Skip to content

Latest commit

 

History

History
120 lines (88 loc) · 6.26 KB

ADMINISTRATOR_pl-PL.md

File metadata and controls

120 lines (88 loc) · 6.26 KB

Funkcje administracyjne

Wymagania wstępne

Administrator musi być członkiem grupy o nazwie Admin, którą można skonfigurować za pośrednictwem konsoli zarządzania > Pule użytkowników Amazon Cognito lub interfejsu wiersza poleceń AWS. Należy pamiętać, że identyfikator puli użytkowników można znaleźć, uzyskując dostęp do CloudFormation > BedrockChatStack > Dane wyjściowe > AuthUserPoolIdxxxx.

Oznacz publiczne boty jako Niezbędne

Administratorzy mogą teraz oznaczyć publiczne boty jako „Niezbędne". Boty oznaczone jako Niezbędne będą wyróżnione w sekcji „Niezbędne" sklepu z botami, dzięki czemu będą łatwo dostępne dla użytkowników. Pozwala to administratorom przypiąć ważne boty, które chcą, aby wszyscy użytkownicy używali.

Przykłady

  • Bot Asystent HR: Pomaga pracownikom w pytaniach i zadaniach związanych z zasobami ludzkimi.
  • Bot Wsparcia IT: Zapewnia pomoc w wewnętrznych kwestiach technicznych i zarządzaniu kontem.
  • Bot Przewodnik po Wewnętrznych Zasadach: Odpowiada na często zadawane pytania dotyczące zasad obecności, polityki bezpieczeństwa i innych przepisów wewnętrznych.
  • Bot Wdrożenia Nowych Pracowników: Prowadzi nowych pracowników przez procedury i używanie systemów w pierwszym dniu pracy.
  • Bot Informacji o Świadczeniach: Wyjaśnia programy świadczeń firmowych i usługi socjalne.

Pętla informacji zwrotnej

Dane wyjściowe z LLM nie zawsze spełniają oczekiwania użytkownika. Czasami nie zaspokaja on potrzeb użytkownika. Aby skutecznie "zintegrować" LLM z operacjami biznesowymi i codziennym życiem, wdrożenie pętli informacji zwrotnej jest niezbędne. Bedrock Chat jest wyposażony w funkcję opinii, która umożliwia użytkownikom analizę przyczyn niezadowolenia. Na podstawie wyników analizy użytkownicy mogą odpowiednio dostosować monity, źródła danych RAG i parametry.

Analitycy danych mogą uzyskać dostęp do dzienników rozmów za pomocą Amazon Athena. Jeśli chcą przeanalizować dane w Jupyter Notebook, ten przykładowy notes może służyć jako odniesienie.

Panel główny

Aktualnie zapewnia podstawowy przegląd użycia chatbota i użytkowników, koncentrując się na agregowaniu danych dla każdego bota i użytkownika w określonych przedziałach czasowych oraz sortowaniu wyników według opłat za użycie.

Uwagi

  • Zgodnie z opisem w architekturze, funkcje administracyjne będą odwoływać się do bucketu S3 wyeksportowanego z DynamoDB. Należy pamiętać, że ponieważ eksport jest wykonywany co godzinę, najnowsze rozmowy mogą nie być od razu odzwierciedlone.

  • W publicznych użyciach bota, boty, które w ogóle nie były używane w określonym okresie, nie zostaną wymienione.

  • W użyciach użytkowników, użytkownicy, którzy w ogóle nie korzystali z systemu w określonym okresie, nie zostaną wymienieni.

[!Ważne] Jeśli używasz wielu środowisk (dev, prod itp.), nazwa bazy danych Athena będzie zawierać prefiks środowiska. Zamiast bedrockchatstack_usage_analysis, nazwa bazy danych będzie następująca:

  • Dla środowiska domyślnego: bedrockchatstack_usage_analysis
  • Dla nazwanych środowisk: <prefiks-środowiska>_bedrockchatstack_usage_analysis (np. dev_bedrockchatstack_usage_analysis)

Dodatkowo nazwa tabeli będzie zawierać prefiks środowiska:

  • Dla środowiska domyślnego: ddb_export
  • Dla nazwanych środowisk: <prefiks-środowiska>_ddb_export (np. dev_ddb_export)

Upewnij się, że odpowiednio dostosowujesz zapytania podczas pracy z wieloma środowiskami.

Pobieranie danych z rozmów

Możesz przeszukiwać dzienniki rozmów za pomocą Atheny, używając SQL. Aby pobrać dzienniki, otwórz Edytor zapytań Atheny z konsoli zarządzania i uruchom zapytanie SQL. Poniżej przedstawiono przykładowe zapytania przydatne do analizy przypadków użycia. Opinie można znaleźć w atrybucie MessageMap.

Zapytanie według identyfikatora bota

Edytuj bot-id i datehour. bot-id można znaleźć na ekranie zarządzania botami, do którego można uzyskać dostęp z poziomu interfejsów API publikacji bota, widocznych na lewym pasku bocznym. Zwróć uwagę na końcową część adresu URL, np. https://xxxx.cloudfront.net/admin/bot/<bot-id>.

SELECT
    d.newimage.PK.S AS UserId,
    d.newimage.SK.S AS ConversationId,
    d.newimage.MessageMap.S AS MessageMap,
    d.newimage.TotalPrice.N AS TotalPrice,
    d.newimage.CreateTime.N AS CreateTime,
    d.newimage.LastMessageId.S AS LastMessageId,
    d.newimage.BotId.S AS BotId,
    d.datehour AS DateHour
FROM
    bedrockchatstack_usage_analysis.ddb_export d
WHERE
    d.newimage.BotId.S = '<bot-id>'
    AND d.datehour BETWEEN '<yyyy/mm/dd/hh>' AND '<yyyy/mm/dd/hh>'
    AND d.Keys.SK.S LIKE CONCAT(d.Keys.PK.S, '#CONV#%')
ORDER BY
    d.datehour DESC;

[!Uwaga] Jeśli używasz środowiska o nazwie (np. "dev"), zamień bedrockchatstack_usage_analysis.ddb_export na dev_bedrockchatstack_usage_analysis.dev_ddb_export w powyższym zapytaniu.

Zapytanie według identyfikatora użytkownika

Edytuj user-id i datehour. user-id można znaleźć na ekranie zarządzania botami.

[!Uwaga] Analityka użycia użytkownika już wkrótce.

SELECT
    d.newimage.PK.S AS UserId,
    d.newimage.SK.S AS ConversationId,
    d.newimage.MessageMap.S AS MessageMap,
    d.newimage.TotalPrice.N AS TotalPrice,
    d.newimage.CreateTime.N AS CreateTime,
    d.newimage.LastMessageId.S AS LastMessageId,
    d.newimage.BotId.S AS BotId,
    d.datehour AS DateHour
FROM
    bedrockchatstack_usage_analysis.ddb_export d
WHERE
    d.newimage.PK.S = '<user-id>'
    AND d.datehour BETWEEN '<yyyy/mm/dd/hh>' AND '<yyyy/mm/dd/hh>'
    AND d.Keys.SK.S LIKE CONCAT(d.Keys.PK.S, '#CONV#%')
ORDER BY
    d.datehour DESC;

[!Uwaga] Jeśli używasz środowiska o nazwie (np. "dev"), zamień bedrockchatstack_usage_analysis.ddb_export na dev_bedrockchatstack_usage_analysis.dev_ddb_export w powyższym zapytaniu.