【亲测免费】 生成 AI 使用案例集 (GenU) 项目文档
项目介绍
生成 AI 使用案例集 (GenU) 是一个开源项目,旨在通过提供一系列业务使用案例,帮助用户安全地利用生成 AI 技术。该项目不仅提供了丰富的业务使用案例,还包含了一个完整的应用程序实现,用户可以通过浏览器扩展更方便地使用生成 AI 技术。
GenU 项目的主要特点包括:
- 多样化的使用案例:涵盖了从文本生成、摘要、校对到图像生成等多个领域。
- 安全可靠:通过 Amazon Bedrock 等 AWS 服务,确保生成 AI 的安全性和可靠性。
- 易于扩展:用户可以根据自己的需求,轻松添加新的使用案例。
项目快速启动
环境准备
在开始之前,请确保您已经安装了 Node.js 和 npm。然后,按照以下步骤进行项目部署。
1. 克隆项目
首先,克隆项目到本地:
git clone https://github.com/aws-samples/generative-ai-use-cases-jp.git
cd generative-ai-use-cases-jp
2. 安装依赖
安装项目所需的依赖:
npm ci
3. 配置 AWS CDK
如果您是第一次使用 AWS CDK,需要先进行 Bootstrap:
npx -w packages/cdk cdk bootstrap
4. 部署项目
使用以下命令部署项目:
npm run cdk:deploy
部署过程可能需要一些时间,请耐心等待。
应用案例和最佳实践
案例一:介护现场的记录与报告自动化
公司: 株式会社やさしい手
应用: 通过 GenU 项目,介护现场的记录与报告业务得到了显著的效率提升。利用生成 AI 技术,自动生成易于阅读的报告,并从介护记录数据中生成个别作业步骤。
案例二:文章执笔支援
公司: 株式会社サルソニード
应用: 利用 GenU 的 RAG 技术,帮助市场营销人员快速生成高质量的文章。通过结合专业知识和生成 AI,大幅减少了文章制作的时间和成本。
案例三:产品实验文档管理
公司: 株式会社タムラ製作所
应用: 通过 GenU 的 RAG 技术,轻松发现和管理大量产品文档中的关键信息。此外,还利用文字转写和文档生成功能,简化了会议记录的制作。
典型生态项目
1. Amazon Bedrock
Amazon Bedrock 是 AWS 提供的一项服务,用于管理和部署生成 AI 模型。GenU 项目充分利用了 Amazon Bedrock 的安全性和可扩展性。
2. Amazon Kendra
Amazon Kendra 是一个智能搜索服务,GenU 项目中的 RAG 技术依赖于 Amazon Kendra 来获取最新的信息和领域知识。
3. AWS Lambda
AWS Lambda 是 AWS 的无服务器计算服务,GenU 项目的后端逻辑主要通过 AWS Lambda 来实现。
通过这些生态项目的结合,GenU 项目不仅提供了强大的功能,还确保了高可用性和安全性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00