# AWS 生成式 AI 應用工作坊：Amazon Bedrock Workshop for FSI (金融服務行業)

## Workshop Lab Link

>[!Tip] 提醒
>**建議瀏覽器：Firefox、Chrome**

- workshop link: https://catalog.us-east-1.prod.workshops.aws/join?access-code=24d1-071f93-db

### [Option 1] 使用 AWS 練習環境

:::spoiler **操作步驟**
1. 進入課程提供的 AWS Workshop Studio 網址，並點擊 **「Email one-time password (OTP)」**，以獲得一次性臨時密碼。

2. 輸入**自己的 Email** 以用於接收一次性臨時密碼 ，並點擊 **「傳送密碼」**。

>[!Tip] 提醒
>**活動期間使用相同 Email 進行登入將會使用相同的練習環境**

3. 進入自己的 Email 以取得 **9 碼 Passcode**。

4. 將 9 碼 Passcode 填入，並點擊 **「登入」**。

5. 登入並進行環境使用要求條款後，請勾選 **「I agree with the Terms and Conditions」**，並點擊 **「Join event」**。
==中間省略==

6. 點擊 **「Open AWS console」**，以開啟 AWS Management Console。

>[!Tip] 提醒
>**練習過程中，若 AWS Management Console 逾時登出，可再次點擊此連結以重新登入並更新憑證**

7. 進入 AWS Management Console 後，即完成登入。
:::

### [Option 2] 通過 AWS Management Console Signin Console 登入

:::spoiler **操作步驟**
1. 進入 [AWS Management Console](https://console.aws.amazon.com/)，並輸入 **Account ID / Alias** 及 Admin 的 **User Name** 及 **Password** 後，點擊 **「Sign in」** 登入。

2. 進入 AWS Management Console 後，即完成登入。
:::

### [Option 3] 通過 AWS Identity Center 登入 (Optional)

:::spoiler **操作步驟**
1. 進入 AWS Identity Center 登入網址，並輸入 **Username** 及 **Password**，完成後點擊 **「Sign in」**。

2. 登入後，選擇**對應 AWS Account 的 Admin 權限**後，點擊連結以登入。

3. 進入 AWS Management Console 後，即完成登入。
:::

---

## 1. Anthropic Claude foundation model 的 prompt engineering 技巧分享

1. 確認區域為 **奧勒岡 (Oregon)**
2. 點擊 **齒輪** 可以更換為您習慣的語言
3. 進入 **Amazon Bedrock** 服務
4. 點擊 **模型存取權 (Model access)** 來啟用欲存取的 Foundation Models (FM)
5. 您可點擊 **Enable all models** 來啟用所有的 FMs 存取權限

>[!Tip] 提醒
>**此處選擇 Enable all models 為在 Workshop 中簡化操作目的，在您自己的 AWS 環境時，請按照您的實際需求選擇所需的 FMs**

6. 點擊 **範例 (Examples)** 可測試各種生成式應用情境
7. 選擇 **遊樂場 (Playground)** 可針對 FMs 進行快速的測試
- System Prompt: `你是專業的資深程式開發人員，你將協助使用者生成程式碼，並依據專業提供合適的程式碼及修改建議，所有對話都必須使用台灣中文進行對話。`
- User Prompt: `請寫出一支 Python 程式，運作於 Lambda，當中須包含 putObject 及 getObject 的程式及示範呼叫。`

- 參考資料:
- Anthropic Claude Prompt Engineering: https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview
- Mapping the Mind of a Large Language Model: https://www.anthropic.com/research/mapping-mind-language-model

---

## 2. Amazon Bedrock 的 RAG 實作：Knowledge Bases - Agents for Amazon Bedrock

### 2-1. 建立 S3 Bucket 以存放用於 RAG 的資料
1. 下載資料 (以法規文件為例)，並將其解壓縮：https://aws.bardlan.com/a7w
2. 進入 **Amazon S3** 服務
3. 點擊 **建立儲存貯體 (Create bucket)**
4. 輸入 `genai-rag-documents-[Account_ID]` 作為儲存貯體名稱 (Bucket name)，當中 `[Account_ID]` 請覆蓋成您所使用的 AWS Account ID。完成後請點擊 **建立儲存貯體 (Create bucket)**

>[!Tip] 提醒
>**S3 為物件儲存服務 (Object Storage)，Bucket Name 亦可作為 URL，因此需全球唯一命名，不能與任何其他 S3 Bucket Name 重疊，此外 S3 需為全為小寫英文字及連字號組成。**

5. 將下載的檔案及目錄上傳至建立的 S3 Bucket 中。

>[!Tip] 提醒
>**請注意 Amazon Bedrock Knowledge Bases 尚不支援非英文組成的目錄，請勿使用非英文的目錄。檔名則不在此限 (可使用中文)。**

---

### 2-2. 建立 Knowledge Base
1. 進入 **Amazon Bedrock** 服務
2. 在左方導覽列 (如果沒有出現導覽列，可點擊右上方的漢堡圖示  展開)，點擊 **知識庫 (Knowledge bases)** 來快速建立 RAG 應用
3. 在右方主視窗中，點擊 **建立知識庫 (Create knowledge base)**，並完成以下步驟 (未提及的參數設定可保留預設)：
- *步驟 (1/4):* 提供知識庫詳細資訊 (Provide knowledge base details)
- 知識庫名稱 (Knowledge base name)：`regulation-document-semantic`
- Data Source: `Amazon S3`
- Log deliveries - Application logs: `可評估啟用以利 Troubleshooting`
- *步驟 (2/4):* 設定資料來源 (Configure data source)
- 資料來源名稱 (Data source name)：`data-source-fsc`
- S3 URI: `s3://genai-rag-documents-[Account-ID]`
- Chunking and parsing configurations: `Custom`
- Chunking and parsing configurations: `Claude 3 Sonnet v1`
- Chunking strategy: `Semantic chunking`
- Max token size for a chunk: `8192`
- 進階設定
- Data deletion Policy: `Delete`
- *步驟 (3/4):* 選取內嵌項目模型並設定向量存放區 (Select embeddings model and configure vector store)
- 內嵌項目模型 (Embedding model): `Titan Text Embeddings v2`
- 向量資料庫 (Vector database): `OpenSearch Serverless - recommend`
- *步驟 (4/4)*: 檢閱並建立 (Review and create)
- 點擊 **建立知識庫 (Create knowledge base)**

>[!Tip] 提醒
>**此處約需 5~10 分鐘進行 Knowledge Base 環境部署**

4. 當環境建置完成，前往 **資料來源 (Data source)** 選擇 `data-source-fsc` 並點擊 **同步 (Sync)**

>[!Tip] 提醒
>**此處約需 10~15 分鐘進行資料向量處理**

5. 資料完成同步後，即可在右方聊天視窗進行知識庫測試 (在 **選取模型 (Select model)** 選擇 `Anthropic > Claude 3.5 Sonnet`)：

    金融業上雲需要注意哪些事項？
    保險業上雲需要注意哪些事項？
    針對金融資安，主管機關有哪些要求？

:::spoiler **回應結果示範**
- `金融業上雲需要注意哪些事項？`
- `保險業上雲需要注意哪些事項？`
>[!Tip] 提醒
> **此處回應若包含金融機構上雲應注意事項相關資料是合理的，因為大語言模型在訓練過程中，「保險業」與「金融機構」的是相近的詞彙**。
> **可通過 Prompt Engineering 來優化，或是結合篩選條件機制來利用標籤控制文件搜尋範圍。**
- `針對金融資安，主管機關有哪些要求？`
:::

6. 點擊以展開組態設定，來進行不同的嘗試：
- 篩選條件：`target = insurance`
- `保險業上雲需要注意哪些事項？`
- Break down queries: `checked`
- `金融業上雲應該注意哪些事項？還有資安有哪些面向需要注意？並請提供這些事項具體在哪些條款 (第幾條第幾項第幾款)？`

:::spoiler **回應結果示範**
- `保險業上雲需要注意哪些事項？`
- `金融業上雲應該注意哪些事項？還有資安有哪些面向需要注意？並請提供這些事項具體在哪些條款 (第幾條第幾項第幾款)？`
:::

---

### 2-3. 建立 Agent
1. 進入 **Amazon Bedrock** 服務
2. 點擊 **代理程式 (Agents)** 來快速建立 RAG 與 API 整合應用
3. 點擊 **建立代理程式 (Create Agent)**
- 名稱 (Name): `cloud-advisor`
- 代理程式指示 (Agent Prompt): `你是金融上雲的諮詢專家，你將依據問題決定要查詢內部資料還是呼叫 API。除了上雲法規及諮詢問題、遷移申請及查詢申請狀態外，其他無關的問題請回答：「抱歉，我沒有這方面的知識」。所有的對答都需要使用台灣中文。`
- 其他設定 (Additional settings)
- 使用者輸入 (User input)：`Enabled`
- 上述完成後，先點擊 **儲存 (Save)** 以建立 Agent
4. 前往 **動作群組 (Action groups)** 並點擊 **新增 (Add)**
- 輸入動作群組名稱 (Enter Action group name)：`cloud-application`
- 描述 (Description)：`處理上雲相關申請作業`
- 動作群組類型 (Action group type): `使用函數詳細資訊進行定義`
- 動作群組調用 (Action group invocation): `快速建立一個新的 Lambda 函數 - 建議值`
- 動作群組函數 (Action group function) 1:
- 名稱 (Name): `apply-cloud-migration`
- 描述 (Description): `提供上雲遷移申請`
- 參數 (Parameters):
- 名稱 (Name): `cloud_provider`
- 描述 (Description): `Cloud Provider`
- 類型 (Type): `String`
- 必要 (Required): `True`
- 名稱 (Name): `department_name`
- 描述 (Description): `Department Name`
- 類型 (Type): `String`
- 必要 (Required): `True`
- 名稱 (Name): `service_required`
- 描述 (Description): `Service Required`
- 類型 (Type): `Array`
- 必要 (Required): `True`
- 名稱 (Name): `application_name`
- 描述 (Description): `Application Name`
- 類型 (Type): `String`
- 必要 (Required): `True`
- 名稱 (Name): `kickoff_date`
- 描述 (Description): `Kickoff Date (YYYYMMDD)`
- 類型 (Type): `String`
- 必要 (Required): `True`
- 動作群組函數 (Action group function) 2:
- 名稱 (Name): `check-approval-status`
- 描述 (Description): `查詢上雲遷移申請的核准狀態`
- 參數 (Parameters):
- 名稱 (Name): `department_name`
- 描述 (Description): `Department Name`
- 類型 (Type): `String`
- 必要(Required): `True`
- 名稱 (Name): `workload_name`
- 描述 (Description): `Workload Name`
- 類型 (Type): `String`
- 必要(Required): `True`
- 上述完成後請點擊 **建立 (Create)**
5. 前往 **知識庫 (Knowledge bases)** 並點擊 **新增 (Add)**
- 選取知識庫 (Select knowledge base)：`regulation-document-semantic`
- 代理程式的知識庫指示 (Knowledge base instructions for Agent)：`查詢及回應有關金融業上雲的相關法規`
- 完成後點擊 **Add**
6. 點擊 **儲存 (Save)** 以保存 Agent 相關設定
7. 前往 **Amazon Lambda** 服務
8. 點擊產生出的 Lambda function (函數): `函數名稱為 cloud-application 開頭`
9. 取代程式碼 **dummy_lambda.py**

    import json

    def lambda_handler(event, context):
        agent = event['agent']
        actionGroup = event['actionGroup']
        function = event['function']
        parameters = event.get('parameters', [])

        print(json.dumps(event))

        responseText = ""

        match function:
            case "apply-cloud-migration":
                responseText = "The function {} was called successfully!".format(function)
            case "check-approval-status":
                responseText = "Your request is still under process."
            case _:
                pass

        # Execute your business logic here. For more information, refer to: https://docs.aws.amazon.com/bedrock/latest/userguide/agents-lambda.html
        responseBody =  {
            "TEXT": {
                "body": responseText
            }
        }

        action_response = {
            'actionGroup': actionGroup,
            'function': function,
            'functionResponse': {
                'responseBody': responseBody
            }

        }

        dummy_function_response = {'response': action_response, 'messageVersion': event['messageVersion']}
        print("Response: {}".format(dummy_function_response))

        return dummy_function_response


10. 完成後點擊 

11. 回到 **Amazon Bedrock** 服務
12. 點擊 **代理程式 (Agent)**，並進入 `cloud-advisor`
13. 點擊 **在代理程式建置器中編輯 (Edit in Agent Builder)** > **準備 (Prepare)** 以進行 Agent 測試以下問題：

金融業上雲需要注意哪些事項？
我要申請系統上雲
我要查詢系統上雲申請狀態
我要請假

:::spoiler **回應結果示範**
- `金融業上雲需要注意哪些事項？`
- 點擊 **顯示追蹤 (Show trace)** 可查看推理細節
- `我要申請系統上雲`
- `我要請假`
:::

---

## 3. AWS Sample: Bedrock Claude Chat

- Reference Link: https://github.com/aws-samples/bedrock-claude-chat

- Steps: https://hackmd.io/@dennisc/Sk3FCxdJkg
---