. [https://console.aws.amazon.com/dynamodb/](https://console.aws.amazon.com/dynamodb/) 1. Nel riquadro di navigazione a sinistra, seleziona **Tabelle**. 1. Seleziona la tabella che dice. **AWSDocsTutorial-PropertyListing** 1. Scegli **Explore table items** (Esplora elementi della tabella). 1. Puoi utilizzare uno qualsiasi dei valori della colonna **mls\$1id** nell’input del flusso. Puoi anche accedere alle pagine di **gestione di **Agenti**, **Knowledge Base**, **Guardrails** e Prompt** Console di gestione AWS per esaminare ogni risorsa Amazon Bedrock utilizzata nel flusso, in modo indipendente. Per ulteriori informazioni sul flusso e per comprendere i componenti in modo più dettagliato, consulta [Dettagli sul flusso di elaborazione dei mutui](getting-started-mortgage-flow-details.md). ## Pulizia: eliminazione delle risorse Dopo aver esplorato le risorse e aver compreso meglio le funzionalità delle diverse risorse Amazon Bedrock, eliminiamo lo stack e le risorse che contiene. **Importante** Ti verranno addebitate le risorse Amazon che crei fino a quando non le elimini. 1. [Apri /cloudformation. https://console.aws.amazon.com](https://console.aws.amazon.com/cloudformation/) 1. Nel riquadro di navigazione a sinistra, scegli **Stack**. 1. Scegli lo stack creato a partire dal modello. Scegli **Elimina**, quindi conferma **Elimina**. CloudFormation avvia l'eliminazione dello stack principale, di tutti gli stack annidati e di tutte le risorse incluse negli stack. # CloudFormation modelli Il download del file `cloudformation-mortgage-flow-setup.zip` contiene i seguenti file: + `deploy.sh`— Uno script di shell che distribuisce le tue risorse e prepara il CloudFormation modello principale che utilizzerai. + `artifacts`: una cartella che contiene file.zip con funzioni per l’agente e i modelli della knowledge base: + Funzioni Lambda per i gruppi di operazioni dell’agente + `agent_loan_calculator.zip` + `mls_lookup.zip` + `loader_deployment_package.zip` + Funzioni per la configurazione della knowledge base + `custom-resource-lambda.zip` + `opensearchpy-layer.zip` + `provider-event-handler.zip` + `api-schema`: una cartella che contiene schemi API per gruppi di operazioni. + `knowledge-base-data-source`: una cartella che contiene il PDF della [Selling Guide di Fannie Mae](https://selling-guide.fanniemae.com/). + `templates`: una cartella che contiene i modelli per le risorse di questo flusso, sia in formato JSON che YAML: + `main-stack-tmp`: il modello principale che distribuisce i modelli rimanenti come stack annidati. Questo file viene trasformato in `main-stack` dopo l’esecuzione dello script di implementazione. + `guardrails-template`: il modello per il guardrail da associare all’agente. + `prompts-template`: il modello per i prompt da utilizzare nel flusso. + `kb-role-template`— Il modello per il ruolo della knowledge base, da utilizzare sia dal modello che dal OpenSearch modello della knowledge base. + `oss-infra-template`— Il modello per l'Amazon OpenSearch Serverless Vector Store da utilizzare per la knowledge base. + `kb-infra-template`: il modello per la knowledge base sui mutui ipotecari da associare all’agente. + `agent-template`: il modello per l’agente di elaborazione dei mutui da utilizzare nel flusso. + `mortgage-flow-template`: il modello per il flusso di elaborazione dei mutui che combina tutte le risorse. + `README.md`: un file README che descrive le fasi per l’utilizzo del modello. I seguenti argomenti mostrano i CloudFormation modelli utilizzati per ogni stack. Lo stack principale distribuisce gli stack rimanenti come [stack annidati](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/using-cfn-nested-stacks.html). **Topics** + [Stack principale](#getting-started-mortgage-templates-main) + [Stack Guardrail per Amazon Bedrock](#getting-started-mortgage-guardrail-templates) + [Stack di Gestione prompt di Amazon Bedrock](#getting-started-mortgage-prompts-templates) + [Stack di Knowledge Base per Amazon Bedrock](#getting-started-mortgage-kb-templates) ## Stack principale Lo stack principale definisce i parametri definibili quando carichi il modello. Questi valori vengono passati a ciascuno degli stack annidati rimanenti. Lo script di distribuzione sostituisce *MortgageFlowBucket* il valore predefinito del `Q01pS3BucketName` parametro con il bucket S3 effettivo che contiene le risorse distribuite dallo 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" ] } } } } } } ``` ------ ## Stack Guardrail per Amazon Bedrock Questo stack crea le seguenti risorse relative ai [guardrail](guardrails.md): + AgentGuardrail ([AWS::Bedrock::Guardrail](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrail.html)) — Un guardrail che fornisce il filtro dei contenuti, la politica degli argomenti e la protezione delle informazioni personali. Questo guardrail sarà collegato all’agente nello Stack agente. + AgentGuardrailVersion ([AWS::Bedrock::GuardrailVersion](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrailversion.html)) — La versione della `AgentGuardrail` risorsa applicata all'agente. ------ #### [ 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" } } } ``` ------ ## Stack di Gestione prompt di Amazon Bedrock Questo stack crea le seguenti risorse [prompt](prompt-management.md) ([AWS::IAM::Prompt](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-prompt.html)), che vengono aggiunte al flusso: + RejectionPrompt — Un prompt che restituisce una lettera di rifiuto generata sulla base di informazioni finanziarie. + ProcessApplicationPrompt — Una richiesta che invia le informazioni finanziarie di un cliente a un agente e richiede all'agente di valutare se il cliente è idoneo a ottenere un prestito. ------ #### [ 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" } } } ``` ------ ## Stack di Knowledge Base per Amazon Bedrock Questo modello crea la [knowledge base](knowledge-base.md) e la relativa origine dati contenente le linee guida sul prestito: + 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" } } } ``` ------ # Dettagli sul flusso di elaborazione dei mutui La rappresentazione visiva del flusso di elaborazione dei mutui in Console di gestione AWS è la seguente: ![\[Flusso di elaborazione dei mutui\]](http://docs.aws.amazon.com/it_it/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) ## Fasi del flusso Nel flusso si verificano le seguenti fasi: 1. Le informazioni finanziarie del cliente provenienti dall’input vengono inviate alla funzione Lambda di `loanCalculator`, che calcola il prestito massimo accessibile del cliente. 1. L’output della funzione `loanCalculator` (`maximumAffordableLoan`) e il valore dell’input `loanAmount` vengono inviati al nodo di condizione, che viene quindi valutato come segue: + Se `loanAmount` è superiore a `maximumAffordableLoan`, viene attivato il prompt `incomeDebt` e viene generata una lettera di rifiuto del prestito. + In caso contrario, le informazioni finanziarie del cliente vengono inviate a `mortgageProcessingAgent` tramite prompt `processApplication`. L’agente applica una funzione di calcolo del prestito e una funzione di ricerca del Multiple Listing Service (MLS) per cercare una tabella DynamoDB e valutare le informazioni del cliente rispetto alla proprietà MLS specificata nell’input. Inoltre, l’agente cerca informazioni da una knowledge base, che contiene la Selling Guide di Fannie Mae. L’agente utilizza tutte queste informazioni per generare una risposta che analizzi l’idoneità del cliente per l’importo del prestito richiesto.