Źródło do analityki Amazon Bedrock - Converse API
Łącznik analityczny Amazon Bedrock - Converse API umożliwia dostęp do uniwersalnego API Amazon Bedrock dla LLM (dużych modeli językowych) zapewniających możliwości generowania tekstu. Za pomocą tego łącznika możesz wzbogacać swoje aplikacje analityczne o kontekstową i analityczną głębię z modeli generatywnej sztucznej inteligencji hostowanych przez Amazon Bedrock.
Łącznik ten komunikuje się z interfeksem API Converse, który zapewnia dostęp do wielu modeli generowania tekstu, w tym rodziny modeli fundamentalnych Amazon Nova. API Converse umożliwia korzystanie z kilku zaawansowanych funkcji dostępnych w Amazon Bedrock, w tym profili wnioskowania międzyregionalnego (CRIS) i ograniczeń. Aby uzyskać listę modeli i funkcji obsługiwanych przez API Converse, zobacz Obsługiwane modele i funkcje modeli.
Za pomocą łącznika analitycznego Amazon Bedrock - Converse API możesz wysyłać do Amazon Bedrock dane wprowadzane przez użytkownika aplikacji lub dane załadowane w skrypcie. Z tym źródłem analitycznym możesz połączyć się ze strony Utwórz w centrum aktywności Analytics, w narzędziu Skrypt lub z aplikacji.
Wymagania wstępne
Aby móc pracować z tym łącznikiem, musisz być użytkownikiem AWSmającym klucz dostępu i klucz tajny. Wymagane jest też uprawnienie bedrock:invokemodel.
Włączanie punktów końcowych uczenia maszynowego w Qlik Cloud
Aby można było pracować z tym łącznikiem, punkty końcowe uczenia maszynowego muszą być włączone w centrum aktywności Administrowanie. Przełącznik znajduje się w obszarze Sterowanie funkcją w sekcji Ustawienia.
Więcej informacji zawiera temat Włączanie połączeń analitycznych dla punktów końcowych uczenia maszynowego.
Ograniczenia
-
Ten łącznik ma limit żądań wynoszący 25 wierszy na żądanie, z maksymalnym rozmiarem partii wynoszącym jeden wiersz naraz.
-
Zasoby dostępne w usługach, w których wdrożono model, wpłyną ograniczająco na wydajność ładowania Qlik Sense i responsywność wykresu.
-
Jeżeli aplikacja jest regularnie ładowana, najlepsza praktyka polega na buforowaniu prognoz uczenia maszynowego przy użyciu pliku QVD i wysyłaniu do punktu końcowego tylko nowych wierszy. Poprawi to wydajność ładowania aplikacji Qlik Sense i zmniejszy obciążenie punktu końcowego modelu.
-
Jeśli używasz względnej nazwy połączenia i zdecydujesz się przenieść aplikację z przestrzeni udostępnionej do innej przestrzeni udostępnionej lub jeśli przeniesiesz aplikację z przestrzeni udostępnionej do przestrzeni prywatnej, aktualizacja połączenia analitycznego w celu odzwierciedlenia nowej lokalizacji przestrzeni zajmie trochę czasu.