[SEO 副标题]
本指引将展示如何使用 AWS 机器学习（ML）服务将语义相似的图像返回到文章中。本指引还使用人工智能（AI）服务和预训练的大型语言模型（LLM）来总结文章并提取要点，这些要点将成为 Amazon OpenSearch Service 索引的搜索输入参数。随后，对索引进行的搜索将返回最相关的图像以及文章中的要点，例如名人姓名，这有助于更快地发现文章中的图像。
请注意：[免责声明]
架构图
[架构图描述]
第 1 步
将图像上传到 Amazon Simple Storage Service（Amazon S3），以便为 Amazon OpenSearch Service 预加载可搜索的元数据。
第 2 步
Amazon EventBridge 侦听事件并启动一个 AWS Step Functions 工作流。
第 3 步
Amazon Rekognition 从图像中提取标签和名人元数据。
第 4 步
AWS Lambda 调用 Amazon Bedrock Amazon Titan 多模态嵌入模型，以生成图像本身的一个嵌入。
第 5 步
下一个 Lambda 函数将所提取的图像元数据和嵌入存储到 OpenSearch Service，以便于搜索。
第 6 步
内容管理系统模拟新闻环境。Amazon S3 托管一个用于语义图像搜索工作负载的简单静态网站，由 Amazon CloudFront 发行版提供服务。Amazon Cognito 保护 Web 应用程序免遭未经身份验证的用户侵害。
第 7 步
编辑人员写完文章之后，他们选择使用搜索按钮对后端调用一个 Amazon API Gateway API。后端将提取姓名、总结文章并生成嵌入，此嵌入将用作对 OpenSearch Service 进行的搜索查询的一部分。
第 8 步
Lambda 使用文章文本调用 Amazon Comprehend，以检测文章中的人员实体。
第 9 步
Lambda 调用 Amazon Bedrock Amazon Titan Text G1 – Express 模型，以获得人员姓名、按知名度对人员姓名进行排序以及对文章进行总结，以满足多模态嵌入模型的提示令牌最大计数要求。
第 10 步
Lambda 调用 Amazon Bedrock Amazon Titan 多模态嵌入 – G1 模型，以生成所总结的文章的一个嵌入。
第 11 步
Lambda 使用所总结的文章的嵌入和知名度最高的人员的姓名，并将精确的 k 最近邻（k-NN）与评分脚本结合使用，以便对 OpenSearch Service 执行查询。这样将返回最具语义相关性并包含给定名人（如果在给定的文章中存在）的图像。
第 12 步
Amazon CloudWatch 和 AWS X-Ray 提供对本指引中的运行状况的可观测性。
第 1 步
将图像上传到 Amazon Simple Storage Service（Amazon S3），以便为 Amazon OpenSearch Service 预加载可搜索的元数据。
第 2 步
Amazon EventBridge 侦听事件并启动一个 AWS Step Functions 工作流。
第 3 步
Amazon Rekognition 从图像中提取标签和名人元数据。
第 4 步
AWS Lambda 调用 Amazon Bedrock Amazon Titan 多模态嵌入模型，以生成图像本身的一个嵌入。
第 5 步
下一个 Lambda 函数将所提取的图像元数据和嵌入存储到 OpenSearch Service，以便于搜索。
第 6 步
内容管理系统模拟新闻环境。Amazon S3 托管一个用于语义图像搜索工作负载的简单静态网站，由 Amazon CloudFront 发行版提供服务。Amazon Cognito 保护 Web 应用程序免遭未经身份验证的用户侵害。
第 7 步
编辑人员写完文章之后，他们选择使用搜索按钮对后端调用一个 Amazon API Gateway API。后端将提取姓名、总结文章并生成嵌入，此嵌入将用作对 OpenSearch Service 进行的搜索查询的一部分。
第 8 步
Lambda 使用文章文本调用 Amazon Comprehend，以检测文章中的人员实体。
第 9 步
Lambda 调用 Amazon Bedrock Amazon Titan Text G1 – Express 模型，以获得人员姓名、按知名度对人员姓名进行排序以及对文章进行总结，以满足多模态嵌入模型的提示令牌最大计数要求。
第 10 步
Lambda 调用 Amazon Bedrock Amazon Titan 多模态嵌入 – G1 模型，以生成所总结的文章的一个嵌入。
第 11 步
Lambda 使用所总结的文章的嵌入和知名度最高的人员的姓名，并将精确的 k 最近邻（k-NN）与评分脚本结合使用，以便对 OpenSearch Service 执行查询。这样将返回最具语义相关性并包含给定名人（如果在给定的文章中存在）的图像。
第 12 步
Amazon CloudWatch 和 AWS X-Ray 提供对本指引中的运行状况的可观测性。
Well-Architected 支柱
当您在云中构建系统时，AWS Well-Architected Framework 可以帮助您了解所做决策的利弊。框架的六大支柱使您能够学习设计和操作可靠、安全、高效、经济高效且可持续的系统的架构最佳实践。使用 AWS 管理控制台中免费提供的 AWS Well-Architected Tool，您可以通过回答每个支柱的一组问题，根据这些最佳实践来检查您的工作负载。
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。
-
卓越运营阅读《卓越运营》白皮书
使用 CloudWatch 和 X-Ray，您可以了解应用程序的运行状况，并通过 X-Ray 提供的关联 ID 确定哪里可能存在问题。X-Ray 与本指引中的很多 AWS 服务集成在一起，可以揭示在一系列事件中的哪个环节发生了问题。
此外，CloudWatch 提供了监控控制面板并为指标设置了阈值，以便在出现问题时提醒您。很多服务还可以向 CloudWatch 写入日志，以便对问题执行后期分析。CloudWatch 自动监控基础设施，并在工作流中实现自动化，以便在发生运营问题时通知您。
-
安全性阅读《安全性》白皮书
要访问这些 API，Amazon Cognito 必须提供身份验证。如果不进行身份验证，个人将无法访问任何后端服务。Amazon Cognito 可扩展以设置，并与 API Gateway 进行了原生集成。API Gateway 自动为后端服务提供保护，以使它们免受分布式拒绝服务（DDoS）攻击。
使用 AWS Identity and Access Management（IAM），您可以提供对资源的精细最低访问权限。IAM 对 Lambda 应用策略，以确认它只能调用 IAM 策略中明确提供的特定 API，从而限制本指引中的访问权限。
-
可靠性阅读《可靠性》白皮书
使用 CloudFront，您可以减小页面加载时间的延迟，以使编辑人员能够从多个地理位置访问系统。CloudFront 将图像返回给编辑人员，并使编辑人员能够将图像缓存到距离他们更近的位置，以减小大型文件的延迟。
-
性能效率阅读《性能效率》白皮书
CloudFront 使用由 450 多个接入点组成的全球网络，此网络可提供延迟低、速度更快的 HTTPS 连接。使用 Lambda，用户可以优化运行函数时所需的内存数量，还可以在几秒钟内横向扩展到每秒处理数以千计的请求。随着新版本的发布，Amazon OpenSearch 无服务器会自动升级，因此消除了随着存储和流量的扩大而管理索引的开销。
-
成本优化阅读《成本优化》白皮书
使用本指引中的服务，您无需规划容量，因为是按请求计费的，而且这些服务会自动横向扩展以满足需求。例如，OpenSearch 无服务器根据您的需求进行扩展，因此您无需预先说明需要多少索引。由于这些服务是无服务器服务，因此无需管理基础设施，这样就显著降低了总拥有成本。
-
可持续性阅读《可持续性》白皮书
Amazon S3 随着数据量的增加而扩展，而且您可以设置 S3 生命周期策略，以自动存档或删除不再需要的数据。Amazon S3 随着存储的增长而预置底层资源，并在您删除对象时缩减，因此减少了整体资源消耗。
实施资源
提供了在 AWS 账户中进行实验和使用的详细指南。构建指南的每个阶段（包括部署、使用和清理）都将被检查，以便为部署做好准备。
示例代码为起点。它经过行业验证，是规范性但不是决定性的，可以帮助您开始。
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 的指导是一个技术起点，您可以在部署架构时自定义与第三方服务的集成。