Zarządzanie konwersacjami z AI

Wprowadzenie do Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Zarządzanie stanem konwersacji w Bedrock

Zarządzanie konwersacjami: kluczowe dla naturalnych interakcji z AI
Kontekst konwersacji: obejmuje historię i metadane
Modele Claude uwzględniają kontekst

Ilustracja przedstawiająca okręgi z elementami konwersacji: wiadomością, historią i metadanymi.

Implementacja zarządzania konwersacją

Klasa ConversationManager obsługuje podstawową funkcjonalność konwersacji
Historia wiadomości przechowuje komunikaty użytkownika i asystenta wraz z rolami
Ustrukturyzowane podejście zapewnia skalowalność i łatwość utrzymania

class ConversationManager:

  def __init__(self):
    self.bedrock = 
        boto3.client('bedrock-runtime')

    self.conversation_history = []
    self.max_tokens = 8000


  def add_message(self, role, content):
      self.conversation_history
      .append({"role": role,

        "content": content

  })

ConversationManager w praktyce

Dodawanie nowych wiadomości do dziennika konwersacji
Rejestrowanie danych wejściowych użytkownika
Pomoc modelowi w zachowaniu kontekstu

conversation_manager = ConversationManager()
conversation_manager.add_message("user", "What's the weather like?")

ConversationManager w praktyce

Formatowanie jako wiadomość
Ograniczanie ilości przesyłanego tekstu
Wysyłanie sformatowanej konwersacji do modelu

# Send the latest context to the model
conversation_history = conversation_manager.conversation_history
messages = "\n\n".join(
    f"{msg['role']}: {msg['content']}" 
    for msg in conversation_history[-2:]) # Only most recent exchanges


# Send the full message to the model
response = conversation_manager.bedrock.invoke_model(
    modelId="amazon.nova-micro-v1:0", body=messages)

Czas na ćwiczenia!

Wprowadzenie do Amazon Bedrock