Amazon Bedrock - Converse API-analysebron
De Amazon Bedrock - Converse API-analyseconnector biedt toegang tot de universele Amazon Bedrock-API voor LLM's (grote taalmodellen) die tekstgeneratiemogelijkheden bieden. Gebruik deze connector om uw analyse-apps te verrijken met contextuele en analytische diepte van generatieve AI-modellen die worden gehost door Amazon Bedrock.
Deze connector communiceert met de Converse API, die toegang biedt tot tal van tekstgeneratiemodellen, waaronder de Amazon Nova-familie van basismodellen. De Converse API stelt u in staat gebruik te maken van verschillende geavanceerde functies die beschikbaar zijn via Amazon Bedrock, waaronder CRIS-profielen (cross-region inference) en vangrails. Voor een lijst met modellen en mogelijkheden die worden ondersteund door de Converse API, zie Ondersteunde modellen en modelfuncties.
Met de Amazon Bedrock - Converse API-analyseconnector kunt u gegevens verzenden van gebruikersinvoer in apps of van gegevens die zijn geladen in uw script naar Amazon Bedrock. U kunt vanaf de pagina Maken in het Analyse-activiteitencentrum, het Script of in een app verbinding maken met deze analysebron.
Vereisten
Om te werken met deze connector moet u een AWS-gebruiker zijn met een toegangssleutel en geheime sleutel. U moet ook beschikken over de machtiging bedrock:invokemodel.
ML-eindpunten inschakelen in Qlik Cloud
U moet machine learning-eindpunten inschakelen in het Beheer-activiteitencentrum om deze connector te kunnen gebruiken. U vindt de schakelaar onder Functiebeheer in de sectie Instellingen.
Ga voor meer informatie naar Analytische verbindingen inschakelen voor machine learning-eindpunten..
Beperkingen
-
Deze connector heeft een aanvraaglimiet van 25 rijen per aanvraag, met een maximum batchgrootte van 1 rij die per keer verstuurd kan worden.
-
De beschikbare resources in de services waarin het model is geïmplementeerd, beïnvloeden en beperken de prestaties bij het opnieuw laden van Qlik Sense en bij diagramresponsiviteit.
-
In een scenario waarbij een applicatie regelmatig opnieuw wordt geladen, is het handig om de machine learning-prognoses met behulp van een QVD-bestand op te slaan in cache en alleen de nieuwe rijen naar het eindpunt te sturen. Dit verbetert de prestaties van het opnieuw laden van de Qlik Sense-applicatie en beperkt de belasting van het modeleindpunt.
-
Als u een relatieve verbindingsnaam gebruikt en u besluit uw app van een gedeelde ruimte naar een andere gedeelde ruimte te verplaatsen, of als u uw app van een gedeelde ruimte naar uw privéruimte verplaatst, duurt het even voordat de analytische verbinding is bijgewerkt en de nieuwe locatie weerspiegelt.