genai-bedrock-agent-chatbot 的安装和配置教程
项目基础介绍
genai-bedrock-agent-chatbot 是一个使用 Amazon Bedrock 服务构建的开源聊天机器人应用程序。该项目通过 Amazon Bedrock 的 KnowledgeBase 和 Agent 组件,实现了对自然语言的理解和复杂数据集的处理。这个聊天机器人能够将自然语言转换为 Amazon Athena 查询,并处理和利用复杂的数据集。项目主要使用 Python 编程语言。
项目使用的关键技术和框架
- Amazon Bedrock: 包括 KnowledgeBase 和 Agent 组件,用于自然语言处理和任务执行。
- AWS CDK (Cloud Development Kit): 用于定义和部署 AWS 资源。
- Docker: 容器化技术,用于构建可移植的应用程序环境。
- Streamlit: 用于快速构建数据密集型的 web 应用程序。
- LLamaIndex: 开源工具,用于增强系统的数据处理和检索能力。
安装和配置准备工作
在开始安装之前,请确保您已经完成了以下准备工作:
-
安装 Docker。
-
安装 AWS CDK Toolkit (版本 2.114.1 或更高) 并配置 AWS 账户。
-
安装 Python (版本 3.11 或更高)。
-
确保您的 AWS 账户已经启用了 Claude 模型和 Titan Embedding 模型访问权限。
-
创建一个
.env文件,包含以下内容,并放置在code/streamlit-app目录下:ACCOUNT_ID=<您的账户ID> AWS_REGION=<您的区域> LAMBDA_FUNCTION_NAME=invokeAgentLambda
安装步骤
-
克隆项目到本地:
git clone https://github.com/awslabs/genai-bedrock-agent-chatbot.git cd genai-bedrock-agent-chatbot -
在项目目录中,创建 Python 虚拟环境并激活:
对于 MacOS 和 Linux 用户:
python3 -m venv .venv source .venv/bin/activate对于 Windows 用户:
.\.venv\Scripts\activate.bat -
安装项目依赖:
pip install -r requirements.txt -
合成 CloudFormation 模板:
cdk synth -
如果是首次在特定账户和区域运行 CDK,需要初始化:
cdk bootstrap -
部署 CDK:
cdk deploy请注意,首次部署可能会需要一些时间来构建 Docker 镜像。
-
部署完成后,可以在 CloudFormation 控制台验证状态,并通过 CloudFormation 输出的 URL 测试聊天机器人。
-
若要删除 CDK 以避免未来产生费用,可以使用以下命令:
cdk destroy并确保手动删除 CDK 生成的 S3 桶,以避免产生额外费用。
以上就是 genai-bedrock-agent-chatbot 的详细安装和配置指南。按照上述步骤操作,您应该能够成功部署并运行聊天机器人应用程序。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00