Amazon Bedrock - Converse API Источник аналитики
Аналитический коннектор Amazon Bedrock - Converse API предоставляет доступ к универсальному API Amazon Bedrock для LLM (больших языковых моделей), обеспечивающему возможности генерации текста. Используйте этот коннектор для обогащения ваших аналитических приложений контекстной и аналитической глубиной из генеративных моделей ИИ, размещенных Amazon Bedrock.
Этот коннектор взаимодействует с Converse API, который предоставляет доступ к многочисленным моделям генерации текста, включая семейство базовых моделей Amazon Nova. Converse API позволяет использовать несколько расширенных функциональных возможностей, доступных от Amazon Bedrock, включая профили межрегионального вывода (CRIS) и средства защиты. Список моделей и возможностей, поддерживаемых Converse API, см. в разделе Поддерживаемые модели и функциональные возможности моделей.
Аналитический коннектор Amazon Bedrock - Converse API позволяет отправлять данные из пользовательского ввода приложения или из данных, загруженных в скрипт, в Amazon Bedrock. Подключиться к этому источнику аналитики можно на странице «Создать» в центре активности Аналитика, Скрипт или в приложении.
Необходимые условия
Для работы с этим коннектором необходимо быть пользователем AWS с ключом доступа и секретным ключом. Также требуется разрешение bedrock:invokemodel.
Включение конечных точек машинного обучения в Qlik Cloud
Для работы с этим коннектором необходимо включить конечные точки машинного обучения в центре активности Администрирование. Переключатель находится в области Контроль функции раздела Параметры.
Для получения дополнительной информации см. раздел Включение аналитических коннекторов для конечных точек машинного обучения.
Ограничения
-
Для этого коннектора действует ограничение 25 строк на запрос, максимальный размер пакета — 1 строка за один раз.
-
Ресурсы, доступные в службах, где развернута модель, будут обуславливать и ограничивать производительность при перезагрузке Qlik Sense, а также скорость отклика диаграмм.
-
В сценарии с регулярной перезагрузкой приложения лучше всего кэшировать прогнозы машинного обучения с использованием файла QVD и отправлять в конечную точку только новые строки. Это улучшит производительность при перезагрузке приложения Qlik Sense и уменьшит нагрузку на конечную точку модели.
-
Если используется относительное имя подключения и необходимо перенести приложение из одного общего пространства в другое или перенести приложение из общего пространства в личное, то может потребоваться время на обновление аналитического подключения с учетом нового расположения пространства.