View a markdown version of this page

Documentação do conhecimento institucional usando entradas de voz por meio do Amazon Bedrock e do Amazon Transcribe - Recomendações da AWS
ResumoPré-requisitos e limitaçõesArquiteturaFerramentasPráticas recomendadasÉpicosRecursos relacionados

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Documentação do conhecimento institucional usando entradas de voz por meio do Amazon Bedrock e do Amazon Transcribe

Praveen Kumar Jeyarajan, Jundong Qiao, Rajiv Upadhyay e Megan Wu, Amazon Web Services

Resumo

Capturar o conhecimento institucional é fundamental para garantir o sucesso e a resiliência organizacional. O conhecimento institucional representa a sabedoria coletiva, as percepções e as experiências acumuladas pelos colaboradores ao longo do tempo, frequentemente de forma tácita e transmitidas informalmente. Essa riqueza de informações abrange abordagens únicas, práticas recomendadas e soluções para problemas complexos que podem não estar documentados em outros locais. Ao formalizar e documentar esse conhecimento, as empresas podem preservar a memória institucional, promover a inovação, aprimorar os processos de tomada de decisão e acelerar a curva de aprendizado dos novos colaboradores. Além disso, essa prática promove a colaboração, capacita os indivíduos e cultiva uma cultura de melhoria contínua. Por fim, aproveitar o conhecimento institucional ajuda as empresas a usar seu bem mais valioso, a inteligência coletiva de sua força de trabalho, para enfrentar desafios, impulsionar o crescimento e manter a vantagem competitiva em ambientes de negócios dinâmicos.

Esse padrão explica como capturar o conhecimento institucional por meio de gravações de voz de colaboradores experientes. Ele usa o Amazon Transcribe e o Amazon Bedrock para documentação e verificação sistemáticas. Ao documentar esse conhecimento informal, você pode preservá-lo e compartilhá-lo com as futuras gerações de colaboradores. Essa iniciativa contribui para a excelência operacional e aprimora a eficácia dos programas de treinamento, incorporando o conhecimento prático adquirido por meio da experiência direta.

Pré-requisitos e limitações

Pré-requisitos

  • Uma conta AWS ativa

  • Docker, instalado

  • AWS Cloud Development Kit (AWS CDK), na versão 2.114.1 ou em versões posteriores, instalado e inicializado nas regiões da AWS us-east-1 ou us-west-2

  • Kit de Ferramentas CDK da AWS, na versão 2.114.1 ou em versões posteriores, instalado

  • AWS Command Line Interface (AWS CLI), instalada e configurada

  • Python, versão 3.12 ou versões posteriores, instalado

  • Permissões para criar recursos do Amazon Transcribe, do Amazon Bedrock, do Amazon Simple Storage Service (Amazon S3) e do AWS Lambda

Limitações

  • Essa solução é implantada em uma única conta da AWS.

  • Esta solução pode ser implantada somente nas regiões da AWS nas quais o Amazon Bedrock e o Amazon Transcribe estão disponíveis. Para obter informações sobre a disponibilidade, consulte a documentação do Amazon Bedrock e do Amazon Transcribe.

  • Os arquivos de áudio devem estar em um formato compatível com o Amazon Transcribe. Para obter uma lista dos formatos compatíveis, consulte Formatos de mídia na documentação Transcribe.

Versões do produto

  • AWS SDK para Python (Boto3), na versão 1.34.57 ou em versões posteriores

  • LangChain versão 0.1.12 ou posterior

Arquitetura

A arquitetura representa um fluxo de trabalho com tecnologia sem servidor na AWS. O AWS Step Functions realiza a orquestração de funções do Lambda para o processamento de áudio, análise de texto e geração de documentos. O diagrama apresentado a seguir ilustra o fluxo de trabalho do Step Functions, também conhecido como máquina de estado.

Diagrama da arquitetura da máquina de estado do Step Functions que gera um documento.

Cada etapa da máquina de estado é executada por uma função do Lambda distinta. A seguir, apresentamos as etapas que fazem parte do processo de geração de documentos:

  1. A função do Lambda preprocess valida a entrada transferida para o Step Functions e lista todos os arquivos de áudio presentes no caminho da pasta URI do Amazon S3 fornecido. As funções do Lambda subsequentes no fluxo de trabalho usam a lista de arquivos para validar, resumir e gerar o documento.

  2. A função do Lambda transcribe usa o Amazon Transcribe para converter arquivos de áudio em transcrições de texto Essa função do Lambda é responsável por iniciar o processo de transcrição e transformar com precisão a fala em texto, que será armazenado para processamento posterior.

  3. A função do Lambda validate analisa as transcrições de texto, verificando a relevância das respostas em relação às perguntas iniciais. Ao usar um grande modelo de linguagem (LLM) por meio do Amazon Bedrock, as respostas são identificadas e distinguidas no tópico de respostas fora de contexto.

  4. A função do Lambda summarize usa o Amazon Bedrock para gerar um resumo coerente e conciso das respostas pertinentes ao contexto.

  5. A função do Lambda generate organiza os resumos em um documento bem estruturado. Essa função pode formatar o documento de acordo com modelos definidos previamente e incluir qualquer conteúdo ou dado adicional necessário.

  6. Se alguma das funções do Lambda falhar, você receberá uma notificação por e-mail do Amazon Simple Notification Service (Amazon SNS).

Durante todo esse processo, o AWS Step Functions garante que cada função do Lambda seja iniciada na sequência correta. Esta máquina de estado conta com capacidade de processamento paralelo para aumentar a eficiência. Um bucket do Amazon S3 funciona como o repositório central de armazenamento, apoiando o fluxo de trabalho ao gerenciar os diversos formatos de mídia e os documentos envolvidos.

Ferramentas

Serviços da AWS

  • O Amazon Bedrock é um serviço totalmente gerenciado que disponibiliza modelos básicos de alto desempenho (FMs) das principais startups de IA e da Amazon para seu uso por meio de uma API unificada.

  • O AWS Lambda é um serviço de computação que ajuda você a executar código sem exigir provisionamento ou gerenciamento de servidores. Ele executa o código somente quando necessário e dimensiona automaticamente, assim, você paga apenas pelo tempo de computação usado.

  • O Amazon Simple Notification Service (Amazon SNS) ajuda você a coordenar e gerenciar a troca de mensagens entre publicadores e clientes, incluindo servidores web e endereços de e-mail.

  • O Amazon Simple Storage Service (Amazon S3) é um serviço de armazenamento de objetos baseado na nuvem que ajuda você a armazenar, proteger e recuperar qualquer quantidade de dados.

  • O AWS Step Functions é um serviço de orquestração com tecnologia sem servidor que permite combinar funções do AWS Lambda e outros serviços da AWS para criar aplicações essenciais aos negócios.  

  • O Amazon Transcribe é um serviço de reconhecimento de fala automático que emprega modelos de machine learning para converter áudio em texto.

Outras ferramentas

  • LangChainé uma estrutura para o desenvolvimento de aplicativos que são alimentados por grandes modelos de linguagem (LLMs).

Repositório de código

O código desse padrão está disponível no GitHub genai-knowledge-capturerepositório.

O repositório de código contém os seguintes arquivos e pastas:

  • Pasta assets: os recursos estáticos da solução, como o diagrama da arquitetura e o conjunto de dados público

  • Pasta code/lambdas: o código Python para todas as funções do Lambda

    • Pasta code/lambdas/generate: o código Python que gera um documento com base nos dados resumidos no bucket do S3

    • Pasta code/lambdas/preprocess: o código Python que processa as entradas para a máquina de estado do Step Functions

    • Pasta code/lambdas/summarize: o código Python que resume os dados transcritos usando o serviço Amazon Bedrock

    • Pasta code/lambdas/transcribe: o código Python que converte dados de fala (arquivo de áudio) em texto usando o Amazon Transcribe

    • Pasta code/lambdas/validate: o código Python que valida se todas as respostas se referem ao mesmo tópico

  • code/code_stack.py: o arquivo Python do constructo do AWS CDK usado para criar recursos da AWS

  • app.py: o arquivo Python da aplicação do AWS CDK usada para implantar recursos da AWS na conta da AWS de destino

  • requirements.txt: a lista de todas as dependências do Python que devem ser instaladas para o AWS CDK

  • cdk.json: o arquivo de entrada que fornece os valores necessários para criar recursos

Práticas recomendadas

O exemplo de código fornecido é apenas para fins proof-of-concept (PoC) ou piloto. Se você pretende implantar a solução para a produção, siga as seguintes práticas recomendadas:

Épicos

TarefaDescriptionHabilidades necessárias

Exporte variáveis para a conta e para a região da AWS.

Para fornecer credenciais da AWS ao AWS CDK usando variáveis de ambiente, execute os comandos apresentados a seguir.

export CDK_DEFAULT_ACCOUNT=<12-digit AWS account number>
export CDK_DEFAULT_REGION=<Region>
AWS DevOps, DevOps engenheiro

Configure o perfil nomeado da AWS CLI.

Para configurar o perfil nomeado da AWS CLI para a conta, siga as instruções apresentadas em Configurações do arquivo de configuração e credenciais.

AWS DevOps, DevOps engenheiro
TarefaDescriptionHabilidades necessárias

Clone o repositório na sua estação de trabalho local.

Para clonar o genai-knowledge-capturerepositório, execute o comando a seguir no seu terminal.

git clone https://github.com/aws-samples/genai-knowledge-capture
AWS DevOps, DevOps engenheiro

(Opcional) Substitua os arquivos de áudio.

Para personalizar a aplicação de amostra e incorporar seus próprios dados, faça o seguinte:

  1. Acesse a pasta assets/audio_samples no repositório clonado.

  2. Exclua as pastas que contêm os arquivos de áudio de amostra.

  3. Crie uma pasta para cada tópico que você deseja analisar.

  4. Transfira seus arquivos de áudio para as respectivas pastas.

AWS DevOps, DevOps engenheiro

Configure o ambiente virtual do Python.

Para ativar o ambiente virtual do Python, execute os comandos a seguir.

cd genai-knowledge-capture
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
AWS DevOps, DevOps engenheiro

Sintetize o código do AWS CDK.

Para converter o código em uma configuração de CloudFormation pilha da AWS, execute o comando a seguir.

cdk synth
AWS DevOps, DevOps engenheiro
TarefaDescriptionHabilidades necessárias

Providencie o acesso ao modelo de base.

Habilite o acesso ao modelo Anthropic Claude 3 Sonnet para a sua conta da AWS. Para obter instruções, consulte Adicionar acesso ao modelo na documentação do Bedrock.

AWS DevOps

Implante recursos na conta.

Para implantar recursos na conta da AWS usando o AWS CDK, faça o seguinte:

  1. (Opcional) Na raiz do repositório clonado, no app.py arquivo, atualize o nome da CloudFormation pilha da AWS. O nome padrão da pilha é genai-knowledge-capture-stack.

  2. Para implantar recursos, execute o comando cdk deploy.

    O comando cdk deploy usa constructos da camada 3 para criar um conjunto de funções do Lambda, um bucket do S3, um tópico do Amazon SNS e uma máquina de estado do Step Functions. Os arquivos de áudio presentes na pasta assets/audio_samples são copiados para o bucket do S3 no momento da implantação.

  3. Faça login no AWS Management Console e, em seguida, abra o CloudFormation console em https://console.aws.amazon.com/cloudformation/.

  4. Confirme se a pilha foi implantada com êxito. Para obter instruções, consulte Como revisar sua pilha no console da AWS CloudFormation .

AWS DevOps, DevOps engenheiro

Assine o tópico do Amazon SNS.

Para se tornar assinante do tópico do Amazon SNS a fim de receber notificações, faça o seguinte:

  1. No CloudFormation console, no painel de navegação, escolha Pilhas.

  2. Selecione a pilha genai-knowledge-capture-stack.

  3. Escolha a guia Outputs.

  4. Localize o nome do tópico do Amazon SNS com a chave SNSTopicName.

  5. Configure um endereço de e-mail para receber notificações seguindo as instruções apresentadas em Inscrever um endereço de e-mail em um tópico do Amazon SNS.

AWS geral
TarefaDescriptionHabilidades necessárias

Execute uma máquina de estado.

  1. Abra o console do Step Functions.

  2. Na página State machines, escolha genai-knowledge-capture-stack-state-machine.

  3. Selecione Iniciar execução.

  4. (Opcional) Na caixa de diálogo Nome, digite um nome para a execução.

  5. Na área Entrada, insira o seguinte objeto JSON, substituindo o texto de espaço reservado, em que:

    • <Name> é o nome que você deseja atribuir ao documento.

    • <S3 bucket name> é o nome do bucket do Amazon S3 que contém os arquivos de áudio.

    • <Folder path> é o diretório que contém os arquivos de áudio.

    {
  "documentName": "<Name>",
  "audioFileFolderUri": "s3://<S3 bucket name>/<Folder path>"
}

  6. Escolha Start Execution.

  7. Na página de detalhes da execução, analise os resultados e aguarde a conclusão da execução.

Desenvolvedor de aplicativos, AWS geral
TarefaDescriptionHabilidades necessárias

Remova os recursos da AWS.

Após testar a solução, limpe os recursos:

  1. Exclua todos os objetos do bucket do S3 e, em seguida, exclua o bucket. Para obter mais informações, consulte Excluir um bucket.

  2. No repositório clonado, execute o comando cdk destroy.

AWS DevOps, DevOps engenheiro

Recursos relacionados

Documentação da AWS

Outros recursos