概述
本指南将演示如何利用 AWS 上的生成式人工智能
将非结构化工业数据转化为切实可行的洞察。本指南
将向操作员和管理人员展示如何实施自然语言
交互，以进行实时设备诊断、维护规划
和文档访问。通过整合 Amazon Bedrock 和
Amazon Q Business 等 AWS 服务，本指南可以使用
检索增强生成（RAG）和实体提取等高级技术，
帮助简化工作流问题排查。使用本
指南，操作员和管理人员可以减少停机时间、提高
运营效率，并通过人工智能驱动的推荐和
智能数据处理功能来做出数据驱动型决策。
优势
帮助维护团队与人工智能进行自然语言对话，以便快速诊断问题。人工智能能够以智能化的方式分析设备遥测和维护文档。缩短平均修复时间（MTTR），同时维持安全控制。
通过与企业系统进行安全的集成，自动创建工单并访问运营数据。为维护人员提供自助式问题排查功能，同时确保一致的程序合规性。
部署从您的文档和历史数据中收集的集中式维护情报。提供人工智能辅助诊断，同时保持基于角色的访问控制和审计功能。
自信地进行部署
为部署做好准备了吗？ 查看 GitHub 上的示例代码，了解详细的部署说明，以根据需要按原样部署或进行自定义部署。
免责声明
示例代码；软件库；命令行工具；概念验证；模板；或其他相关技术（包括由我方人员提供的任何前述项）作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议（以适用者为准）向您提供。您不应将这些 AWS 内容用在您的生产账户中，或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容，例如示例代码，以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源（例如，运行 Amazon EC2 实例或使用 Amazon S3 存储）而产生 AWS 费用。
本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指南是一个技术起点，您可以在部署架构时自定义与第三方服务的集成。
找到今天要查找的内容了吗？
请提供您的意见，以便我们改进网页内容的质量。