使用 Amazon Neptune 实现生成式人工智能

Amazon 为创建和运行 GraphRAG 应用程序提供完全托管和自管理的路径。

• 完全托管：Amazon Bedrock 知识库通过 Amazon Neptune 提供世界上第一个完全托管的 GraphRAG 服务。它自动管理图表和嵌入的创建和维护，使客户能够向最终用户提供更相关的响应。作为一项完全托管的服务，您无需面临设置配置和与其他大型语言模型或向量数据库集成的挑战。 
• 自管理：为寻求自托管或灵活连接自定义数据来源、与第三方产品（基础模型、向量存储、数据存储）集成以及自托管其生成式人工智能应用程序堆栈的用户，提供两种选择。
  • AWS GraphRAG Python 工具包：AWS 现已发布开源 GraphRAG 工具包，该工具包支持最新的基础模型和图形模型。它提供了一个框架，用于自动从非结构化数据构造图形，以及在回答用户问题时查询该图表。
  • 开源框架：AWS 支持并参与热门开源项目，包括用于构建生产级 RAG 管道的 LangChain 和 LlamaIndex。

LangChain 是一个开源 Python 框架，旨在简化使用大型语言模型（LLM）的应用程序的创建。Neptune 与 LangChain 的集成使开发人员能够使用 LangChain 的开源框架来简化上下文感知应用程序的创建。

LlamaIndex 是一个开源数据框架，用于将自定义数据来源连接到大型语言模型（LLM），并支持将知识图与 LLM 一起使用。

借助 LlamaIndex，可以使用 Neptune 作为图形存储或向量存储，以使用 GraphRAG 等技术构建生成式人工智能应用程序。

GraphRAG 可用于改进 IT 服务台和联络中心。例如，GraphRAG 可以让安全运营中心 (SOC) 团队更准确地解读警报，以帮助保护关键系统。医疗保健成员支持聊天机器人可以从大量医学文献中快速找到相关信息，以回答有关患者症状、治疗和预后的复杂问题。

GraphRAG 应用程序可以为财务规划和会计 (FP&A)、营销、法律、人力资源等公司职能团队提供深刻的见解。例如，公司法律团队可以更有效地找到有关税法、法规和案例判例的信息，以构思案例策略。营销团队可以根据潜在客户的社交关系和购买历史创建客户全方位视图。

各行各业的公司都受益于 GraphRAG。例如，在制药行业，研发团队可以使用 GraphRAG 来加快药物研究和试验。在投资银行领域，GraphRAG 能够映射复杂的关系网并提供企业文件的全景视图，这有助于尽职调查团队通过 RAG 发现原本不明显的见解，例如监管权和竞争动态。

传统推荐使用分析服务手动提供产品推荐。Neptune ML 可以直接在图形数据上识别新关系，并以列表形式轻松推荐玩家有兴趣购买的游戏、要关注的其他玩家或要购买的产品。