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。

# Amazon Personalize 和生成式 AI
<a name="personalize-with-gen-ai"></a>

 Amazon Personalize 非常適合用於生成式人工智慧 （生成式 AI)。在生成式 AI 的協助下，Amazon Personalize Content Generator 可以將吸引人的主題新增至相關項目的批次建議。*內容產生器*是由 Amazon Personalize 管理的生成式 AI 功能。

 您也可以使用 Amazon Personalize 建議，將 Amazon Personalize 與您的生成式 AI 工作流程整合，並增強您的使用者體驗。例如，您可以將建議新增至生成式 AI 提示，以建立針對每個使用者興趣量身打造的行銷內容。您也可以產生建議內容的簡潔摘要，或透過聊天機器人推薦產品或內容。

下列影片顯示如何使用 Amazon Personalize 和生成式 AI 增強建議。

[![AWS Videos](http://img.youtube.com/vi/9x9X2wNpd1I/0.jpg)](http://www.youtube.com/watch?v=9x9X2wNpd1I)


 下列 Amazon Personalize 功能使用生成式 AI 或 ，可協助您建置生成式 AI 解決方案來建立個人化內容。如需示範如何搭配生成式 AI 使用 Amazon Personalize 的範例 Jupyter 筆記本，請參閱 [Amazon Personalize 範例](https://github.com/aws-samples/amazon-personalize-samples)儲存庫中的[搭配 Amazon Personalize 的生成式 AI](https://github.com/aws-samples/amazon-personalize-samples/tree/master/next_steps/generative_ai)。

**Topics**
+ [來自內容產生器的佈景主題建議](#gen-ai-themed-rec)
+ [建議中繼資料](#gen-ai-metadata)
+ [用於個人化之預先設定的 LangChain 程式碼](#gen-ai-langchain)

## 來自內容產生器的佈景主題建議
<a name="gen-ai-themed-rec"></a>

Amazon Personalize Content Generator 可以將描述性主題新增至批次建議。*內容產生器*是由 Amazon Personalize 管理的生成式 AI 功能。

當您使用主題取得批次建議時，Amazon Personalize Content Generator 會為每個類似的項目集新增描述性主題。例如，如果您取得類似項目的早點食品建議，Amazon Personalize 可能會產生*像上升和亮光*或*早點基本概念*等主題。您可以使用佈景主題來取代一般輪跳功能標題，例如*經常一起購買*。或者，您可以在促銷電子郵件或行銷活動中納入主題，以取得新的選單選項。

若要產生佈景主題，您可以將資料匯入項目互動和項目資料集、使用類似項目配方建立自訂解決方案，以及產生批次建議。您的項目資料必須包含項目描述和標題資訊。詳細的項目描述和標題可協助內容產生器建立更準確且引人入勝的主題。
+ 如需 Amazon Personalize 工作流程的相關資訊，請參閱 [Amazon Personalize 工作流程詳細資訊](personalize-workflow.md)。
+ 如需批次建議的相關資訊，請參閱 [取得批次項目建議](getting-batch-recommendations.md)或 [取得批次使用者區段](getting-user-segments.md)。
+ 如需使用主題產生項目建議的資訊，請參閱 [來自 Content Generator 的具有主題的批次建議](themed-batch-recommendations.md)。

## 建議中繼資料
<a name="gen-ai-metadata"></a>

 當您取得建議時，您可以讓 Amazon Personalize 從項目資料集傳回每個建議項目的中繼資料。您可以將此中繼資料以及 Amazon Personalize 建議新增至生成式 AI 提示，以產生更吸引人的內容。

 例如，您可以使用生成式 AI 來建立行銷電子郵件。您可以使用 Amazon Personalize 建議及其中繼資料，例如電影類型，作為生成式 AI 的提示工程的一部分。透過個人化提示，您可以使用生成式 AI 來建立針對每位客戶興趣量身打造的吸引人行銷電子郵件。

 若要取得建議中繼資料，請先完成 Amazon Personalize 工作流程，以匯入資料並建立網域或自訂資源。當您建立 Amazon Personalize *推薦者*或*行銷活動*時，啟用 選項以在建議中包含中繼資料。當您取得建議時，您可以指定要包含的項目資料欄。
+  如需 Amazon Personalize 工作流程的相關資訊，請參閱 [Amazon Personalize 工作流程詳細資訊](personalize-workflow.md)。
+ 如需啟用建議者中繼資料的詳細資訊，請參閱在[建議中啟用中繼資料 （網域資源）](create-recommender-return-metadata.md)。
+ 如需啟用行銷活動中繼資料的詳細資訊，請參閱在[建議中啟用中繼資料 （自訂資源）](campaigns.md#create-campaign-return-metadata)。
+  如需如何透過生成式 AI 使用 Amazon Personalize 來建立行銷活動的詳細資訊，請參閱[使用 Amazon Personalize 和生成式 AI 升級您的行銷解決方案](https://aws.amazon.com/blogs/machine-learning/elevate-your-marketing-solutions-with-amazon-personalize-and-generative-ai/)。

## 用於個人化之預先設定的 LangChain 程式碼
<a name="gen-ai-langchain"></a>

LangChain 是一種架構，用於開發採用語言模型的應用程式。它具有為 Amazon Personalize 建置的程式碼。您可以使用此程式碼，將 Amazon Personalize 建議與您的生成式 AI 解決方案整合。

 例如，您可以使用下列程式碼，將使用者的 Amazon Personalize 建議新增至您的鏈結。

```
from aws_langchain import AmazonPersonalize
from aws_langchain import AmazonPersonalizeChain
from langchain.llms.bedrock import Bedrock

recommender_arn="{{RECOMMENDER ARN}}"

bedrock_llm = Bedrock(model_id="anthropic.claude-v2", region_name="us-west-2")
client=AmazonPersonalize(credentials_profile_name="default",region_name="us-west-2",recommender_arn=recommender_arn)
# Create personalize chain
# Use return_direct=True if you do not want summary
chain = AmazonPersonalizeChain.from_llm(
    llm=bedrock_llm, 
    client=client,
    return_direct=False 
)
response = chain({'user_id': '1'})
print(response)
```
+ 如需有關開始使用 LangChain 的資訊，請參閱 LangChain 文件中的[簡介](https://python.langchain.com/v0.2/docs/introduction/)。
+ 如需使用為 Amazon Personalize 建置的 LangChain 程式碼的詳細資訊，包括更進階的程式碼範例，請參閱[AWS 範例](https://github.com/aws-samples/)儲存庫中的 [Amazon Personalize LangChain 擴充](https://github.com/aws-samples/amazon-personalize-langchain-extensions)功能。