การเริ่มต้นใช้งาน AWS Lambda
เลือกเส้นทางของคุณเอง
เส้นทาง 3: การประมวลผลข้อมูลแบบเรียลไทม์
เปิดทั้งหมดอ่านคู่มือฉบับสมบูรณ์นี้เพื่อเรียนรู้วิธีใช้ AWS Lambda ในการประมวลผลสตรีม Apache Kafka เรียนรู้เพิ่มเติม
เส้นทาง 4-1: Agentic AI
เปิดทั้งหมดสร้าง AI Agent ฏกยใช้ Strands Agents SDK บน AWS Lambda ติดตามตัวอย่างการนำไปใช้ของเราเพื่อสร้าง AI Agent ที่รับรู้บริบทของผู้ใช้ พร้อมความสามารถของ MCP Server ในตัว
เส้นทาง 4-2: แชทบอท
เปิดทั้งหมดแชทบอทเป็นจุดเริ่มได้ทันทีและสร้างผลกระทบสำหรับการเริ่มใช้ AI ช่วยสร้าง AWS Lambda จะจัดการเวิร์กโฟลว์แชทบอททั้งหมด ไม่ว่าจะใช้เพื่อการบริการลูกค้าอัตโนมัติตลอด 24 ชั่วโมง, การสนับสนุนฝ่ายช่วยเหลือที่ขับเคลื่อนด้วย AI หรือผู้ช่วยเสมือนที่ซับซ้อน ทั้งก่อนและหลังการประมวลผลคำขอ/การตอบกลับ,วิศวกรรมการโต้ตอบ, การเลือกโมเดล, การใช้กฎควบคุมระบบ และการทำงานกับฐานความรู้ สถาปัตยกรรมแบบไม่ต้องใช้เซิร์ฟเวอร์ช่วยให้คุณสามารถใช้และปรับขนาดโซลูชันการสนทนาอัจฉริยะได้อย่างรวดเร็วด้วยความยืดหยุ่นในการสลับระหว่างโมเดลภาษาขนาดใหญ่ (LLM) ที่แตกต่างกัน โดยที่ยังคงรักษากฎควบคุมระบบความปลอดภัยและความสามารถในการตรวจสอบเต็มรูปแบบ
เริ่มต้นด้วยตัวช่วยสร้างแบบ No-Code ที่เรียบง่าย เพื่อสร้างแอปพลิเคชัน AI สำหรับการค้นหาเชิงสนทนา, แชทบอทที่สร้างโดย AI, การสร้างข้อความ และการสรุปข้อความ จากไลบรารีโซลูชันนี้ ทั้งหมดนี้โดยไม่ต้องใช้ความเชี่ยวชาญ AI อย่างลึกซึ้ง อ้างอิง ตัวอย่างแอปพลิเคชัน นี้เพื่อปรับใช้แชทบอทหลายรุ่นที่ใช้ประโยชน์จากผู้ให้บริการโมเดลภาษาขนาดใหญ่ (LLM) ต่างๆ
เส้นทางที่ 4-3: การประมวลผลเอกสารอัจฉริยะ (IDP)
เปิดทั้งหมดการประมวลผลเอกสารอัจฉริยะ (IDP) แก้ไขปัญหาที่สำคัญขององค์กร โดยแยกการวิเคราะห์และการตรวจสอบข้อมูลจากเอกสารประเภทต่าง ๆ โดยอัตโนมัติ บริการแบบไม่ต้องใช้เซิร์ฟเวอร์ของ AWS ช่วยให้คุณสร้างและจัดการไปป์ไลน์ IDP ที่สมบูรณ์ผ่านเวิร์กโฟลว์ที่ขับเคลื่อนด้วยเหตุการณ์และการประมวลผลแบบอะซิงโครนัส AWS Lambda จัดการการประมวลผลเอกสารในวงกว้างด้วยความสามารถจำนวนมากในตัว โดยที่ Amazon EventBridge และ AWS Step Functions จะจัดระเบียบเวิร์กโฟลว์ที่ซับซ้อนและรวมเข้ากับโมเดลภาษาขนาดใหญ่ (LLM) และระบบธุรกิจที่มี วิธีการแบบไม่ต้องใช้เซิร์ฟเวอร์นี้มอบโซลูชัน IDP ที่ปรับขนาดได้และมีอัตราการโอนถ่ายข้อมูลสูง ซึ่งรักษาความแม่นยำและการปฏิบัติตามข้อกำหนด พร้อมกับประมวลผลรูปแบบเอกสารที่หลากหลายอย่างมีประสิทธิภาพ
อ่านบล็อกทางเทคนิคนี้เกี่ยวกับวิธีที่บริการที่ไม่ต้องใช้เซิร์ฟเวอร์ของ AWS, AWS Lambda, AWS Step Functions และ Amazon EventBridge ซึ่งผสานรวมเข้ากับโมเดลพื้นฐานสามารถช่วยเปลี่ยนการประมวลผลเอกสารแบบแมนนวลแบบดั้งเดิมที่มีแนวโน้มที่จะเกิดข้อผิดพลาดให้กลายเป็นเวิร์กโฟลว์อัตโนมัติที่แม่นยำและปรับขนาดได้ ซึ่งสามารถแยกข้อมูล ปรับให้เป็นมาตรฐาน และสรุปข้อมูลจากเอกสารประเภทใดก็ได้
ใช้เวิร์กช็อปนี้เพื่อสร้างโซลูชันระบบอัตโนมัติที่เปลี่ยนการประมวลผลเอกสารด้วยตนเองให้เป็นเวิร์กโฟลว์ที่มีประสิทธิภาพ โดยการแยกข้อมูลสำคัญและสร้างสรุปจากเอกสาร PDF ทำให้องค์กรทั่วอุตสาหกรรมสามารถเข้าถึงและวิเคราะห์ข้อมูลทางธุรกิจที่สำคัญได้อย่างรวดเร็ว ในเวิร์กช็อปแบบหลายระดับนี้ คุณจะได้ค้นพบวิธีสร้างเวิร์กโฟลว์การประมวลผลเอกสารอัตโนมัติและปรับขนาดได้โดยใช้บริการ AI จาก AWS ที่จะแยกข้อมูลที่มีค่าจากเอกสารรูปแบบต่าง ๆ แทนที่กระบวนการแบบแมนนวลที่ใช้เวลานาน และจัดการเนื้อหาที่ซับซ้อนในอุตสาหกรรม เช่น การเรียกร้องประกัน การจำนอง การเรียกร้องการดูแลสุขภาพ สัญญา และสัญญาทางกฎหมาย
เส้นทางที่ 4-4: การสร้างเนื้อหา
เปิดทั้งหมดการสร้างเนื้อหาเป็นหนึ่งในการใช้ AI ช่วยสร้างที่มีความต้องการสูงที่สุดในอุตสาหกรรม ตั้งแต่การตลาดและสื่อไปจนถึงการพัฒนาซอฟต์แวร์และเอกสารทางเทคนิค บริการแบบไม่ต้องใช้เซิร์ฟเวอร์ของ AWS, AWS Lambda และ AWS Step Functions ช่วยให้คุณสร้างเวิร์กโฟลว์การเชื่อมพร้อมท์ที่ซับซ้อน ซึ่งรวมการตรวจสอบความถูกต้องและการปรับแต่งโดยมนุษย์เอาในวงจรที่ขั้นตอนสำคัญ วิธีการแบบไม่ต้องใช้เซิร์ฟเวอร์นี้ช่วยให้สร้างเนื้อหาอัตโนมัติได้โดยยังคงรักษาการกำกับดูแลจากมนุษย์ รับประกันคุณภาพและสอดคล้องกับแบรนด์ผ่านพร้อมท์และขั้นตอนการพิจารณาที่สอดประสานกัน
เรียนรู้จากบล็อกนี้ว่า TUI Group รักษาและตรวจสอบคุณภาพเนื้อหาในวงกว้างได้อย่างไร ใช้ AWS Step Functions เพื่อจัดระเบียบเวิร์กโฟลว์การสร้างเนื้อหาที่ซับซ้อนโดยประสานฟังก์ชัน AWS Lambda เพื่อประมวลผลคำขอจำนวนมากในโมเดลภาษาขนาดใหญ่ (LLM) หลายแบบ ตรวจสอบคะแนน SEO ผ่าน API ของบุคคลที่สาม และจัดเก็บเนื้อหาคุณภาพสูง (สูงกว่า 80%) โดยอัตโนมัติใน Amazon DynamoDB สำหรับการตรวจสอบทีมผ่าน UI ฝั่งหน้าบ้าน
ตัวอย่างแอปพลิเคชันนี้แสดงให้เห็นถึงการใช้การเชื่อมพร้อมท์เพื่อแยกย่อยพร้อมท์ขนาดใหญ่ที่ไม่มีประสิทธิภาพ ให้กลายเป็นพร้อมท์ขนาดเล็กลงและใช้โมเดลที่สร้างขึ้นตามวัตถุประสงค์โดยใช้ AWS Lambda และ AWS Step Functions ตัวอย่างยังแสดงวิธีการรวมวงการตอบรับของมนุษย์เมื่อคุณต้องการปรับปรุงความปลอดภัยและความแม่นยำของแอปพลิเคชัน
เรียนรู้จากบล็อกโพสต์นี้ ถึงวิธีที่ AWS Step Functions ใช้ควบคุมระบบเวิร์กโฟลว์การเชื่อมพร้อมท์ที่ซับซ้อนซึ่งแบ่งงานโมเดลภาษาขนาดใหญ่ (LLM) ที่ซับซ้อนออกเป็นงานย่อยที่จัดการได้, รวมฟังก์ชัน AWS Lambda สำหรับการประมวลผล, การพิจารณาโดยมนุษย์ในวงจรผ่านโทเค็นงาน และสถาปัตยกรรมแบบขับเคลื่อนด้วยเหตุการณ์โดยใช้ Amazon EventBridge เพื่อการผสานรวมระบบส่วนขยาย
เรียนรู้ว่าตัวอย่างแอปพลิเคชันนี้แสดงให้เห็นถึงการสร้างแอปพลิเคชัน AI ช่วยสร้างที่ซับซ้อนโดยใช้เทคนิคการเชื่อมพร้อมท์ผ่านฟังก์ชัน AWS Step Functions (สำหรับการควบคุมระบบ AWS Step Functions และบริการต่าง ๆ ของ AWS กว่า 220 บริการ) หรือ Amazon Bedrock Flows (สร้างขึ้นสำหรับเวิร์กโฟลว์ AI เฉพาะ Bedrock) โดยทั้งสองฟังก์ชันมีความสามารถในการปรับขนาดแบบไม่ต้องใช้เซิร์ฟเวอร์พร้อมคุณสมบัติ เช่น การประมวลผลแบบขนาน ตรรกะตามเงื่อนไข และการจัดการอินพุตของมนุษย์
