Accéder au contenu principal Passer au contenu complémentaire

Source analytique Anthropic (Amazon Bedrock)

Utilisez le connecteur analytique Anthropic pour communiquer avec Anthropic en enrichissant vos applications Qlik Sense d'informations analytiques et contextuelles approfondies provenant de la technologie d'IA générative et de la technologie LLM (Large Language Model - Grand modèle de langage).

Avec le connecteur analytique Anthropic (Amazon Bedrock), vous pouvez envoyer à Anthropic des données provenant de l'entrée du consommateur de l'application ou des données chargées dans votre script. Vous pouvez vous connecter à cette source analytique depuis le hub, l'Éditeur de script ou au sein d'une application.

Utilisez la plate-forme Anthropic pour communiquer avec Claude, un ensemble de grands modèles de langage. Les variantes de modèle suivantes sont disponibles pour ce connecteur :

  • Claude 3 Sonnet

  • Claude 3 Haiku

  • Claude 2.1

  • Claude 2

  • Claude Instant 1.2

Mise en route avec Claude

Conditions préalables requises

Pour pouvoir utiliser ce connecteur, vous devez être un utilisateur AWS disposant d'une clé d'accès et d'une clé secrète. Vous devez également être titulaire de l'autorisation bedrock:invokemodel.

Activation des points de terminaison ML dans Qlik Cloud

Pour travailler avec ce connecteur, il convient d'activer des points de terminaison d'apprentissage machine dans la Console de gestion. Il est possible de le faire sous Contrôle de fonction dans la section Paramètres.

Pour plus d'informations, voir Activation de connections analytiques pour des points de terminaison d'apprentissage machine.

Restrictions

  • Ce connecteur a une limite de requête de 25 lignes par requête, avec une taille de lot maximale d'une ligne envoyée à la fois.

  • Les ressources disponibles sur les services sur lesquels le modèle a été déployé impacteront et limiteront les performances de chargement de Qlik Sense et de réactivité du graphique.

  • Dans un scénario dans lequel une application est régulièrement chargée, la bonne pratique consiste à mettre en cache les prédictions d'apprentissage machine via un fichier QVD et à envoyer uniquement les nouvelles lignes au point de terminaison. Cela améliore les performances de chargement de l'application Qlik Sense et réduit la charge sur le point de terminaison du modèle.

  • Si vous utilisez un nom de connexion relatif et si vous décidez de déplacer votre application d'un espace partagé vers un autre espace partagé, ou si vous la déplacez d'un espace partagé vers votre espace personnel, il faudra du temps pour que la connexion analytique se mette à jour afin de refléter le nouvel emplacement d'espace.

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – dites-nous comment nous améliorer !