إنشاء مساعد محادثة من الجيل القادم باستخدام Amazon Bedrock وAmazon Connect وAmazon Lex وLangChain وWhatsApp

تم كتابة هذا المقال بالتعاون مع Harrison Chase وErick Friis وLinda Ye من LangChain.
تمت المراجعة والتحرير باللغة العربية بواسطة Arwa Alnitaifi.
اطلع على المقال الأصلي باللغة الإنجليزية من هنا

من المتوقع أن يُحدث الذكاء الاصطناعي التوليدي ثورة في تجارب المستخدمين خلال السنوات القادمة. تتمثل الخطوة الحاسمة في هذه الرحلة في تقديم مساعدين أذكياء يستخدمون الأدوات بفعالية لمساعدة العملاء على التنقل في المشهد الرقمي. في هذا المقال، نوضح كيفية نشر مساعد ذكاء اصطناعي سياقي، حيث يعتمد حلنا على Amazon Bedrock Knowledge Bases وAmazon Lex وAmazon Connect، مع استخدام WhatsApp كقناة للتواصل، مما يمنح المستخدمين واجهة مألوفة وسهلة الاستخدام.

يمنح Amazon Bedrock Knowledge Bases نماذج Foundation Models (FMs) والوكلاء معلومات سياقية من مصادر البيانات الخاصة بشركتك لـ Retrieval Augmented Generation (RAG)، مما يساعد في تقديم استجابات أكثر دقة وملاءمة وخصوصية. كما يوفر حلاً قوياً للمؤسسات التي تسعى لتحسين تطبيقاتها المدعومة بالذكاء الاصطناعي التوليدي. تُسهم هذه الميزة في تبسيط دمج المعرفة المتخصصة في الذكاء الاصطناعي التحادثي بفضل التوافق المباشر مع Amazon Lex وAmazon Connect.

من خلال أتمتة عمليات استيعاب المستندات وتقسيمها وتضمينها، يتم الاستغناء عن الحاجة إلى إعداد قواعد بيانات متجهات معقدة أو أنظمة استرجاع مخصصة يدوياً، مما يقلل بشكل كبير من تعقيد التطوير والوقت المستغرق.

النتيجة هي تحسين دقة استجابات الـ FM، مع تقليل الهلوسة بسبب الاعتماد على البيانات الموثقة. يتم تحقيق كفاءة التكلفة من خلال تقليل موارد التطوير والتكاليف التشغيلية مقارنة بصيانة أنظمة إدارة المعرفة المخصصة. يمكن للحل التكيف بسرعة مع نمو حجم البيانات واستفسارات المستخدمين بفضل خدمات AWS السحابية. كما أنه يستخدم البنية التحتية الأمنية القوية لـ AWS للحفاظ على خصوصية البيانات والامتثال التنظيمي. مع القدرة على التحديث المستمر والإضافة إلى قاعدة المعرفة، تظل تطبيقات الذكاء الاصطناعي محدثة بأحدث المعلومات. من خلال اختيار Amazon Bedrock Knowledge Bases، يمكن للمؤسسات التركيز على إنشاء تطبيقات ذكاء اصطناعي ذات قيمة مضافة بينما تتولى AWS تعقيدات إدارة المعرفة والاسترجاع، مما يتيح نشر حلول ذكاء اصطناعي أكثر دقة وقدرة بجهد أقل.

المتطلبات الأساسية

لتنفيذ هذا الحل، تحتاج إلى ما يلي:

• حساب AWS مع الصلاحيات اللازمة لإنشاء موارد في خدمات Amazon Bedrock، Amazon Lex، Amazon Connect، وAWS Lambda.
• الوصول إلى نموذج Anthropic's Claude 3 Haiku على Amazon Bedrock. اتبع الخطوات في "Access Amazon Bedrock foundation models"
• حساب WhatsApp للأعمال لربط مع Amazon Connect.
• مستندات المنتج، مقالات، أو أي بيانات ذات صلة لإدخالها في قاعدة المعرفة بتنسيق متوافق مثل PDF أو text.

نظرة عامة على الحل

يستخدم هذا الحل العديد من خدمات الذكاء الاصطناعي الرئيسية من AWS لبناء ونشر مساعد الذكاء الاصطناعي:

• Amazon Bedrock: خدمة مُدارة بالكامل تقدم مجموعة من نماذج Foundation Models عالية الأداء من شركات الذكاء الاصطناعي الرائدة مثل AI21 Labs وAnthropic وCohere وMeta وMistral AI وStability AI وAmazon من خلال واجهة برمجة تطبيقات واحدة، إلى جانب مجموعة واسعة من القدرات التي تحتاجها لبناء تطبيقات الذكاء الاصطناعي التوليدي مع الأمان والخصوصية والذكاء الاصطناعي المسؤول

• Amazon Bedrock Knowledge Bases: يمنح مساعد الذكاء الاصطناعي معلومات سياقية من مصادر البيانات الخاصة بالشركة

• Amazon OpenSearch Service: يعمل كمخزن للمتجهات مدعوم بشكل أصلي من Amazon Bedrock Knowledge Bases

• Amazon Lex: يمكّن من بناء واجهة محادثة لمساعد الذكاء الاصطناعي، بما في ذلك تحديد النوايا والفتحات

• Amazon Connect: يدعم الربط مع WhatsApp لجعل مساعد الذكاء الاصطناعي متاحاً للمستخدمين على تطبيق المراسلة الشائع

• AWS Lambda: يشغل الكود لدمج الخدمات وتنفيذ وكيل LangChain الذي يشكل المنطق الأساسي لمساعد الذكاء الاصطناعي

• Amazon API Gateway: يستقبل الطلبات الواردة من WhatsApp ويوجهها إلى AWS Lambda لمزيد من المعالجة

• Amazon DynamoDB: يخزن الرسائل المستلمة والمُنشأة لتمكين ذاكرة المحادثة

• Amazon SNS: يتعامل مع توجيه الاستجابة الصادرة من Amazon Connect

• LangChain: يوفر طبقة تجريد قوية لبناء وكيل LangChain الذي يساعد نماذج FM على إجراء استدلال مدرك للسياق

• LangSmith: يرفع تتبعات الوكيل إلى LangSmith لمزيد من المراقبة، بما في ذلك تصحيح الأخطاء والمراقبة وقدرات الاختبار والتقييم

وصف سير العمل

تشير الأرقام باللون الأحمر على الجانب الأيمن من المخطط إلى عملية إدخال البيانات:

1. تحميل الملفات إلى Amazon Simple Storage Service (Amazon S3) Data Source
2. تؤدي الملفات الجديدة إلى تشغيل Lambda Function
3. تستدعي Lambda Function عملية مزامنة مصدر بيانات قاعدة المعرفة
4. يجلب Amazon Bedrock Knowledge Bases البيانات من Amazon S3، ويقسمها، ويولد التضمينات من خلال FM الذي تختاره
5. يخزن Amazon Bedrock Knowledge Bases التضمينات في Amazon OpenSearch Service

تشير الأرقام على الجانب الأيسر من المخطط إلى عملية المراسلة:

1. يبدأ المستخدم الاتصال عن طريق إرسال رسالة عبر WhatsApp إلى webhook المستضاف على Amazon API Gateway
2. يوجه Amazon API Gateway الرسالة الواردة إلى معالج الرسائل الواردة، المنفذ على AWS Lambda
3. يسجل معالج الرسائل الواردة تفاصيل اتصال المستخدم في Amazon DynamoDB
4. للمستخدمين الجدد، ينشئ معالج الرسائل الواردة جلسة جديدة في Amazon Connect ويسجلها في DynamoDB. للمستخدمين العائدين، يستأنف جلسة Amazon Connect الحالية
5. يرسل Amazon Connect رسالة المستخدم إلى Amazon Lex لمعالجة اللغة الطبيعية
6. يشغل Amazon Lex المساعد الذكي LangChain، المنفذ كدالة Lambda
7. يسترجع مساعد LangChain الذكي سجل المحادثة من DynamoDB
8. باستخدام Amazon Bedrock Knowledge Bases، يجلب مساعد LangChain الذكي المعلومات السياقية ذات الصلة
9. يجمع مساعد LangChain الذكي توجيهاً، يتضمن بيانات السياق واستعلام المستخدم، ويقدمه إلى FM يعمل على Amazon Bedrock
10. يعالج Amazon Bedrock المدخلات ويعيد استجابة النموذج إلى مساعد LangChain الذكي
11. يرسل مساعد LangChain الذكي استجابة النموذج مرة أخرى إلى Amazon Lex
12. ينقل Amazon Lex استجابة النموذج إلى Amazon Connect
13. ينشر Amazon Connect استجابة النموذج في Amazon Simple Notification Service (Amazon SNS)
14. يشغل Amazon SNS دالة Lambda لمعالجة الرسائل الصادرة
15. يسترجع معالج الرسائل الصادرة معلومات اتصال الدردشة ذات الصلة من Amazon DynamoDB
16. يرسل معالج الرسائل الصادرة الاستجابة إلى المستخدم من خلال واجهة برمجة تطبيقات WhatsApp من Meta

نشر مساعد الذكاء الاصطناعي يتضمن ثلاث خطوات رئيسية:

1. إنشاء قاعدة المعرفة باستخدام Amazon Bedrock Knowledge Bases وإدخال وثائق المنتج والأسئلة الشائعة ومقالات المعرفة وغيرها من البيانات المفيدة التي يمكن للمساعد الذكي استخدامها للإجابة على أسئلة المستخدم. يجب أن تغطي البيانات حالات الاستخدام والمواضيع الرئيسية التي سيدعمها مساعد الذكاء الاصطناعي.

2. إنشاء وكيل LangChain الذي يشغل منطق مساعد الذكاء الاصطناعي. يتم تنفيذ الوكيل في دالة Lambda ويستخدم قاعدة المعرفة كأداته الأساسية للبحث عن المعلومات. يتم أتمتة نشر الوكيل مع الموارد الأخرى من خلال قالب AWS CloudFormation المقدم.

3. إنشاء مثيل Amazon Connect وتكوين تكامل WhatsApp. هذا يسمح للمستخدمين بالدردشة مع مساعد الذكاء الاصطناعي باستخدام WhatsApp، مما يوفر واجهة مألوفة ويمكّن التفاعلات الغنية مثل الصور والأزرار. شعبية WhatsApp تحسن إمكانية الوصول إلى مساعد الذكاء الاصطناعي.

نشر الحل

لقد قدمنا قوالب AWS CloudFormation جاهزة تنشر كل ما تحتاجه في حساب AWS الخاص بك.

1. قم بتسجيل الدخول إلى وحدة تحكم AWS إذا لم تكن قد قمت بذلك بالفعد.

2. اختر زر Launch Stack التالي لفتح وحدة تحكم CloudFormation وإنشاء مجموعة جديدة.

3. أدخل المعلمات التالية:

   • StackName: قم بتسمية المجموعة الخاصة بك، على سبيل المثال، WhatsAppAIStack
   • LangchainAPIKey: مفتاح API الذي تم إنشاؤه من خلال LangChain

Region	Deploy button	Template URL -- use to upgrade existing stack to a new release	AWS CDK stack to customize as needed
N. Virginia (us-east-1)		YML	GitHub

1. حدد المربع للإقرار بأنك تقوم بإنشاء موارد AWS Identity and Access Management (IAM) واختر Create Stack.

2. انتظر حتى اكتمال إنشاء المجموعة في حوالي 10 دقائق، والتي ستنشئ ما يلي:

   • وكيل LangChain
   • روبوت Amazon Lex
   • قاعدة معرفة Amazon Bedrock
   • مخزن المتجهات (Amazon OpenSearch Serverless)
   • دوال Lambda (لإدخال البيانات والمزودين)
   • مصدر البيانات (Amazon S3)
   • DynamoDB
   • Parameter Store لمفتاح API الخاص بـ LangChain
   • أدوار وصلاحيات IAM

3. قم بتحميل الملفات إلى مصدر البيانات (Amazon S3) الذي تم إنشاؤه لـ WhatsApp. بمجرد تحميل ملف، سيتم مزامنة مصدر البيانات تلقائياً.

4. لاختبار الوكيل، في وحدة تحكم Amazon Lex، حدد المساعد الذي تم إنشاؤه مؤخراً. اختر اللغة الإنجليزية، واختر Test، وأرسل له رسالة.

إنشاء الـ Amazon Connect instance وربط WhatsApp

قم بتكوين Amazon Connect للربط مع حساب WhatsApp للأعمال الخاص بك وتمكين قناة WhatsApp للمساعد الذكي:

1. انتقل إلى Amazon Connect في وحدة تحكم AWS. إذا لم تكن قد قمت بإنشاء الـ instance بعد، قم بإنشائه. انسخ الـ Instance ARN الخاص بك تحت Distribution settings. ستحتاج إلى هذه المعلومات لاحقًا لربط حساب WhatsApp للأعمال الخاص بك.

2. اختر الـ instance الخاص بك، ثم في لوحة التنقل، اختر Flows. مرر لأسفل واختر Amazon Lex. اختر البوت الخاص بك واختر Add Amazon Lex Bot.

3. في لوحة التنقل، اختر Overview. تحت Access Information، اختر Log in for emergency access.

4. في وحدة تحكم Amazon Connect، تحت Routing في لوحة التنقل، اختر Flows. اختر Create flow. اسحب عنصر Get customer input إلى الـ flow. حدد العنصر. اختر Text-to-speech أو chat text وأضف رسالة ترحيب مثل، "مرحبًا، كيف يمكنني مساعدتك اليوم؟" مرر لأسفل واختر Amazon Lex، ثم اختر البوت الخاص بـ Amazon Lex الذي أنشأته في الخطوة 2.

1. بعد حفظ العنصر، أضف عنصرًا آخر يسمى "Disconnect". اسحب سهم الـ Entry إلى Get customer input وسهم Get customer input إلى Disconnect. اختر Publish.

2. بعد نشره، اختر Show additional flow information في أسفل لوحة التنقل. انسخ اسم المورد Amazon Resource Name (ARN) للـ flow، الذي ستحتاجه لنشر تكامل WhatsApp. تظهر الصورة التالية وحدة تحكم Amazon Connect مع الـ flow.

3. قم بنشر تكامل WhatsApp كما هو مفصل في "Provide WhatsApp messaging as a channel with Amazon Connect".

اختبار الحل

تفاعل مع المساعد الذكي من خلال WhatsApp، كما هو موضح في الفيديو التالي:

حذف الموارد المتسخدمة

لتجنب حدوث التكاليف المستمرة، قم بحذف الموارد بعد الانتهاء منها:

1. قم بحذف CloudFormation stacks.
2. قم بحذف Amazon Connect instance.

الخاتمة

هذا المقال يوضح لك كيفية إنشاء مساعد ذكي للمحادثات باستخدام الذكاء الاصطناعي من خلال دمج Amazon Bedrock و Amazon Lex و Amazon Connect، ونشره على تطبيق واتساب.

يقوم الحل بإدخال البيانات ذات الصلة في قاعدة معرفية على Amazon Bedrock Knowledge Bases، وتنفيذ وكيل LangChain يستخدم قاعدة المعرفة للإجابة على الأسئلة، وجعل الوكيل متاحاً للمستخدمين من خلال WhatsApp. هذا يوفر مساعداً ذكياً يمكن الوصول إليه ويمكنه توجيه المستخدمين خلال منتجات وخدمات شركتك.

تتضمن الخطوات التالية المحتملة تخصيص المساعد الذكي لحالة الاستخدام المحددة الخاصة بك، وتوسيع قاعدة المعرفة، وتحليل سجلات المحادثة باستخدام LangSmith لتحديد المشكلات، وتحسين الأخطاء، وتحليل اختناقات الأداء في تسلسل مكالمات FM الخاص بك.