跳至主要内容

AWS 解决方案库

  • AWS 解决方案库
  • 关于在 AWS 上使用生成式人工智能打造玩家见解的指南

关于在 AWS 上使用生成式人工智能打造玩家见解的指南

概览

本指南演示如何使用自然语言和生成式商业智能来挖掘见解并应对游戏玩家的行为。它由 Amazon Bedrock 中的大型语言模型(LLM)提供支持,并使用您的自定义游戏数据通过检索增强生成(RAG)进行了增强。本指南向您展示如何执行 SQL 查询来回答与业务相关的问题,以及如何创建用于玩家分析的控制面板。因此,它可以提供及时的玩家见解,实现更快的业务决策,并减轻游戏分析团队的负担。

工作原理

这些技术细节包含一张架构图,用于说明如何有效使用本解决方案。该架构图展示了关键组件及其相互作用,并逐步概述了架构的结构和功能。

Well-Architected 支柱

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。

亚马逊 EC S、 Lambda SageMaker 和 A mazon Bedrock 等 AWS 托管服务可以减轻预置、扩展、修补和维护底层基础设施的运营负担。这样的话,您可以专注于构建和优化应用程序逻辑,而不是将时间花在千篇一律的繁重任务上面。借助自动扩缩功能,您的应用程序可以在不影响性能或可用性的情况下处理不同级别的用户流量。

阅读卓越运营白皮书

AWS 身份和访问管理 (IAM) 使您能够创建和管理 AWS 用户和群组,并控制他们对特定资源执行特定操作的权限。通过向您的 A mazon ECS Lambda 资源提供最低限度的 IA M 权限,您可以增强应用程序的安全性并保护您的 AWS 环境。

阅读安全白皮书

Amazon ECS Lambda 等托管服务分担了管理和扩展底层基础设施的责任,因此您的应用程序可以自动扩展并从故障中恢复。此外,OpenSearch 服务有助于确保数据的高可用性和弹性,提供对历史搜索数据的可靠访问以及文本到 SQL 功能的连续性。

阅读可靠性白皮书

Lambda 函数旨在实现高度可扩展和高效,AWS 会根据传入流量自动配置和扩展运行 Lambda 函数所需的计算资源。OpenSearch 服务利用高级索引和缓存机制为您的历史问题和 SQL 数据提供快速高效的搜索功能,从而优化文本到 SQL 功能的性能。

阅读性能效率白皮书

通过使用 Lambda,您只需为消耗的计算时间付费,这使其成为事件驱动型工作负载的经济实惠的选择。OpenSearch 服务是一项托管服务,这意味着您无需投资专门的资源来管理和维护搜索引擎基础设施。您可以根据实际使用情况和要求进行扩展,以优化成本。

阅读成本优化白皮书

Lambda 的无服务器架构消除了对专用服务器或基础设施的需求,从而降低了能耗和相关的碳排放。OpenSearch 服务使用 AWS 云基础设施,结合节能数据中心和可再生能源等实践,以最大限度地减少对环境的影响。

阅读可持续发展白皮书

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。

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。