ਬਹੁ-ਮੋਡਲ RAG ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣਾ

ਅੱਜਕੱਲ੍ਹ, ਸੰਗਠਨਾਂ ਨੂੰ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਗੈਰ-ਸੰਗਠਿਤ ਡੇਟਾ ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜੋ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਮੌਜੂਦ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਦਸਤਾਵੇਜ਼, ਚਿੱਤਰ, ਆਡੀਓ ਫਾਈਲਾਂ ਅਤੇ ਵੀਡੀਓ ਫਾਈਲਾਂ ਸ਼ਾਮਲ ਹਨ। ਪਹਿਲਾਂ, ਇਹਨਾਂ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਦੇ ਡੇਟਾ ਤੋਂ ਸਾਰਥਕ ਜਾਣਕਾਰੀ ਕੱਢਣ ਲਈ, ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਵਿਕਾਸ ਦੇ ਕੰਮ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ। ਪਰ, ਉਤਪਾਦਕ ਏਆਈ ਤਕਨਾਲੋਜੀ ਇਸ ਖੇਤਰ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆ ਰਹੀ ਹੈ, ਇਹ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜੋ ਇਹਨਾਂ ਵੱਖ-ਵੱਖ ਦਸਤਾਵੇਜ਼ ਫਾਰਮੈਟਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਸਵੈਚਲਿਤ ਢੰਗ ਨਾਲ ਪ੍ਰੋਸੈਸ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਇਸ ਤੋਂ ਜਾਣਕਾਰੀ ਕੱਢ ਸਕਦੀ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਦਸਤੀ ਕੰਮ ਦੀ ਮਾਤਰਾ ਨੂੰ ਬਹੁਤ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਨਾਲ ਹੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਸਕੇਲੇਬਿਲਟੀ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ।

Amazon Bedrock Data Automation ਅਤੇ Amazon Bedrock Knowledge Bases ਦੀ ਮਦਦ ਨਾਲ, ਤੁਸੀਂ ਹੁਣ ਆਸਾਨੀ ਨਾਲ ਸ਼ਕਤੀਸ਼ਾਲੀ ਬਹੁ-ਮੋਡਲ RAG ਐਪਲੀਕੇਸ਼ਨ ਬਣਾ ਸਕਦੇ ਹੋ। ਉਹ ਇਕੱਠੇ ਮਿਲ ਕੇ ਸੰਗਠਨਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਬਹੁ-ਮੋਡਲ ਸਮੱਗਰੀ ਵਿੱਚ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰੋਸੈਸ, ਸੰਗਠਿਤ ਅਤੇ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ, ਇਸ ਤਰ੍ਹਾਂ ਉਹਨਾਂ ਦੇ ਗੈਰ-ਸੰਗਠਿਤ ਡੇਟਾ ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਅਤੇ ਵਰਤਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲਦੇ ਹਨ।

ਇਹ ਲੇਖ ਤੁਹਾਨੂੰ ਇੱਕ ਫੁੱਲ-ਸਟੈਕ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਲਈ ਮਾਰਗਦਰਸ਼ਨ ਕਰੇਗਾ, ਜੋ Amazon Bedrock Data Automation ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਹੁ-ਮੋਡਲ ਸਮੱਗਰੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਦੀ ਹੈ, ਕੱਢੀ ਗਈ ਜਾਣਕਾਰੀ ਨੂੰ Amazon Bedrock Knowledge Bases ਵਿੱਚ ਸਟੋਰ ਕਰਦੀ ਹੈ, ਅਤੇ RAG-ਅਧਾਰਿਤ ਸਵਾਲ-ਜਵਾਬ ਇੰਟਰਫੇਸ ਦੁਆਰਾ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦੇ ਸਵਾਲਾਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀ ਹੈ।

ਅਸਲ ਜੀਵਨ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ

Amazon Bedrock Data Automation ਅਤੇ Amazon Bedrock Knowledge Bases ਦਾ ਏਕੀਕਰਨ, ਵੱਖ-ਵੱਖ ਉਦਯੋਗਾਂ ਵਿੱਚ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਗੈਰ-ਸੰਗਠਿਤ ਡੇਟਾ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੱਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ:

• ਸਿਹਤ ਸੰਭਾਲ ਦੇ ਖੇਤਰ ਵਿੱਚ, ਸੰਗਠਨਾਂ ਨੂੰ ਮਰੀਜ਼ਾਂ ਦੇ ਰਿਕਾਰਡਾਂ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਡਾਕਟਰੀ ਫਾਰਮ, ਡਾਇਗਨੌਸਟਿਕ ਚਿੱਤਰ ਅਤੇ ਸਲਾਹ-ਮਸ਼ਵਰੇ ਦੀਆਂ ਰਿਕਾਰਡਿੰਗਾਂ ਸ਼ਾਮਲ ਹਨ। Amazon Bedrock Data Automation ਇਹਨਾਂ ਜਾਣਕਾਰੀਆਂ ਨੂੰ ਸਵੈਚਲਿਤ ਢੰਗ ਨਾਲ ਕੱਢ ਅਤੇ ਬਣਾ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਕਿ Amazon Bedrock Knowledge Bases ਡਾਕਟਰੀ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦੇ ਸਵਾਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ “ਮਰੀਜ਼ ਦੇ ਆਖਰੀ ਬਲੱਡ ਪ੍ਰੈਸ਼ਰ ਦੀ ਰੀਡਿੰਗ ਕੀ ਸੀ?” ਜਾਂ “ਡਾਇਬਟੀਜ਼ ਦੇ ਮਰੀਜ਼ਾਂ ਦਾ ਇਲਾਜ ਇਤਿਹਾਸ ਦਿਖਾਓ”।
• ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਹਰ ਰੋਜ਼ ਹਜ਼ਾਰਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ‘ਤੇ ਕਾਰਵਾਈ ਕਰਦੀਆਂ ਹਨ, ਕਰਜ਼ੇ ਦੀਆਂ ਅਰਜ਼ੀਆਂ ਤੋਂ ਲੈ ਕੇ ਵਿੱਤੀ ਬਿਆਨਾਂ ਤੱਕ। Amazon Bedrock Data Automation ਮੁੱਖ ਵਿੱਤੀ ਮਾਪਦੰਡਾਂ ਅਤੇ ਪਾਲਣਾ ਜਾਣਕਾਰੀ ਨੂੰ ਕੱਢ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਕਿ Amazon Bedrock Knowledge Bases ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ: “ਨਵੀਨਤਮ ਤਿਮਾਹੀ ਰਿਪੋਰਟ ਵਿੱਚ ਕਿਹੜੇ ਜੋਖਮ ਕਾਰਕਾਂ ਦਾ ਜ਼ਿਕਰ ਕੀਤਾ ਗਿਆ ਸੀ?” ਜਾਂ “ਉੱਚ ਕ੍ਰੈਡਿਟ ਸਕੋਰ ਵਾਲੀਆਂ ਸਾਰੀਆਂ ਕਰਜ਼ੇ ਦੀਆਂ ਅਰਜ਼ੀਆਂ ਦਿਖਾਓ”।
• ਲਾਅ ਫਰਮਾਂ ਨੂੰ ਕੇਸ ਫਾਈਲਾਂ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਨਾਲ ਨਜਿੱਠਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਅਦਾਲਤੀ ਦਸਤਾਵੇਜ਼, ਸਬੂਤ ਫੋਟੋਆਂ ਅਤੇ ਗਵਾਹਾਂ ਦੇ ਬਿਆਨ ਹੁੰਦੇ ਹਨ। Amazon Bedrock Data Automation ਇਹਨਾਂ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ‘ਤੇ ਕਾਰਵਾਈ ਕਰ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਕਿ Amazon Bedrock Knowledge Bases ਵਕੀਲਾਂ ਨੂੰ ਸਵਾਲ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ “15 ਮਾਰਚ ਦੀ ਘਟਨਾ ਬਾਰੇ ਕੀ ਸਬੂਤ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਹਨ?” ਜਾਂ “ਮੁਲਜ਼ਮ ਦਾ ਜ਼ਿਕਰ ਕਰਨ ਵਾਲੇ ਸਾਰੇ ਗਵਾਹਾਂ ਦੇ ਬਿਆਨ ਲੱਭੋ”।
• ਮੀਡੀਆ ਕੰਪਨੀਆਂ ਸਮਾਰਟ ਪ੍ਰਸੰਗਿਕ ਵਿਗਿਆਪਨ ਲਈ ਇਸ ਏਕੀਕਰਣ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੀਆਂ ਹਨ। Amazon Bedrock Data Automation ਵੀਡੀਓ ਸਮੱਗਰੀ, ਸੁਰਖੀਆਂ ਅਤੇ ਆਡੀਓ ਨੂੰ ਸੀਨ ਦੇ ਪ੍ਰਸੰਗ, ਗੱਲਬਾਤ ਅਤੇ ਭਾਵਨਾਵਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਪ੍ਰੋਸੈਸ ਕਰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਵਿਗਿਆਪਨ ਸੰਪਤੀਆਂ ਅਤੇ ਵਿਗਿਆਪਨ ਮੁਹਿੰਮ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀ ਹੈ। ਫਿਰ, Amazon Bedrock Knowledge Bases ਵਿਗਿਆਪਨਾਂ ਨੂੰ ਢੁਕਵੇਂ ਸਮੱਗਰੀ ਪਲਾਂ ਨਾਲ ਮਿਲਾਉਣ ਲਈ ਗੁੰਝਲਦਾਰ ਸਵਾਲਾਂ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ “ਖੇਡਾਂ ਦੇ ਸਾਜ਼ੋ-ਸਾਮਾਨ ਦੇ ਵਿਗਿਆਪਨ ਵਾਲੇ ਸਕਾਰਾਤਮਕ ਬਾਹਰੀ ਸੀਨ ਲੱਭੋ” ਜਾਂ “ਸੈਰ-ਸਪਾਟਾ ਬਾਰੇ ਚਰਚਾ ਕਰਨ ਵਾਲੇ ਸੈਰ-ਸਪਾਟਾ ਵਿਗਿਆਪਨ ਦੇ ਟੁਕੜਿਆਂ ਦੀ ਪਛਾਣ ਕਰੋ”। ਇਹ ਸਮਾਰਟ ਪ੍ਰਸੰਗਿਕ ਮੈਚ ਬ੍ਰਾਂਡ ਸੁਰੱਖਿਆ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹੋਏ ਇੱਕ ਵਧੇਰੇ ਢੁਕਵੀਂ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਿਗਿਆਪਨ ਪਲੇਸਮੈਂਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਇਹ ਉਦਾਹਰਣਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਕਿਵੇਂ Amazon Bedrock Data Automation ਦੀ ਐਕਸਟਰੈਕਸ਼ਨ ਸਮਰੱਥਾ ਅਤੇ Amazon Bedrock Knowledge Bases ਦੇ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਸਵਾਲਾਂ ਦੇ ਸੁਮੇਲ ਨਾਲ ਸੰਗਠਨਾਂ ਦੁਆਰਾ ਉਹਨਾਂ ਦੇ ਗੈਰ-ਸੰਗਠਿਤ ਡੇਟਾ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਹੱਲ ਸੰਖੇਪ ਜਾਣਕਾਰੀ

ਇਹ ਵਿਆਪਕ ਹੱਲ ਬਹੁ-ਮੋਡਲ ਸਮੱਗਰੀ (ਦਸਤਾਵੇਜ਼, ਚਿੱਤਰ, ਆਡੀਓ ਫਾਈਲਾਂ ਅਤੇ ਵੀਡੀਓ ਫਾਈਲਾਂ) ਨੂੰ ਸੰਭਾਲਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਿੱਚ Amazon Bedrock ਦੀਆਂ ਉੱਨਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਇਹ ਤਿੰਨ ਮੁੱਖ ਭਾਗਾਂ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: Amazon Bedrock Data Automation, Amazon Bedrock Knowledge Bases ਅਤੇ Amazon Bedrock ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਬੁਨਿਆਦੀ ਮਾਡਲ। ਉਪਭੋਗਤਾ ਸਵੈਚਲਿਤ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੀ ਸਮੱਗਰੀ ਅੱਪਲੋਡ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਆਡੀਓ ਫਾਈਲਾਂ, ਚਿੱਤਰ, ਵੀਡੀਓ ਜਾਂ PDF ਸ਼ਾਮਲ ਹਨ।

ਜਦੋਂ ਤੁਸੀਂ ਸਮੱਗਰੀ ਅੱਪਲੋਡ ਕਰਦੇ ਹੋ, ਤਾਂ Amazon Bedrock Data Automation ਇਸ ਤੋਂ ਕੀਮਤੀ ਜਾਣਕਾਰੀ ਕੱਢਣ ਲਈ ਮਿਆਰੀ ਜਾਂ ਕਸਟਮ ਬਲੂਪ੍ਰਿੰਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ‘ਤੇ ਕਾਰਵਾਈ ਕਰਦੀ ਹੈ। ਕੱਢੀ ਗਈ ਜਾਣਕਾਰੀ ਨੂੰ JSON ਫ਼ਾਰਮੈਟ ਵਿੱਚ Amazon Simple Storage Service (Amazon S3) ਸਟੋਰੇਜ ਬਾਲਟੀ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਨੌਕਰੀ ਦੀ ਸਥਿਤੀ ਨੂੰ Amazon EventBridge ਰਾਹੀਂ ਟਰੈਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ Amazon DynamoDB ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹੱਲ ਨੌਕਰੀ ਦੀ ਸਥਿਤੀ ਸਟੋਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਹੱਲ ਕੱਢੇ ਗਏ JSON ਦੇ ਕਸਟਮ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਗਿਆਨ ਦੇ ਅਧਾਰ ਨਾਲ ਅਨੁਕੂਲ ਦਸਤਾਵੇਜ਼ ਬਣਾਏ ਜਾ ਸਕਣ, ਅਤੇ ਫਿਰ ਇਹਨਾਂ ਨੂੰ Amazon Bedrock Knowledge Bases ਵਿੱਚ ਸਟੋਰ ਅਤੇ ਇੰਡੈਕਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਇੱਕ ਅਨੁਭਵੀ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ ਦੁਆਰਾ, ਹੱਲ ਇੱਕੋ ਸਮੇਂ ਅੱਪਲੋਡ ਕੀਤੀ ਸਮੱਗਰੀ ਅਤੇ ਇਸ ਤੋਂ ਕੱਢੀ ਗਈ ਜਾਣਕਾਰੀ ਦੋਵਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਰੀਟਰੀਵਲ ਔਗਮੈਂਟਡ ਜਨਰੇਸ਼ਨ (RAG) ‘ਤੇ ਆਧਾਰਿਤ ਸਵਾਲ-ਜਵਾਬ ਸਿਸਟਮ ਨਾਲ ਪ੍ਰੋਸੈਸ ਕੀਤੇ ਡੇਟਾ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸਨੂੰ Amazon Bedrock ਬੁਨਿਆਦੀ ਮਾਡਲ ਦੁਆਰਾ ਸਮਰਥਨ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਏਕੀਕ੍ਰਿਤ ਪਹੁੰਚ ਸੰਗਠਨਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਸਮੱਗਰੀ ਫਾਰਮੈਟਾਂ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰੋਸੈਸ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ, ਜਦੋਂ ਕਿ AWS Cloud Development Kit (AWS CDK) ਦੁਆਰਾ ਤਾਇਨਾਤ ਇੱਕ ਮਜ਼ਬੂਤ ਅਤੇ ਸਕੇਲੇਬਲ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਵਰਤਦੀ ਹੈ।

ਆਰਕੀਟੈਕਚਰ

ਹੇਠਾਂ ਦਿੱਤਾ ਆਰਕੀਟੈਕਚਰ ਚਿੱਤਰ ਹੱਲ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ:

1. ਉਪਭੋਗਤਾ Amazon Cognito ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਫਰੰਟਐਂਡ ਐਪਲੀਕੇਸ਼ਨ ਨਾਲ ਗੱਲਬਾਤ ਕਰਦੇ ਹਨ।
2. API ਬੇਨਤੀਆਂ ਨੂੰ Amazon API Gateway ਅਤੇ AWS Lambda ਫੰਕਸ਼ਨਾਂ ਦੁਆਰਾ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ।
3. ਫਾਈਲਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ S3 ਸਟੋਰੇਜ ਬਾਲਟੀ ਵਿੱਚ ਅੱਪਲੋਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
4. Amazon Bedrock Data Automation ਫਾਈਲਾਂ ‘ਤੇ ਕਾਰਵਾਈ ਕਰਦੀ ਹੈ ਅਤੇ ਜਾਣਕਾਰੀ ਕੱਢਦੀ ਹੈ।
5. EventBridge ਨੌਕਰੀ ਦੀ ਸਥਿਤੀ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹੈ ਅਤੇ ਪੋਸਟ-ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਚਾਲੂ ਕਰਦਾ ਹੈ।
6. ਨੌਕਰੀ ਦੀ ਸਥਿਤੀ DynamoDB ਵਿੱਚ ਸਟੋਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਪ੍ਰੋਸੈਸ ਕੀਤੀ ਗਈ ਸਮੱਗਰੀ Amazon S3 ਵਿੱਚ ਸਟੋਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
7. Lambda ਫੰਕਸ਼ਨ ਪ੍ਰੋਸੈਸ ਕੀਤੀ ਗਈ ਸਮੱਗਰੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਅਤੇ Amazon Bedrock Knowledge Bases ਵਿੱਚ ਇੰਡੈਕਸ ਕਰਦਾ ਹੈ।
8. RAG-ਅਧਾਰਿਤ ਸਵਾਲ-ਜਵਾਬ ਸਿਸਟਮ ਉਪਭੋਗਤਾ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ Amazon Bedrock ਬੁਨਿਆਦੀ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

ਪੂਰਵ-ਲੋੜਾਂ

ਬੈਕਐਂਡ

ਬੈਕਐਂਡ ਲਈ, ਤੁਹਾਡੇ ਕੋਲ ਹੇਠ ਲਿਖੀਆਂ ਪੂਰਵ-ਲੋੜਾਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ:

• ਇੱਕ AWS ਖਾਤਾ।
• Python 3.11 ਜਾਂ ਇਸ ਤੋਂ ਬਾਅਦ ਦਾ ਸੰਸਕਰਣ।
• Docker।
• GitHub (ਜੇ ਕੋਡ ਰਿਪੋਜ਼ਟਰੀ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ)।
• AWS CDK। ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਅਤੇ ਪੂਰਵ-ਲੋੜਾਂ ਲਈ, AWS CDK ਨਾਲ ਸ਼ੁਰੂਆਤ ਦੇਖੋ।
• Amazon Bedrock ਵਿੱਚ ਬੁਨਿਆਦੀ ਮਾਡਲਾਂ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਸਮਰੱਥ ਬਣਾਓ:
  • Anthropic ਦਾ Claude 3.5 Sonnet v2.0
  • Amazon Nova Pro v1.0
  • Anthropic ਦਾ Claude 3.7 Sonnet v1.0

ਫਰੰਟਐਂਡ

ਫਰੰਟਐਂਡ ਲਈ, ਤੁਹਾਡੇ ਕੋਲ ਹੇਠ ਲਿਖੀਆਂ ਪੂਰਵ-ਲੋੜਾਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ:

• Node/npm: v18.12.1
• ਇੱਕ ਤੈਨਾਤ ਬੈਕਐਂਡ।
• ਘੱਟੋ-ਘੱਟ ਇੱਕ ਉਪਭੋਗਤਾ ਨੂੰ ਸੰਬੰਧਿਤ Amazon Cognito ਉਪਭੋਗਤਾ ਪੂਲ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ (ਪ੍ਰਮਾਣਿਤ API ਕਾਲਾਂ ਲਈ ਜ਼ਰੂਰੀ)।

ਤੁਹਾਨੂੰ ਲੋੜੀਂਦੀ ਹਰ ਚੀਜ਼ ਓਪਨ ਸੋਰਸ ਕੋਡ ਦੇ ਰੂਪ ਵਿੱਚ ਸਾਡੀ GitHub ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਉਪਲਬਧ ਹੈ।

ਤਾਇਨਾਤੀ ਗਾਈਡ

ਇਸ ਉਦਾਹਰਣ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡਬੇਸ ਨੂੰ ਹੇਠ ਲਿਖੇ ਮੁੱਖ ਫੋਲਡਰਾਂ ਵਿੱਚ ਸੰਗਠਿਤ ਕੀਤਾ ਗਿਆ ਹੈ:

samples/bedrock-bda-media-solution