Giới thiệu
Trong thời đại công nghệ 4.0, việc xây dựng các tác nhân AI đa chế độ ngày càng trở nên quan trọng. Bài viết này sẽ hướng dẫn bạn cách tạo ra các tác nhân AI mở rộng với Strands Agents và Amazon S3 Vectors. Chúng tôi sẽ cùng nhau khám phá cách sử dụng Amazon S3 để quản lý bộ nhớ của tác nhân AI mà không làm mất đi sự đơn giản trong quá trình phát triển.
Tóm tắt nội dung
- Phần 1: Tạo tác nhân AI đa chế độ với Strands Agents
- Phần 2: Thêm bộ nhớ FAISS cho phát triển cục bộ
- Phần 3: Mở rộng với Amazon S3 Vectors
Khả Năng Của Amazon S3 Vectors
Amazon S3 Vectors cung cấp dịch vụ lưu trữ đối tượng với hỗ trợ vector gốc. Điều này giúp giảm bớt độ phức tạp trong việc quản lý hạ tầng vector riêng biệt. Dưới đây là một số khả năng chính của Amazon S3 Vectors:
- Khả năng mở rộng lớn: Mỗi chỉ mục vector hỗ trợ lưu trữ vector quy mô lớn.
- Dịch vụ được quản lý: Hoàn toàn được quản lý với tối ưu hóa tự động.
- Bảo mật doanh nghiệp: Tích hợp quản lý danh tính và quyền truy cập (IAM) của AWS với phân lập người dùng.
- Sẵn có toàn cầu: Hỗ trợ nhiều vùng với khôi phục thảm họa tích hợp.
Cấu Hình S3 Bucket
Trước khi bắt đầu, bạn cần tạo một S3 bucket để phục vụ như là backend cho bộ nhớ vector của bạn. Dưới đây là một số điểm cấu hình quan trọng:
- Đảm bảo bucket nằm trong cùng một vùng với ứng dụng của bạn.
- Kích hoạt phiên bản để tăng cường bảo mật.
- Cấu hình các chính sách truy cập IAM phù hợp.
Các Buckets và Chỉ Mục Vector
S3 Vectors giới thiệu loại bucket được thiết kế đặc biệt cho dữ liệu vector. Trong mỗi bucket, bạn có thể tạo nhiều chỉ mục vector, mỗi chỉ mục có khả năng lưu trữ vector với metadata đính kèm để lọc phức tạp hơn.
Các Hoạt Động Bộ Nhớ Cơ Bản
Chúng ta sẽ sử dụng công cụ s3_memory để thực hiện các hoạt động bộ nhớ như:
store(): Lưu trữ các cuộc trò chuyện và thông tin đã học của tác nhân.retrieve(): Truy vấn các kinh nghiệm và ngữ cảnh tương tự.list(): Liệt kê bộ nhớ đã lưu với metadata.auto_store_and_retrieve(): Quản lý ngữ cảnh thông minh.auto_context(): Liên tục cuộc trò chuyện.
Thiết Lập Tác Nhân Nâng Cao
Đầu tiên, bạn cần cấu hình các biến môi trường cho S3 Vectors:
python
VECTOR_BUCKET_NAME = "ten-bucket-vector-cua-ban"
VECTOR_INDEX_NAME = "chi-muc-bo-nho-tac-nhan"
USER_ID = "ma-nguoi-dung-unik" # Để phân lập người dùngCấu Hình Mô Hình
Chúng ta sẽ cấu hình mô hình bằng cách sử dụng Bedrock:
python
model = BedrockModel(
model_id="us.anthropic.claude-3-5-sonnet-20241022-v2:0",
region="us-east-1"
)Lưu Trữ Thông Tin Người Dùng
Chúng ta sẽ lưu trữ một số thông tin cơ bản của người dùng:
python
response1 = multimodal_agent(
f"""Xin chào, tôi là Elizabeth Fuentes. Bạn có thể gọi tôi là Eli, tôi là một nhà phát triển tại AWS. Tôi thích làm việc vào buổi sáng sớm, và muốn hiểu các hình ảnh, video, tài liệu để cải thiện công việc hàng ngày.
Xin hãy lưu thông tin này về sở thích của tôi cho các cuộc trò chuyện trong tương lai.
USER_ID: {USER_ID}"""
)Phân Tích Hình Ảnh và Lưu Trữ Kết Quả
Giờ đây, hãy phân tích một hình ảnh và tự động lưu trữ kết quả:
python
print("=== 📸 PHÂN TÍCH HÌNH ẢNH ===")
image_result = multimodal_agent(f"""
Phân tích hình ảnh data-sample/diagram.jpg một cách chi tiết và mô tả mọi thứ bạn quan sát.
USER_ID: {USER_ID}"""
)Phân Tích Video và Lưu Trữ Nội Dung
python
print("=== 🎬 PHÂN TÍCH VIDEO ===")
video_result = multimodal_agent(
"Phân tích video data-sample/moderation-video.mp4 và mô tả chi tiết các hành động và cảnh mà bạn quan sát. Lưu thông tin này vào bộ nhớ."
)
print(video_result)Quản Lý và Truy Xuất Bộ Nhớ
Truy Xuất Bộ Nhớ Cụ Thể
python
memory_result = s3_vector_memory(
action="retrieve",
query="sở thích và mối quan tâm",
user_id=USER_ID
)Liệt Kê Tất Cả Bộ Nhớ Đã Lưu
python
memory_result = s3_vector_memory(
action="list",
user_id=USER_ID
)
print(f"Tổng số bộ nhớ trong hệ thống: {memory_result['total_found']}")Ứng Dụng Thực Tế
Hệ Thống Bộ Nhớ Tác Nhân AI
Lưu trữ ngữ cảnh cuộc trò chuyện, sở thích người dùng và hành vi đã học của nhiều người dùng đồng thời với khả năng mở rộng tự động và bảo mật cấp doanh nghiệp.
Tìm Kiếm Tăng Cường
Xây dựng các cơ sở tri thức tiết kiệm chi phí mà phát triển theo yêu cầu của doanh nghiệp mà không cần quản lý hạ tầng.
Đề Xuất Cá Nhân Hóa
Duy trì các mô hình hành vi và sở thích của người dùng với khả năng sẵn có toàn cầu.
Chi Phí và Sự Sẵn Có
Amazon S3 Vectors áp dụng mô hình thanh toán theo mức sử dụng của AWS mà không có chi phí hạ tầng upfront. Dịch vụ hiện có trong chế độ xem trước tại các vùng như US East (Virginia), US East (Ohio), US West (Oregon), Châu Âu (Frankfurt), và Châu Á Thái Bình Dương (Sydney).
Bắt Đầu
- Clone kho mã nguồn:
bash
git clone https://github.com/elizabethfuentes12/strands-agent-samples
cd notebook
2. **Cài đặt phụ thuộc**:
```bash
pip install -r requirements.txt-
Cấu hình thông tin xác thực AWS cho quyền truy cập Bedrock.
-
Thử nghiệm notebook:
bash
multi-understanding-with-s3-memory.ipynb
## Lợi Thế Của Strands Agent
Điều làm cho Strands Agent trở nên độc đáo là cam kết của nó với sự đơn giản mà không hy sinh sức mạnh. Cho dù bạn đang xây dựng một nguyên mẫu với bộ nhớ FAISS cục bộ hay triển khai một hệ thống sản xuất với Amazon S3 Vectors, trải nghiệm phát triển cốt lõi vẫn nhất quán và dễ tiếp cận.
## Kết Luận
Chúng ta đã cùng nhau xây dựng các tác nhân AI mạnh mẽ mà vẫn đơn giản và dễ sử dụng, ngay cả khi mở rộng đến các khả năng cấp doanh nghiệp. Hãy bắt đầu tạo ra tác nhân Strands của riêng bạn ngay hôm nay và khám phá những gì mà AI có thể mang lại cho bạn!
## Câu Hỏi Thường Gặp (FAQ)
### 1. Strands Agent là gì?
Strands Agent là một framework mã nguồn mở giúp xây dựng các tác nhân AI đa chế độ dễ dàng.
### 2. Amazon S3 Vectors có gì đặc biệt?
Amazon S3 Vectors cung cấp khả năng lưu trữ vector mạnh mẽ với bảo mật và khả năng mở rộng cao.
### 3. Tôi có thể sử dụng Strands Agents cho ứng dụng nào?
Bạn có thể sử dụng Strands Agents cho nhiều ứng dụng khác nhau như phân tích hình ảnh, video và tài liệu.
## Tài Nguyên Hữu Ích
- [Tài liệu Amazon S3 Vectors](https://aws.amazon.com/s3)
- [Framework Strands Agent](https://github.com/elizabethfuentes12/strands-agent-samples)
- [Cơ sở tri thức Amazon Bedrock](https://aws.amazon.com/bedrock)
Hãy theo dõi những triển khai Strands Agent tiếp theo nhé!