本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

建立自動推理政策

當您建立自動推理政策時，您的來源文件會翻譯成一組正式邏輯規則，以及變數和類型的結構描述。此頁面會逐步引導您準備文件、建立政策，以及檢閱結果。

Amazon Bedrock 會使用 AWS Key Management Service (KMS) 加密自動推理政策。根據預設，Amazon Bedrock 會使用服務擁有的金鑰。您可以選擇性地指定客戶自管 KMS 金鑰，以額外控制政策資料的加密。

若要測試和使用您的自動推理政策，請確定您擁有適當的許可。

準備您的來源文件

在您開啟主控台或呼叫 API 之前，請準備自動化理由將用於擷取規則和變數的文件。政策的品質直接取決於此輸入的品質。

文件結構和清晰度

自動化推理檢查最適合使用包含明確、不明確規則的文件。每個規則都應陳述條件和結果。避免模糊的語言、主觀標準或依賴文件中不存在的外部內容的規則。

範例：清除與模糊規則

大小限制和分割大型文件

來源文件的大小限制為 5 MB 和 50，000 個字元。文件中的影像和資料表也會計入字元限制。

如果您的文件超過這些限制，或涵蓋多個不相關的網域，請將其分割為重點區段。例如，將員工手冊分割成休假政策、福利資格和費用補償的個別文件。使用第一個區段建立您的政策，然後使用反覆政策建置 （本頁稍後說明） 將其他區段合併至相同的政策。

預先處理複雜的文件

包含許多樣板、法律免責聲明或內容的文件與您要強制執行的規則無關，會產生具有不必要的變數和規則的雜訊政策。上傳之前，請考慮：

（選用） 使用 LLM 將文件重寫為邏輯規則

對於包含敘述性說法、法律語言或複雜格式的文件，請考慮使用具有進階推理功能的前沿模型來重寫內容，然後再將其上傳至自動推理檢查。此一次性預處理步驟會將文字轉換為自動化原因檢查可以更準確地從中擷取的格式，從而產生具有較少未使用變數和裸露聲明的更高品質政策。

LLM 預先處理有兩種方法，取決於文件的複雜性，以及您希望對擷取的控制程度。

方法 1：純文字規則擷取

要求 LLM 將文件重寫為 if-then 規則的編號清單。這種方法非常簡單，適用於來源中規則相對清晰的簡短、重點文件。

範例提示：

You are a logical reasoning expert. Your task is to analyze the provided
source text and rewrite it as a set of clear, logical rules using if-then
statements.

Instructions:
1. Extract the key relationships, conditions, and outcomes from the source text.
2. Convert these into logical implications using "if-then" format.
3. Use clear, precise language that captures the original meaning.
4. Number each rule for easy reference.
5. Ensure rules are mutually consistent and non-contradictory.

Format:
- Rule [N]: If [condition], then [consequence].
- Use "and" to combine multiple conditions.
- Use "or" for alternative conditions.
- Include negations when relevant: If not [condition], then [consequence].

Example:
Source: "Students who complete all assignments and attend at least 80% of
classes will pass the course."
Rule 1: If a student completes all assignments and attends at least 80% of
classes, then they will pass the course.

Source Text:
[Paste your document here]

方法 2：結構化規則擷取

對於複雜或冗長的文件，請要求 LLM 擷取具有每個規則中繼資料的結構化 JSON 規則。此方法會產生更豐富的輸出，協助您稽核每個規則來源文件的哪些部分、擷取的可信度，以及推斷出哪些規則，而不是直接陳述。它還要求 LLM 產生健全性規則 — 常見的邊界限制條件，例如「年齡必須為非負數」 — 直接轉換為自動化理由政策使用的邊界規則。如需邊界規則的詳細資訊，請參閱 驗證數值的範圍。

範例提示：

You are a logical reasoning expert. Extract formal logical rules from the
provided text.

Output Format:
For each rule, provide:
- Rule ID: [unique identifier]
- Conditions: [ALL preconditions — preserve compound conditions with AND/OR/NOT]
- Consequence: [the outcome/action]
- Confidence: [high/medium/low based on text clarity]
- Source Reference: [quote or paraphrase from source]
- Rule Type: [explicit/implicit/sanity]

Critical Guidelines:
1. PRESERVE ALL CONDITIONS: Do not drop or simplify conditions.
2. PRESERVE LOGICAL OPERATORS: Maintain AND, OR, NOT relationships exactly.
3. PRESERVE QUANTIFIERS: Keep "all", "any", "at least", numeric thresholds.
4. PRESERVE EXCEPTIONS: Include "unless", "except when" clauses.
5. Make implicit conditions explicit only when clearly implied by context.
6. Use consistent terminology across rules.
7. Flag ambiguities such as unclear, incomplete, or contradictory statements.
8. Add sanity rules for common-sense constraints:
   - Numeric ranges (e.g., "age must be between 0 and 150")
   - Temporal constraints (e.g., "start date must be before end date")
   - Physical limits (e.g., "quantity cannot be negative")
   - Mutual exclusivity (e.g., "status cannot be both active and inactive")

Output Requirements:
- Produce final JSON only (no text or markdown).
- Use the following JSON keys:
  - "rules" for the rules array
  - "ambiguities" for the ambiguities array

Source Text:
[Paste your document here]

執行結構化擷取之後，請檢閱 JSON 輸出。請特別注意：

將檢閱的 JSON 規則轉換為純文字 if-then 陳述式，以在建立自動化原因政策時用作您的來源文件。

撰寫有效指示

建立政策時，您可以提供選用的指示，引導自動化理由如何處理您的來源文件。雖然是選用的，但良好的指示可大幅改善擷取規則和變數的品質。

有效指示應涵蓋三件事：

範例說明：

This policy will validate HR questions about leave eligibility. The document
has sections on different leave types (parental, medical, bereavement, personal).
Users will ask questions like "Am I eligible for parental leave if I've worked
here for 9 months?" or "Can part-time employees take bereavement leave?"
Focus on the eligibility criteria for each leave type. Capture variables that
help determine whether an employee is eligible for a specific type of leave.

在主控台中建立政策

使用 API 建立政策

自動化理由政策是您 AWS 帳戶中以 Amazon Resource Name (ARN) 識別的資源。透過 API 建立政策是一個兩步驟的程序：首先建立政策資源，然後啟動建置工作流程，從文件中擷取規則。

步驟 1：建立政策資源

使用 CreateAutomatedReasoningPolicy API 建立政策資源。

範例：

aws bedrock create-automated-reasoning-policy \
  --name "MyHRPolicy" \
  --description "Validates HR chatbot responses about leave eligibility" \
  --kms-key-id arn:aws:kms:us-east-1:111122223333:key/12345678-1234-1234-1234-123456789012

回應範例：

{
  "createdAt": "2025-07-21T14:43:52.692Z",
  "definitionHash": "f16ba1ceca36e1d21adce559481add6a...",
  "name": "MyHRPolicy",
  "policyArn": "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk",
  "updatedAt": "2025-07-21T14:43:52.692Z",
  "version": "DRAFT"
}

步驟 2：啟動建置工作流程以擷取規則

使用 StartAutomatedReasoningPolicyBuildWorkflow API 搭配步驟 1 的政策 ARN，從您的來源文件中擷取規則和變數。

範例：

# Encode your PDF to base64
PDF_BASE64=$(base64 -i your-policy.pdf | tr -d '\n')

# Start the build workflow
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": {
      \"version\": \"1.0\",
      \"types\": [],
      \"rules\": [],
      \"variables\": []
    },
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"HR Leave Policy\",
          \"documentDescription\": \"Validates HR chatbot responses about leave eligibility. Users ask questions like 'Am I eligible for parental leave?'\"
        }
      ]
    }
  }"

回應範例：

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

使用 檢查建置狀態ListAutomatedReasoningPolicyBuildWorkflows：

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

檢閱解壓縮的政策

建置完成後，請先檢閱解壓縮的政策定義，再開始測試。與稍後透過失敗的測試發現問題相比，此階段的快取問題可節省時間。

在 主控台中，開啟您的政策並前往定義頁面。透過 API，GetAutomatedReasoningPolicyBuildWorkflowResultAssets搭配 使用 --asset-type POLICY_DEFINITION 來擷取擷取的定義，以及--asset-type QUALITY_REPORT擷取品質報告。您可以使用 --asset-type ASSET_MANIFEST 參數查看工作流程期間產生的資產完整清單，例如保真度報告。

檢查是否有下列問題：

檢閱保真度報告

當您從來源文件建立政策時，系統會隨著擷取的政策自動產生保真度報告。保真度報告會測量政策代表您來源內容的準確度，並提供詳細的基礎，將每個規則和變數連結回文件中的特定陳述式。如需保真度報告概念的詳細資訊，請參閱 富達報告。

在主控台中檢閱保真度報告

在 主控台中，開啟您的政策，然後選擇來源文件索引標籤 (定義旁）。來源內容檢視會將從文件中擷取的每個原子陳述式顯示為資料表中的編號列。每一列顯示：

使用資料表頂端的規則和變數下拉式清單篩選條件，以專注於基於特定規則或變數的陳述式。使用搜尋列在擷取的陳述式中尋找特定內容。

如果您在初始擷取之後編輯政策，例如修改規則或新增變數，請選擇重新產生按鈕來更新逼真度報告，以便反映您目前的政策定義。

使用 API 檢閱保真度報告

使用 GetAutomatedReasoningPolicyBuildWorkflowResultAssets搭配 --asset-type FIDELITY_REPORT來擷取保真度報告。若要在政策變更後重新產生報告，請使用 StartAutomatedReasoningPolicyBuildWorkflow搭配建置工作流程類型，GENERATE_FIDELITY_REPORT並在 generateFidelityReportContent 欄位中提供來源文件。工作流程會根據目前的政策定義重新分析文件，並產生新的逼真度報告。您也可以使用 --asset-type SOURCE_DOCUMENT搭配 --asset-id 參數從先前的建置工作流程擷取原始來源文件 （從資產資訊清單取得資產 ID)。

要尋找的內容

從 APIs 檢閱保真度報告時，請注意：

反覆政策建置

對於複雜的網域，請逐步建置您的政策，而不是嘗試在單一文件上傳中擷取所有內容。從規則的重點子集開始，建立和測試政策，然後在後續反覆運算中新增更多內容。

在主控台中新增內容

使用 API 新增內容

StartAutomatedReasoningPolicyBuildWorkflow 使用 呼叫 INGEST_CONTENT，將完整的目前政策定義與新文件一起傳遞。您必須包含完整的現有定義 — 規則、變數和類型 —，以便新內容與現有政策合併，而不是取代它。

# First, retrieve the current policy definition
aws bedrock get-automated-reasoning-policy \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk

# Encode the new document
PDF_BASE64=$(base64 -i additional-rules.pdf | tr -d '\n')

# Start a build workflow with the existing definition + new document
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": EXISTING_POLICY_DEFINITION_JSON,
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"Additional Benefits Rules\",
          \"documentDescription\": \"Additional rules covering medical and bereavement leave eligibility.\"
        }
      ]
    }
  }"

自動推理政策的 KMS 許可

如果您指定客戶自管 KMS 金鑰來加密自動推理政策，則必須設定許可，那些許可會允許 Amazon Bedrock 代表您使用金鑰。

金鑰政策許可

將下列陳述式新增至 KMS 金鑰政策，以允許 Amazon Bedrock 使用自動推理政策的金鑰：

{
  "Sid": "PermissionsForAutomatedReasoningPolicy",
  "Effect": "Allow",
  "Principal": {
    "AWS": "arn:aws:iam::111122223333:user/role"
  },
  "Action": [
    "kms:Decrypt",
    "kms:DescribeKey",
    "kms:GenerateDataKey"
  ],
  "Resource": "*",
  "Condition": {
    "StringEquals": {
      "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
      ],
      "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
    }
  }
}

IAM 許可

IAM 主體必須具有下列許可，才能使用客戶自管 KMS 金鑰搭配自動推理政策：

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "AllowKMSForAutomatedReasoningPolicy",
      "Effect": "Allow",
      "Action": [
        "kms:Decrypt",
        "kms:DescribeKey",
        "kms:GenerateDataKey"
      ],
      "Resource": "arn:aws:kms:us-east-1:111122223333:key/key-id",
      "Condition": {
        "StringEquals": {
          "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
          ],
          "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
        }
      }
    }
  ]
}

加密內容

Amazon Bedrock 使用加密內容來為自動推理政策提供額外的安全性。加密內容是一組金鑰/值對，用於加密和解密政策時的額外已驗證資料。

對於自動推理政策，Amazon Bedrock 會使用下列加密內容：