AWS تشرح تخصيص قواعد المعرفة في Amazon Bedrock للمستندات المعقدة عبر Textract

شرحت AWS في مدونتها حلاً لتخصيص قواعد المعرفة في Amazon Bedrock بحيث تتعامل مع مستندات كبيرة ومعقدة. المثال المطروح هو فريق خدمة عملاء يعالج آلاف فواتير الخدمات شهرياً، حيث تعيق التنسيقات غير الموحدة والجداول الكثيفة وتعدد تصميمات الصفحات استخراج المعلومة الصحيحة.

وبحسب المقالة، جرّب العميل أولاً بناء نظام توليد معزز بالاسترجاع (RAG) يعتمد على الفواتير بصيغتها الخام. لم تنجح المحاولة: أغفل النموذج اللغوي الكبير (LLM) تفاصيل جوهرية، وأنتج في بعض الحالات هلوسات وأجوبة خاطئة أو غير ذات صلة. من هنا تبين أن تحميل المستندات كما هي غير كافٍ وأن المعالجة المسبقة ضرورية.

Textract قبل خط الاسترجاع

يضع التصميم المقترح خدمة استخراج النصوص Amazon Textract قبل Bedrock. تستخرج الخدمة المحتوى المهيكل وغير المهيكل، وتُوسم الجداول ذات الصلة، ثم يُحوَّل الناتج إلى شكل يستطيع النموذج استخدامه. بذلك تصبح حقول مثل أرقام الحسابات وتفاصيل الفاتورة وتعليمات الدفع قابلة للاستعلام. أنواع الملفات المدعومة: PDF وDOCX وTXT وHTML وXLSX وPNG.

النشر وضوابط الحماية

يتم النشر عبر حزمة AWS CloudFormation يشغّلها سكربت شِل. تنشئ الحزمة دوال Lambda وحِزم تخزين S3 وعنقود OpenSearch Serverless وقاعدة معرفة في Amazon Bedrock. بعد اكتمال النشر تُضبط حزمة S3، وتُحمَّل مستندات نموذجية، وتُهيّأ قاعدة المعرفة؛ وتُعالج الملفات المحمّلة تلقائياً إلى صيغة ملائمة لقاعدة المعرفة.

وتوصي AWS بتشغيل Amazon Bedrock Guardrails في بيئات الإنتاج، وهي ضوابط قابلة للتهيئة لتصفية المحتوى الضار وحجب الموضوعات الممنوعة وإخفاء المعلومات الحساسة في المدخلات والمخرجات. كما يقيس التحقق من التأسيس ما إذا كانت إجابة النموذج مدعومة بالمستندات المستَرجعة، للحد من الهلوسة.

كود المثال متاح على GitHub، والخطوات الكاملة في تدوينة AWS.