Fonte de análises do Amazon Bedrock - Converse API
O conector de análise do Amazon Bedrock - Converse API fornece acesso à API universal do Amazon Bedrock para LLMs (modelos de linguagem grandes) que fornecem recursos de geração de texto. Use este conector para enriquecer seus aplicativos de análise com profundidade contextual e analítica de modelos de IA generativos hospedados pelo Amazon Bedrock.
Esse conector se comunica com a Converse API, que fornece acesso a vários modelos de geração de texto, incluindo a família Amazon Nova de modelos de base. A Converse API permite que você use vários recursos avançados disponíveis no Amazon Bedrock, incluindo perfis de inferência entre regiões (CRIS) e proteções. Para obter uma lista de modelos e recursos compatíveis com a Converse API, consulte Modelos e recursos de modelos compatíveis.
Com o conector de análise do Amazon Bedrock - Converse API, você pode enviar dados da entrada do consumidor do aplicativo ou de dados carregados no seu script ao Amazon Bedrock. Você pode se conectar a essa fonte de análise na página Criar no centro de atividades do Análises, no Script ou em um aplicativo.
Pré-requisitos
Para trabalhar com esse conector, você deve ser um usuário da AWS com chave de acesso e chave secreta. Você também deve ter a permissão bedrock:invokemodel.
Ativando endpoints de ML no Qlik Cloud
Para trabalhar com esse conector, os endpoints de aprendizado de máquina devem ser habilitados no centro de atividades de Administração. O interruptor está localizado em Controle de recursos na seção Configurações.
Para obter mais informações, consulte Habilitando conexões analíticas para endpoints de aprendizado de máquina.
Limitações
-
Esse conector tem um limite de solicitação de 25 linhas por solicitação, com tamanho máximo de lote de uma linha sendo enviada por vez.
-
Os recursos disponíveis nos serviços em que o modelo foi implantado impactarão e limitarão o desempenho no carregamento do Qlik Sense e na capacidade de resposta do gráfico.
-
Em um cenário em que um aplicativo é recarregado regularmente, é uma prática recomendada armazenar em cache as previsões de aprendizado de máquina usando um arquivo QVD e enviar apenas as novas linhas para o endpoint. Isso melhorará o desempenho do carregamento do aplicativo do Qlik Sense e reduzirá a carga no endpoint do modelo.
-
Se estiver usando um nome de conexão relativo e decidir mover seu aplicativo de um espaço compartilhado para outro, ou se mover seu aplicativo de um espaço compartilhado para seu espaço privado, levará algum tempo conexão analítica ser atualizada para refletir a nova localização do espaço.