Tämä viesti on kirjoitettu yhdessä päätutkijan Greg Bensonin kanssa; Aaron Kesler, vanhempi tuotepäällikkö; ja Rich Dill, SnapLogicin yritysratkaisujen arkkitehti.
Monet asiakkaat rakentavat luovia tekoälysovelluksia Amazonin kallioperä ja Amazon Code Whisperer luoda koodiartefakteja, jotka perustuvat luonnolliseen kieleen. Tämä käyttötapaus korostaa, kuinka suurista kielimalleista (LLM) voi tulla kääntäjä ihmiskielten (englannin, espanjan, arabia ja muiden) ja konetulkkien kielten (Python, Java, Scala, SQL ja niin edelleen) välillä sekä kehittyneitä kieliä. sisäinen päättely. Tämä LLM:issä esiin nouseva kyky on pakottanut ohjelmistokehittäjät käyttämään LLM:itä automaation ja käyttökokemuksen parannustyökaluna, joka muuntaa luonnollisen kielen verkkotunnuskohtaiseksi kieleksi (DSL): järjestelmäohjeet, API-pyynnöt, koodiartefaktit ja paljon muuta. Tässä viestissä näytämme sinulle kuinka SnapLogic, AWS-asiakas, käytti Amazon Bedrockia sähkönlähteensä SnapGPT tuote luomalla näitä monimutkaisia DSL-artefakteja automaattisesti ihmisen kielestä.
Kun asiakkaat luovat DSL-objekteja LLM:istä, tuloksena oleva DSL on joko tarkka kopio tai johdannainen olemassa olevasta rajapintatiedosta ja -skeemasta, joka muodostaa sopimuksen käyttöliittymän ja tukipalvelun liiketoimintalogiikan välillä. Tämä malli on erityisen trendikäs riippumattomien ohjelmistotoimittajien (ISV) ja ohjelmistona palveluna (SaaS) ISV:iden keskuudessa, koska niiden ainutlaatuinen tapa esittää konfiguraatioita koodin avulla ja halu yksinkertaistaa asiakkaidensa käyttökokemusta. Esimerkkejä käyttötapauksista ovat:
Yksinkertaisin tapa rakentaa ja skaalata tekstistä liukuhihnasovelluksia AWS:n LLM:illä on käyttää Amazon Bedrockia. Amazon Bedrock on helpoin tapa rakentaa ja skaalata generatiivisia tekoälysovelluksia perustusmalleilla (FM). Se on täysin hallittu palvelu, joka tarjoaa pääsyn valikoimaan tehokkaita perus-FM:itä johtavilta tekoälyiltä yhden API:n kautta sekä laajan valikoiman ominaisuuksia, joita tarvitset luovien tekoälysovellusten rakentamiseen yksityisyyden ja turvallisuuden takaamiseksi. Anthropic, tekoälyn turvallisuus- ja tutkimuslaboratorio, joka rakentaa luotettavia, tulkittavia ja ohjattavia tekoälyjärjestelmiä, on yksi johtavista tekoälyyrityksistä, joka tarjoaa pääsyn uusimpaan LLM:ään, Claudeen, Amazon Bedrockissa. Claude on LLM, joka on erinomaista monenlaisissa tehtävissä harkittuun vuoropuheluun, sisällön luomiseen, monimutkaiseen päättelyyn, luovuuteen ja koodaamiseen. Anthropic tarjoaa sekä Claude- että Claude Instant -malleja, jotka kaikki ovat saatavilla Amazon Bedrockin kautta. Claude on nopeasti saavuttanut suosiota näissä teksti-putkisovelluksissa, koska sen päättelykyky on parantunut, mikä mahdollistaa sen erinomaisen monitulkintaisen teknisen ongelmanratkaisun. Amazon Bedrockin Claude 2 tukee 100,000 200 tunnuksen kontekstiikkunaa, joka vastaa noin XNUMX sivua englanninkielistä tekstiä. Tämä on erityisen tärkeä ominaisuus, johon voit luottaa, kun rakennat tekstistä liukuhihnaksi -sovelluksia, jotka vaativat monimutkaisia perusteluja, yksityiskohtaisia ohjeita ja kattavia esimerkkejä.
SnapLogic tausta
SnapLogic on AWS-asiakas, jonka tehtävänä on tuoda yritysautomaatio maailmalle. SnapLogic Intelligent Integration Platform (IIP) antaa organisaatioille mahdollisuuden toteuttaa koko yrityksen kattavaa automaatiota yhdistämällä koko ekosysteeminsä sovelluksista, tietokannoista, suurdataa, koneita ja laitteita, API:ita ja paljon muuta valmiilla älykkäillä Snaps-liittimillä. SnapLogic julkaisi äskettäin ominaisuuden nimeltä SnapGPT, joka tarjoaa tekstikäyttöliittymän, johon voit kirjoittaa haluamasi integrointiputken, jonka haluat luoda yksinkertaisella ihmiskielellä. SnapGPT käyttää Anthropicin Claude-mallia Amazon Bedrockin kautta automatisoidakseen näiden integrointiputkien luomisen koodina, jota sitten käytetään SnapLogicin lippulaivaintegraatioratkaisun kautta. SnapLogicin matka SnapGPT:hen on kuitenkin ollut monien vuosien huipentuma tekoälyavaruudessa.
SnapLogicin tekoälymatka
Integraatioalustojen alueella SnapLogic on jatkuvasti ollut eturintamassa hyödyntäen tekoälyn muuntavaa voimaa. Vuosien varrella yrityksen sitoutuminen innovointiin tekoälyn avulla on tullut ilmeiseksi, varsinkin kun jäljitämme matkan Iiris että Automaattinen linkki.
Nöyrä alku Iriksesta
Vuonna 2017 SnapLogic julkisti Iris-sovelluksen, joka on alan ensimmäinen tekoälyllä toimiva integraatioavustaja. Iris suunniteltiin käyttämään koneoppimisalgoritmeja (ML) ennustamaan dataputken rakentamisen seuraavat vaiheet. Analysoimalla miljoonia metatietoelementtejä ja tietovirtoja, Iris voisi tehdä älykkäitä ehdotuksia käyttäjille, mikä demokratisoi tietojen integroinnin ja antaa jopa niille, joilla ei ole syvällistä teknistä taustaa, luoda monimutkaisia työnkulkuja.
AutoLink: Lisää vauhtia
Irisin menestyksen ja oppimisen pohjalta SnapLogic esitteli AutoLink-ominaisuuden, jonka tarkoituksena on yksinkertaistaa edelleen tietojen kartoitusprosessia. Työläs tehtävä kenttien kartoittaminen manuaalisesti lähde- ja kohdejärjestelmien välillä tuli helpoksi AutoLinkin avulla. Tekoälyn avulla AutoLink tunnisti ja ehdotti automaattisesti mahdollisia osumia. Aiemmin tunteja kestäneet integraatiot voitiin suorittaa muutamassa minuutissa.
Generatiivinen harppaus SnapGPT:n kanssa
SnapLogicin uusin tekoäly tuo meille SnapGPT:n, jonka tavoitteena on mullistaa integraatio entisestään. SnapGPT:n avulla SnapLogic esittelee maailman ensimmäisen generatiivisen integraatioratkaisun. Kyse ei ole vain olemassa olevien prosessien yksinkertaistamisesta, vaan integraatioiden suunnittelun täydellisestä uudelleenkuvituksesta. Generatiivisen tekoälyn teho voi luoda kokonaisia integraatioputkia tyhjästä ja optimoida työnkulun halutun tuloksen ja datan ominaisuuksien perusteella.
SnapGPT on erittäin vaikuttava SnapLogicin asiakkaille, koska he pystyvät lyhentämään huomattavasti aikaa, joka tarvitaan ensimmäisen SnapLogic-putkilinjansa luomiseen. Perinteisesti SnapLogic-asiakkaiden on vietyttävä päiviä tai viikkoja integrointiputkien määrittämiseen tyhjästä. Nyt nämä asiakkaat voivat yksinkertaisesti pyytää SnapGPT:tä esimerkiksi "luomaan putkilinjan, joka siirtää kaikki aktiiviset SFDC-asiakkaani WorkDayhin". Tälle asiakkaalle luodaan automaattisesti toimiva ensimmäinen luonnos putkistosta, mikä lyhentää merkittävästi heidän integraatioputken perustan luomiseen tarvittavaa kehitysaikaa. Tämän ansiosta loppuasiakkaat voivat käyttää enemmän aikaa keskittyäkseen siihen, mikä on todellista liiketoimintaa, sen sijaan, että hän työskentelee integraatioputken konfiguraatioiden parissa. Seuraava esimerkki näyttää, kuinka SnapLogic-asiakas voi kirjoittaa kuvauksen SnapGPT-ominaisuuteen luodakseen nopeasti liukuhihnan luonnollisella kielellä.
AWS ja SnapLogic ovat tehneet tiivistä yhteistyötä koko tämän tuotekehityksen ajan ja oppineet paljon matkan varrella. Loppuosa tästä viestistä keskittyy teknisiin oppimiseen, joita AWS ja SnapLogic ovat saaneet käyttää LLM:itä tekstistä liukuhihnaksi -sovelluksiin.
Ratkaisun yleiskatsaus
Tämän tekstistä liukuhihnaksi -ongelman ratkaisemiseksi AWS ja SnapLogic suunnittelivat kattavan ratkaisun, joka näkyy seuraavassa arkkitehtuurissa.
Pyyntö SnapGPT:lle kulkee seuraavan työnkulun läpi:
- Käyttäjä lähettää kuvauksen sovellukseen.
- SnapLogic käyttää Retrieval Augmented Generation (RAG) -lähestymistapaa hakeakseen asiaankuuluvia esimerkkejä SnapLogic-putkista, jotka ovat samanlaisia kuin käyttäjän pyyntö.
- Nämä poimitut asiaankuuluvat esimerkit yhdistetään käyttäjän syötteeseen ja käyvät läpi jonkin verran tekstin esikäsittelyä ennen kuin ne lähetetään Claudelle Amazon Bedrockissa.
- Claude tuottaa JSON-artefaktin, joka edustaa SnapLogic-putkia.
- JSON-artefaktti on integroitu suoraan SnapLogic-integraatioalustaan.
- SnapLogic-liukuhihna esitetään käyttäjälle visuaalisesti ystävällisellä tavalla.
AWS:n ja SnapLogicin välillä tehdyissä erilaisissa kokeiluissa olemme havainneet, että ratkaisukaavion nopea suunnitteluvaihe on erittäin tärkeä korkealaatuisten tulosteiden luomisessa näille tekstistä liukuhihnaksi -tuloille. Seuraavassa osiossa käsitellään tarkemmin joitain erityisiä tekniikoita, joita käytetään Clauden kanssa tässä tilassa.
Pikainen kokeilu
Koko SnapGPT:n kehitysvaiheen ajan AWS ja SnapLogic havaitsivat, että Claudelle lähetettyjen kehotteiden nopea iterointi oli kriittinen kehitystehtävä SnapLogicin tulosteiden tekstistä liukuhihnaan -tulosteiden tarkkuuden ja osuvuuden parantamiseksi. Käyttämällä Amazon SageMaker Studio interaktiivisten muistikirjojen avulla AWS- ja SnapLogic-tiimi pystyivät nopeasti käsittelemään kehotteiden eri versioita käyttämällä Boto3 SDK -yhteys Amazon Bedrockiin. Muistikirjapohjainen kehitys antoi tiimille mahdollisuuden luoda nopeasti asiakaspuolen yhteyksiä Amazon Bedrockiin, sisällyttää tekstipohjaisia kuvauksia Python-koodin rinnalle kehotteiden lähettämiseksi Amazon Bedrockiin ja järjestää yhteisiä kehotteiden suunnitteluistuntoja, joissa iteraatioita tehtiin nopeasti useiden henkilöiden välillä.
Antrooppinen Claude nopeita suunnittelumenetelmiä
Tässä osiossa kuvataan joitain iteratiivisia tekniikoita, joita käytimme luomaan tehokkaita kehotteita havainnollistavan käyttäjän pyynnöstä: "Tee putkisto, joka käyttää esimerkkiyrityksen tietokantaa ja hakee kaikki aktiiviset asiakkaat." Huomaa, että tämä esimerkki ei ole skeema, jota SnapGPT käyttää, ja sitä käytetään vain havainnollistamaan tekstistä liukuhihnaksi -sovellusta.
Käytämme seuraavaa alkuperäistä kehotetta nopean suunnittelumme perustamiseksi:
Tee putkisto, joka käyttää esimerkkiyrityksen tietokantaa, joka hakee kaikki aktiiviset asiakkaat
Odotettu tulos on seuraava:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
Parannus 1: Human- ja Assistant-merkintöjen käyttö
Clauden koulutusmenetelmä opettaa FM:n ymmärtämään ihmisen ja avustajan välistä dialogia sen nopeassa rakenteessa. Claude-käyttäjät voivat hyödyntää tätä rakennetta lopettamalla kehotteensa Assistant:issa, mikä käynnistää Clauden luomaan vastauksen kyselyyn ihmisen sanomien perusteella. Huomaa, että koska Claude jatkaa tekstin luomista, kunnes sen käsketään lopettaa, varmista, että käytät nnHuman:n pysäytyssekvenssiä API-pyynnössä Amazon Bedrockille Claudea käytettäessä. Tämä varmistaa, että saat vain vastauksen avustajalta etkä ennustettua seuraavaa vastausta ihmiseltä dialogiketjussa. Nämä nnHuman- ja nnAssistant-indikaattorit eivät ainoastaan auta rajoittamaan Clauden vastausta asiaankuuluviin tietoihin, vaan auttavat myös tarjoamaan selkeän rajan ensisijaisen ihmisen syötteen ja muiden vuorovaikutusten avustajien vastausten välillä. Tämä auttaa erityisesti muutaman otoksen kehotteen asetuksissa, joissa voit saada useita kyselyitä ja vastauksia kyselyillä, jotka on merkitty nnHumanilla ja aiemmilla vastauksilla, jotka on merkitty nnAssistantilla. Katsotaanpa parannettua kehotetta ja siihen liittyvää havainnollistavaa API-kutsua Amazon Bedrockille Boto3 SDK:n kautta.
Käytämme seuraavaa kehotetta:
Ihminen: Luo putki, joka käyttää esimerkkiyrityksen tietokantaa ja hakee kaikki aktiiviset asiakkaat
assistentti:
Tuotos on seuraava:
Tässä on MongoDB-putki, joka hakee kaikki aktiiviset asiakkaat exampleCompany-tietokannasta:
pipeline = [ { '$match': { 'database': 'ExampleCompany', 'status': 'active' } } ] db.customers.aggregate(pipeline)
Tärkeimmät vaiheet ovat:
– `$match`, jos haluat suodattaa asiakirjat vain esimerkkiyrityksen tietokannassa oleviin asiakirjoihin, joiden tila on "aktiivinen".
– `db.customers.aggregate()` suorittaa liukuhihnan asiakaskokoelmassa ja palauttaa suodatetut tulokset.
Joten tämä palauttaa kaikki asiakasasiakirjat Esimerkkiyrityksen tietokannasta, jossa tilakentän arvo on "aktiivinen".
Huomaa, kuinka tulosteessa Claude muodostaa vastauksen kysymykseemme ilman kontekstia. Vastaus on mahdollisesti hyödyllinen, mutta se ei liity ongelmaan, jota yritämme ratkaista, koska sille ei ole annettu tarpeeksi kontekstia. On myös tärkeää huomata, että Anthropic vaatii tämän ihmisen ja avustajan muodon käytettäessä Claude-malleja; Jos et sisällytä tätä vaihetta, Amazon Bedrock palauttaa virheilmoituksen.
Parannus 2: Sisällytä Claudelle hyperspesifinen konteksti, ennen kuin sille kerrotaan, mitä tehdä
Claude toimii parhaiten, kun sille annetaan hyvä konteksti siitä, mitä sen on suoritettava, ja kuinka sen on tarkoitus suorittaa tämä tehtävä. Tässä on muutamia esimerkkejä asioista, jotka on sisällytettävä Clauden kontekstiksi ennen kuin kerrot sille tehtävän:
- Kuvaile työtehtävää, jonka haluat Clauden suorittavan. Tekemällä tämän saat Clauden ajattelemaan jonkun kyseisessä työssä työskentelevän roolia tai enemmän kuin jonkun, joka vain palkataan kyseiseen työtehtävään. Tämä auttaa Claudea muotoilemaan vastauksen kyseisen työtehtävän näkökulmasta, mikä vähentää hallusinaatioita ja satunnaisuutta vastauksessa.
- Sisällytä tulostusmuotoon liittyvät tekniset tiedot. Perusmallit ovat yleensä hyviä seuraamaan toimintoja, joten jos Claudea pyydetään luomaan tulos tietyssä muodossa tai skeemassa yhden tai muutaman esimerkin avulla, Claude pystyy tarjoamaan vastauksen oikeassa muodossa, mikä vähentää tulosteen suodattamisen ja jälkikäsittelyn tarvetta. Seuraavan kehotteen esimerkki näyttää kuvitteellisen skeeman, joka vastaa odotettua tulosta.
Yhdistetään nämä ehdotukset parantaaksemme alkuperäistä kehotettamme:
Ihminen: Sinun tehtäväsi on toimia ETL-putkien asiantuntijana. Tarkemmin sanottuna sinun tehtäväsi on luoda JSON-esitys ETL-putkistosta, joka ratkaisee sinulle toimitetun käyttäjäpyynnön.
JSON-lähdön tulee noudattaa seuraavaa muotoa:
Tässä on sinun tehtäväsi: tee putki, joka käyttää EsimerkkiCompany-tietokantaa, joka hakee kaikki aktiiviset asiakkaat
assistentti:
Tuotos on seuraava:
Tässä on JSON-esitys ETL-putkistosta kaikkien aktiivisten asiakkaiden hakemiseksi esimerkkiyrityksen tietokannasta:
Tämä liukuhihna käyttää Esimerkkiyrityksen tietokantaa ja SQL-kyselyä valitakseen kaikki asiakastaulukosta tietueet, joiden tila on "aktiivinen".
Kontekstin lisäämisen ansiosta malli pystyy nyt saamaan suurimman osan vastauksestamme. Se osaa nyt jäsentää tulosteen ja ymmärtää, että sen on kirjoitettava SQL-käsky ratkaistakseen tehtävän. Huomaat kuitenkin, että malli ei käytä oikein odottamaamme ec_prod.customers-nimikkeistöä. Tilaa parannuksille! Huomaa myös, että käytännössä sinun on sisällytettävä huomattavasti enemmän kontekstia kuin mitä olemme antaneet tässä esimerkissä korkealaatuisten tulosten saamiseksi tekstistä liukuhihnaksi -käyttötapauksissa.
Parannus #3: Esimerkkejä sisällytetään XML-tunnisteisiin
Harva-oppiminen on suosittu tapa lisätä FM:n tarkkuutta, jos sinulla on asiaankuuluvia esimerkkejä ohjaamaan FM:ää heidän tehtävässään. Tämä on erityisen tärkeää työskenneltäessä tekstistä liukuhihnaksi -sovelluksissa, koska näitä hyperspesifisiä liukuhihnan tulosteita ei yleensä sisällytetä mihinkään julkiseen tietojoukkoon, koska ne liittyvät yksittäisen asiakkaan datan esitykseen. Kun käytät Claudea, voit hyödyntää sen luontaista tietämystä mielivaltaisista XML-tunnisteista tarjotaksesi nämä esimerkit muutaman otoksen muodossa. Huomaa, että seuraavassa parannetussa kehotteessa on lisätty esimerkkejä XML-tunnisteet. Voit myös käyttää lyhenteitä ihmisestä ja avustajasta H:n ja A:n kanssa antaaksesi kontekstin Claudelle ilman, että se luulee, että nämä olivat tiettyjä osia dialogista, joka on jo tapahtunut.
Käytämme seuraavaa kehotetta:
Ihminen: Sinun tehtäväsi on toimia ETL-putkien asiantuntijana. Tarkemmin sanottuna sinun tehtäväsi on luoda JSON-esitys ETL-putkistosta, joka ratkaisee sinulle toimitetun käyttäjäpyynnön.
JSON-lähdön tulee noudattaa seuraavaa muotoa:
Tässä on joitain esimerkkejä käyttäjien pyynnöistä ja niihin liittyvistä JSON-tulosteen artefakteista, jotka ratkaisevat tarjotun tehtävän oikein. Varmista, että käytät samaa nimikkeistöä, joka on esimerkeissä, jos käytät samoja tietokantoja.
H: tiedustele esimerkkiyrityksen tietokannasta asiakkaan #1234 aktiivisia tilauksia
A:
Tämän kyselyn syynä on, että asiakas #1234 on suodatettu ja etsimme "tilaukset" -taulukosta olemassa olevia tietueita "aktiivisen" suodattimen jälkeen.
H: Poista esimerkkiyrityksen tietokannasta kaikki asiakkaat, jotka eivät ole olleet aktiivisia viimeisen kuukauden aikana
A:
Tämän kyselyn syynä on se, että "ec_prod.customers"-taulukko on esimerkkiyrityksen tietokannan ainoa taulukko, joka sisältää asiakastietueita.
Tässä on sinun tehtäväsi: tee putki, joka käyttää EsimerkkiCompany-tietokantaa, joka hakee kaikki aktiiviset asiakkaat.
assistentti:
Tuotos on seuraava:
Tässä on ETL-putkilinjan JSON-esitys kaikkien aktiivisten asiakkaiden noutamiseksi Esimerkkiyrityksen tietokannasta:
Perusteluna on:
EsimerkkiCompany-tietokanta on määritetty käytettäväksi tietokannaksi
Taulukko ec_prod.customers sisältää asiakastiedot
Tilakenttä osoittaa, onko asiakas aktiivinen, joten kysely suodattaa vain aktiiviset asiakkaat
Tämän pitäisi hakea kaikki aktiiviset asiakastietueet EsimerkkiCompany-tietokannasta. Kerro minulle, jos tarvitset selvennyksiä tai sinulla on lisävaatimuksia ETL-putkilinjalle!
JSON-ulostulossa on nyt oikea tietokantanimikkeistö, jota Claude pystyi käyttämään antamiemme esimerkkien ansiosta. Ihmisen ja avustajan indikaattoreiden yhdistäminen XML-tunnisteisiin helpottaa Clauden ymmärtämistä, mikä on tehtävä ja mikä oli vastaus samankaltaisissa esimerkeissä, ja useat muutaman otoksen esimerkit on erotettu erittäin selvästi toisistaan. Mitä helpompi Clauden on ymmärtää, sitä parempi ja osuvampi vastaus on, mikä vähentää mallin mahdollisuutta hallusinoida ja antaa satunnaisia merkityksettömiä vastauksia.
Parannus #4: Claude käynnistää JSON-sukupolven XML-tunnisteilla
Pieni haaste FM:itä käyttävissä tekstistä liukuhihnaksi -sovelluksissa on tarve jäsentää tuloksena olevan tekstin tulos täsmällisesti, jotta se voidaan tulkita koodiksi myöhemmän virran sovelluksessa. Yksi tapa ratkaista tämä Clauden kanssa on hyödyntää sen XML-tunnisteen ymmärtämistä ja yhdistää tämä mukautettuun pysäytyssekvenssiin. Seuraavassa kehotteessa olemme kehottaneet Claudea liittämään tulosteen XML-tunnisteet. Sitten olemme lisänneet -tunniste kehotteen loppuun. Tämä varmistaa, että ensimmäinen Claudesta tuleva teksti on JSON-ulostulon alku. Jos et tee tätä, Claude vastaa usein keskustelutekstillä, sitten oikealla koodilla. Ohjeistamalla Claudea aloittamaan tuotoksen luominen välittömästi, voit helposti lopettaa luonnin, kun näet sulkemisen tag. Tämä näkyy päivitetyssä Boto3 API -kutsussa. Tämän tekniikan edut ovat kaksinkertaiset. Ensinnäkin voit jäsentää tarkasti Clauden koodivastauksen. Toiseksi voit alentaa kustannuksia, koska Claude tuottaa vain kooditulosteita eikä ylimääräistä tekstiä. Tämä alentaa Amazon Bedrockin kustannuksia, koska sinua veloitetaan jokaisesta tunnuksesta, joka on tuotettu kaikkien FM-lähettimien tulosteena.
Käytämme seuraavaa kehotetta:
Ihminen: Sinun tehtäväsi on toimia ETL-putkien asiantuntijana. Tarkemmin sanottuna sinun tehtäväsi on luoda JSON-esitys ETL-putkistosta, joka ratkaisee sinulle toimitetun käyttäjäpyynnön.
JSON-lähdön tulee noudattaa seuraavaa muotoa:
Tässä on joitain esimerkkejä käyttäjien pyynnöistä ja niihin liittyvistä JSON-tulosteen artefakteista, jotka ratkaisevat tarjotun tehtävän oikein. Varmista, että käytät samaa nimikkeistöä, joka on esimerkeissä, jos käytät samoja tietokantoja.
H: tiedustele esimerkkiyrityksen tietokannasta asiakkaan #1234 aktiivisia tilauksia
A:
Tämän kyselyn syynä on, että asiakas #1234 on suodatettu ja etsimme "tilaukset" -taulukosta olemassa olevia tietueita "aktiivisen" suodattimen jälkeen.
H: Poista esimerkkiyrityksen tietokannasta kaikki asiakkaat, jotka eivät ole olleet aktiivisia viimeisen kuukauden aikana
A:
Tämän kyselyn syynä on se, että "ec_prod.customers"-taulukko on esimerkkiyrityksen tietokannan ainoa taulukko, joka sisältää asiakastietueita.
Muista aina liittää JSON-lähtösi sisään tunnisteet.
Tässä on sinun tehtäväsi: tee putki, joka käyttää EsimerkkiCompany-tietokantaa, joka hakee kaikki aktiiviset asiakkaat.
assistentti:
Käytämme seuraavaa koodia:
body = json.dumps({"prompt": prompt, "stop_sequences": ['nnHuman:', '</json>']})
response = bedrock.invoke_model(
body=body,
modelId='anthropic.claude-v2'
)
Tuotos on seuraava:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
Nyt olemme saavuttaneet odotetun tuloksen, kun vain JSON-objekti on palautettu! Tätä menetelmää käyttämällä pystymme luomaan välittömästi käyttökelpoisen teknisen artefaktin sekä alentamaan tuotantokustannuksia vähentämällä lähtötokeneita.
Yhteenveto
Aloita SnapGPT:n käyttö tänään pyytämällä a ilmainen SnapLogicin kokeiluversio or pyydä esittely tuotteesta. Jos haluat käyttää näitä käsitteitä rakennussovelluksissa tänään, suosittelemme käytännön kokeiluja tämän viestin nopean suunnitteluosion avulla käyttämällä samaa kulkua eri DSL-sukupolven käyttötapauksissa, jotka sopivat yrityksellesi, ja sukeltamalla syvemmälle RAG-ominaisuudet, jotka ovat saatavilla Amazon Bedrockin kautta.
SnapLogic ja AWS ovat tehneet tehokkaan yhteistyön rakentaakseen edistyneen kääntäjän ihmisen kielen ja Amazon Bedrockin tuottamien SnapLogic-integraatioputkien monimutkaisen skeeman välille. Koko tämän matkan aikana olemme nähneet, kuinka Clauden tuottamaa tulosta voidaan parantaa tekstistä liukuhihnaksi -sovelluksissa käyttämällä erityisiä nopean suunnittelun tekniikoita. AWS ja SnapLogic ovat innoissaan jatkaessaan tätä Generative AI -kumppanuutta ja odottavat tulevaa yhteistyötä ja innovaatioita tässä nopeasti muuttuvassa tilassa.
Tietoja Tekijät
Greg Benson on tietojenkäsittelytieteen professori San Franciscon yliopistossa ja päätutkija SnapLogicissa. Hän liittyi USF:n tietojenkäsittelytieteen laitokselle vuonna 1998 ja on opettanut perustutkinto- ja jatkokursseja, mukaan lukien käyttöjärjestelmät, tietokonearkkitehtuuri, ohjelmointikielet, hajautetut järjestelmät ja johdanto-ohjelmointi. Greg on julkaissut tutkimusta käyttöjärjestelmien, rinnakkaislaskennan ja hajautettujen järjestelmien aloilta. Liittyessään SnapLogiciin vuonna 2010 Greg on auttanut suunnittelemaan ja toteuttamaan useita keskeisiä alustan ominaisuuksia, kuten klusterikäsittelyn, ison datan käsittelyn, pilviarkkitehtuurin ja koneoppimisen. Hän työskentelee parhaillaan Generatiivinen tekoäly tietojen integroimiseksi.
Aaron Kesler Aaron on SnapLogicin tekoälytuotteiden ja -palveluiden vanhempi tuotepäällikkö. Aaron soveltaa yli kymmenen vuoden tuotehallinnan asiantuntemusta AI/ML-tuotekehityksen edelläkävijänä ja palveluiden evankeliointia koko organisaatiossa. Hän on kirjoittanut tulevan kirjan "What's Your Problem?" tavoitteena on opastaa uusia tuotepäälliköitä tuotejohtamisen uralla. Hänen yrittäjyysmatkansa alkoi hänen korkeakoulustartup-yrityksestään, STAK:sta, jonka Carvertise myöhemmin osti ja Aaron myötävaikutti merkittävästi heidän tunnustukseensa Vuoden 2015 Tech Startup -yrityksenä Delawaressa. Ammattiharrastuksensa lisäksi Aaron nauttii golfaamisesta isänsä kanssa, uusien kulttuurien ja ruokien tutkimisesta matkoillaan sekä ukuleleen harjoittelusta.
Rikas tilli on pääratkaisuarkkitehti, jolla on laaja kokemus useilta erikoisaloilla. Menestyksen ennätys monikäyttöisistä yritysohjelmistoista ja SaaS-palveluista. Tunnettu siitä, että se muuttaa asiakkaiden vaikuttamisen (asiakkaan äänenä toimiviksi) tuloja tuoviksi uusiksi ominaisuuksiksi ja tuotteiksi. Todistettu kyky viedä huippuluokan tuotteita markkinoille ja projektit valmistua aikataulussa ja budjetissa nopeatempoisissa onshore- ja offshore-ympäristöissä. Yksinkertainen tapa kuvata minua: tiedemiehen mieli, tutkimusmatkailijan sydän ja taiteilijan sielu.
Clay Elmore on AI/ML Specialist Solutions -arkkitehti AWS:ssä. Vietettyään useita tunteja materiaalitutkimuslaboratoriossa, hänen kemiantekniikan taustansa jäi nopeasti taakseen ja jatkoi kiinnostusta koneoppimiseen. Hän on työskennellyt ML-sovellusten parissa monilla eri toimialoilla energiakaupasta hotelli- ja ravintolamarkkinointiin. Clayn nykyinen työ AWS:ssä keskittyy auttamaan asiakkaita tuomaan ohjelmistokehityskäytännöt ML- ja generatiivisiin tekoälytyöhön, jolloin asiakkaat voivat rakentaa toistettavia, skaalautuvia ratkaisuja näihin monimutkaisiin ympäristöihin. Vapaa-ajallaan Clay nauttii hiihtämisestä, Rubikin kuutioiden ratkaisemisesta, lukemisesta ja ruoanlaitosta.
Sina Sojoodi on teknologiajohtaja, järjestelmäinsinööri, tuotejohtaja, entinen perustaja ja käynnistysneuvoja. Hän liittyi AWS:ään maaliskuussa 2021 pääratkaisuarkkitehtina. Sina on tällä hetkellä Yhdysvaltain ja lännen ISV-alueen johtava Solutions Architect. Hän työskentelee SaaS- ja B2B-ohjelmistoyritysten kanssa rakentaakseen ja kasvattaakseen liiketoimintaansa AWS:llä. Ennen rooliaan Amazonilla Sina toimi teknologiajohtajana VMwaressa ja Pivotal Softwaressa (IPO vuonna 2018, VMware M&A vuonna 2020) ja toimi useissa johtotehtävissä, mukaan lukien Xtreme Labsin perustajainsinööri (Pivotalin hankinta vuonna 2013). Sina on omistanut viimeiset 15 vuotta työkokemuksestaan ohjelmistoalustojen ja käytäntöjen rakentamiseen yrityksille, ohjelmistoyrityksille ja julkiselle sektorille. Hän on alan johtaja, jolla on intohimo innovaatioihin. Sina on suorittanut BA-tutkinnon Waterloon yliopistosta, jossa hän opiskeli sähkötekniikkaa ja psykologiaa.
Sandeep Rohilla on AWS:n vanhempi ratkaisuarkkitehti, joka tukee ISV-asiakkaita Yhdysvaltain länsialueella. Hän keskittyy auttamaan asiakkaita suunnittelemaan ratkaisuja, jotka hyödyntävät kontteja ja luovaa tekoälyä AWS-pilvessä. Sandeep on intohimoinen ymmärtää asiakkaiden liiketoimintaongelmia ja auttaa heitä saavuttamaan tavoitteensa teknologian avulla. Hän liittyi AWS:ään työskenneltyään yli vuosikymmenen ratkaisuarkkitehtina, mikä toi 17 vuoden kokemuksensa käyttöön. Sandeep on koulutukseltaan MSc. Ohjelmistotekniikkaa Länsi-Englannin yliopistosta Bristolissa, Isossa-Britanniassa.
Tohtori Farooq Sabir on AWS:n vanhempi tekoäly- ja koneoppimisen asiantuntijaratkaisuarkkitehti. Hänellä on tohtorin ja MS:n tutkinnot sähkötekniikasta Texasin yliopistosta Austinista ja MS-tutkinto tietojenkäsittelytieteestä Georgia Institute of Technologysta. Hänellä on yli 15 vuoden työkokemus ja hän haluaa myös opettaa ja mentoroida korkeakouluopiskelijoita. AWS:ssä hän auttaa asiakkaita muotoilemaan ja ratkaisemaan liiketoimintaongelmiaan datatieteen, koneoppimisen, tietokonenäön, tekoälyn, numeerisen optimoinnin ja niihin liittyvien alojen aloilla. Hän asuu Dallasissa, Texasissa, ja hän ja hänen perheensä rakastavat matkustamista ja pitkiä matkoja.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/how-snaplogic-built-a-text-to-pipeline-application-with-amazon-bedrock-to-translate-business-intent-into-action/
- :on
- :On
- :ei
- :missä
- $ YLÖS
- 10
- 100
- 121
- 14
- 15 vuotta
- 15%
- 150
- 17
- 1998
- 200
- 2010
- 2013
- 2015
- 2017
- 2018
- 2020
- 2021
- 31
- 33
- 7
- 8
- 9
- a
- Aaron
- kyky
- pystyy
- Meistä
- pääsy
- suorittaa
- tarkkuus
- Saavuttaa
- hankittu
- hankinta
- poikki
- Toimia
- Toiminta
- toimet
- aktiivinen
- lisä-
- Lisäksi
- lisä-
- kehittynyt
- Etu
- neuvonantaja
- asianajo
- Jälkeen
- AI
- AI-järjestelmät
- AI-käyttöinen
- AI / ML
- jonka tarkoituksena
- tavoitteet
- algoritmit
- Kaikki
- sallittu
- Salliminen
- mahdollistaa
- pitkin
- rinnalla
- jo
- Myös
- Amazon
- Amazon Web Services
- määrä
- an
- analysointi
- ja
- vastaus
- vastauksia
- Antropinen
- Kaikki
- api
- API
- Hakemus
- sovellukset
- sovelletaan
- lähestymistapa
- sovellukset
- arabialainen
- arkkitehtuuri
- OVAT
- ALUE
- alueet
- noin
- saapui
- Art
- keinotekoinen
- tekoäly
- Keinotekoinen älykkyys ja koneoppiminen
- taiteilija
- AS
- kysyä
- pyytäminen
- Avustaja
- liittyvä
- At
- täydennetty
- Austin
- kirjoittaja
- automatisoida
- Automatisoitu
- automaattisesti
- Automaatio
- saatavissa
- AWS
- AWS asiakas
- B2B
- tausta
- tausta
- pohja
- perustua
- Lähtötilanne
- BE
- Bear
- tuli
- koska
- tulevat
- ollut
- ennen
- alkoi
- alkaa
- takana
- ovat
- Hyödyt
- PARAS
- Paremmin
- välillä
- Jälkeen
- Iso
- Big Data
- kirja
- sekä
- tuoda
- Tuominen
- Tuo
- Bristol
- laaja
- laajasti
- talousarvio
- rakentaa
- Rakentaminen
- rakentaa
- rakennettu
- liiketoiminta
- liiketoiminnan vaikutukset
- yritykset
- mutta
- by
- soittaa
- nimeltään
- CAN
- kyvyt
- Ura
- tapaus
- tapauksissa
- keskuksissa
- ketju
- haaste
- mahdollisuus
- ominaisuudet
- peritään
- kemiallinen
- päällikkö
- valinta
- selkeä
- tarkasti
- sulkeminen
- pilvi
- Cluster
- koodi
- Koodaus
- yhteistyötä
- yhteistyö
- kokoelma
- College
- yhdistää
- yhdistetty
- tulee
- sitoutuminen
- Yritykset
- Yrityksen
- pakko
- valmistuminen
- monimutkainen
- kattava
- tietokone
- Tietojenkäsittelyoppi
- Tietokoneen visio
- tietojenkäsittely
- käsitteet
- konfigurointi
- Kytkeminen
- liitäntä
- Liitännät
- johdonmukaisesti
- Kontit
- sisältää
- pitoisuus
- sisällön luominen
- tausta
- jatkaa
- sopimus
- edistää
- puhekielen
- ruoanlaitto
- Ydin
- korjata
- oikein
- Hinta
- voisi
- kurssit
- luoda
- luotu
- luominen
- luovuus
- kriittinen
- Nykyinen
- Tällä hetkellä
- asiakassuhde
- asiakas
- Asiakkaat
- leikkaus
- leikkaamisreuna
- Dallas
- tiedot
- datan integraatio
- tietojenkäsittely
- tietojenkäsittely
- tietokanta
- tietokannat
- päivää
- vuosikymmen
- vähentää
- omistautunut
- syvä
- syvempää
- Delaware
- esittely
- Democratizing
- osasto
- johdannainen
- kuvata
- kuvaus
- Malli
- suunniteltu
- halu
- haluttu
- yksityiskohtainen
- yksityiskohdat
- kehittäjille
- Kehitys
- Laitteet
- Vuoropuhelu
- eri
- suoraan
- jaettu
- hajautetut järjestelmät
- sukellus
- do
- asiakirjat
- ei
- tekee
- verkkotunnuksia
- Dont
- alas
- luonnos
- rajusti
- ajaa
- kaksi
- kukin
- helpompaa
- Helpoin
- helposti
- ekosysteemi
- tehokkaasti
- myöskään
- Sähkötekniikka
- elementtejä
- mahdollistaa
- loppu
- pääte
- energia
- insinööri
- Tekniikka
- Englanti
- Englanti
- lisälaite
- tarpeeksi
- varmistaa
- varmistaa
- enter
- yritys
- yritysohjelmistot
- Enterprise-ratkaisut
- yrityksille
- Koko
- täysin
- yrittäjän
- ympäristöissä
- yhtäläinen
- Vastaava
- virhe
- erityisesti
- Eetteri (ETH)
- Jopa
- ilmeinen
- täsmälleen
- esimerkki
- Esimerkit
- kunnostautua
- innoissaan
- johtaja
- olemassa
- odotettu
- odottaa
- experience
- asiantuntija
- asiantuntemus
- tutkimusmatkailija
- Tutkiminen
- lisää
- erittäin
- perhe
- nopeasti liikkuva
- nopeatempoinen
- Ominaisuus
- Ominaisuudet
- harvat
- ala
- Fields
- suodattaa
- suodatus
- suodattimet
- löydöt
- Etunimi
- lippulaiva
- virtaus
- virrat
- Keskittää
- keskittyy
- tarkennus
- seurata
- jälkeen
- seuraa
- elintarvikkeet
- varten
- Kokeilu
- eturintamassa
- muoto
- lomakkeet
- Eteenpäin
- löytyi
- perusta
- perustamisen
- Francisco
- ystävällinen
- alkaen
- Täyttää
- täysin
- toiminto
- edelleen
- tulevaisuutta
- saadut
- yleensä
- tuottaa
- syntyy
- synnyttää
- tuottaa
- sukupolvi
- generatiivinen
- Generatiivinen AI
- Georgia
- Georgia-instituutti
- saada
- gif
- tietty
- Go
- Tavoitteet
- Goes
- hyvä
- valmistua
- Kasvaa
- ohjaavat
- HAD
- käsi
- valjastaminen
- Olla
- he
- sydän
- auttaa
- auttanut
- hyödyllinen
- auttaa
- auttaa
- tätä
- suorituskykyinen
- korkealaatuisia
- raidat
- hänen
- pitää
- pitää
- vieraanvaraisuus
- TUNTIA
- Miten
- Miten
- Kuitenkin
- HTML
- HTTPS
- ihmisen
- nöyrä
- tunnistettu
- if
- valaista
- heti
- Vaikutus
- vaikuttavia
- toteuttaa
- tärkeä
- parantaa
- parani
- parantaminen
- in
- sisältää
- mukana
- Mukaan lukien
- Kasvaa
- itsenäinen
- ilmaisee
- indikaattorit
- henkilökohtainen
- teollisuuden
- teollisuus
- teollisuuden johtaja
- tiedot
- synnynnäinen
- innovoidaan
- Innovaatio
- panos
- tuloa
- välitön
- sen sijaan
- Instituutti
- ohjeet
- integroitu
- integraatio
- integraatiot
- Älykkyys
- Älykäs
- tahallisuus
- vuorovaikutukset
- vuorovaikutteinen
- korko
- liitäntä
- sisäinen
- tulee
- käyttöön
- Esittelee
- alustava
- IPO
- isv
- IT
- iteraatio
- toistojen
- SEN
- Jaava
- Job
- liittyi
- tuloaan
- yhteinen
- matka
- ilo
- jpg
- json
- vain
- avain
- Tietää
- tuntemus
- tunnettu
- tietää
- laboratorio
- Labs
- Kieli
- kielet
- suuri
- Sukunimi
- myöhemmin
- uusin
- johtaa
- johtaja
- Johto
- johtava
- Harppaus
- oppinut
- oppiminen
- vasemmalle
- antaa
- vipuvaikutuksen
- pitää
- tykkää
- logiikka
- Pitkät
- katso
- Erä
- rakkaus
- Yritysjärjestelyt
- kone
- koneoppiminen
- Koneet
- tehty
- tehdä
- TEE
- Tekeminen
- onnistui
- johto
- johtaja
- Päättäjät
- tapa
- käsin
- monet
- kartoitus
- maaliskuu
- markkinat
- Marketing
- tulitikut
- tarvikkeet
- me
- opastaja
- pelkkä
- Metadata
- menetelmä
- miljoonia
- mielessä
- pöytäkirja
- Tehtävä
- ML
- malli
- mallit
- MongoDB
- lisää
- eniten
- liikkua
- MS
- Monialustainen
- moninkertainen
- my
- nimi
- Luonnollinen
- Luonnollinen kieli
- Tarve
- tarpeet
- Uusi
- Uudet ominaisuudet
- uusi tuote
- seuraava
- Nro
- huomata
- kannettavat tietokoneet
- Ilmoitus..
- nyt
- objekti
- esineet
- tapahtui
- of
- Tarjoukset
- usein
- on
- kerran
- ONE
- vain
- toiminta
- käyttöjärjestelmät
- optimointi
- optimoimalla
- or
- tilata
- määräys
- organisaatio
- organisaatioiden
- alkuperäinen
- Muut
- meidän
- ulos
- Tulos
- ulostulo
- lähdöt
- yli
- sivut
- Parallel
- erityisesti
- kumppani
- Kumppanuus
- intohimo
- intohimoinen
- Ohi
- Kuvio
- suorittaa
- näkökulma
- vaihe
- phd
- kappaletta
- pioneeri
- putki
- keskeinen
- Paikka
- foorumi
- Platforms
- Platon
- Platonin tietotieto
- PlatonData
- Suosittu
- suosio
- Kirje
- mahdollinen
- mahdollisesti
- teho
- powered
- harjoitusta.
- käytännöt
- ennustaa
- ennusti
- edellinen
- ensisijainen
- Pääasiallinen
- yksityisyys
- Tietosuoja ja turvallisuus
- Ongelma
- ongelmia
- menettelyt
- prosessi
- Prosessit
- käsittely
- valmistettu
- tuottaa
- Tuotteet
- tuotekehitys
- tuotehallinta
- tuotepäällikkö
- Tuotteemme
- Tuotteet ja palvelut
- ammatillinen
- Opettaja
- Ohjelmointi
- ohjelmointikielet
- hankkeet
- ohjeita
- todistettu
- toimittaa
- mikäli
- tarjoaa
- tarjoamalla
- Psykologia
- julkinen
- julkaistu
- Julkaistu tutkimus
- jatkaa
- Python
- kyselyt
- kysymys
- nopeasti
- satunnainen
- satunnaisuuden
- alue
- alainen
- nopea
- Lukeminen
- ymmärtää
- valtakunta
- vastaanottaa
- äskettäin
- tunnustaminen
- suositella
- ennätys
- asiakirjat
- vähentää
- vähentää
- vähentämällä
- suhteen
- alue
- Reimagining
- liittyvä
- julkaistu
- merkityksellinen
- luotettava
- luottaa
- muistaa
- poistaa
- sulatettu
- toistettavissa
- vastaus
- edustus
- edustavat
- edustaa
- pyyntö
- pyynnöt
- edellyttää
- tarvitaan
- vaatimukset
- Vaatii
- tutkimus
- vastaus
- vasteet
- REST
- Saatu ja
- tulokset
- palata
- Tuotto
- mullistaa
- Rikas
- oikein
- tie
- Rooli
- roolit
- Huone
- ajaa
- toimii
- SaaS
- Turvallisuus
- sagemaker
- Said
- sama
- San
- San Francisco
- Scala
- skaalautuva
- Asteikko
- aikataulu
- tiede
- Tiedemies
- raapia
- sdk
- haku
- Toinen
- Osa
- sektori
- turvallisuus
- nähdä
- nähneet
- valita
- lähettäminen
- vanhempi
- lähetetty
- Järjestys
- palveli
- palvelu
- Palvelut
- palvelevat
- istuntoja
- setti
- asetus
- useat
- shouldnt
- näyttää
- esitetty
- Näytä
- merkittävästi
- samankaltainen
- Yksinkertainen
- yksinkertaistaa
- yksinkertaistaminen
- yksinkertaisesti
- koska
- single
- pieni
- So
- Tuotteemme
- ohjelmisto palveluna
- Ohjelmistokehittäjät
- ohjelmistokehitys
- ohjelmistotuotanto
- ratkaisu
- Ratkaisumme
- SOLVE
- Solving
- jonkin verran
- Joku
- hienostunut
- Sielu
- lähde
- Tila
- Espanjan
- jännitys
- asiantuntija
- erityinen
- erityisesti
- määritelty
- viettää
- menot
- SQL
- Alkaa
- alkoi
- käynnistyksen
- Lausunto
- Tila
- Vaihe
- Askeleet
- stop
- suora
- rakenne
- Opiskelijat
- tutkittu
- menestys
- Tukea
- Tukee
- tarkoitus
- varma
- järjestelmä
- järjestelmät
- taulukko
- TAG
- ottaa
- Kohde
- Tehtävä
- tehtävät
- opettanut
- joukkue-
- tiimit
- teknologia
- tech-käynnistys
- Tekninen
- tekniikka
- tekniikat
- Elektroniikka
- kertoa
- kymmenen
- texas
- teksti
- kuin
- että
- -
- Länsi
- maailma
- heidän
- Niitä
- sitten
- Nämä
- ne
- asiat
- ajatella
- tätä
- ne
- Kautta
- kauttaaltaan
- aika
- että
- tänään
- symbolinen
- tokens
- kertoi
- otti
- työkalu
- jäljittää
- raita
- kaupankäynti
- perinteisesti
- koulutus
- transformatiivinen
- muunnoksia
- Kääntää
- matkustaa
- matkustaa
- nousussa
- oikeudenkäynti
- laukaista
- liipaisu
- totta
- Todellinen koodi
- yrittää
- Kääntyminen
- tyyppi
- ui
- Uk
- varten
- ymmärtää
- ymmärtäminen
- ymmärtää
- unique
- yliopisto
- asti
- paljastettiin
- tuleva
- päivitetty
- päälle
- us
- käyttökelpoinen
- käyttää
- käyttölaukku
- käytetty
- käyttäjä
- Käyttäjäkokemus
- Käyttäjät
- käyttötarkoituksiin
- käyttämällä
- yleensä
- ux
- eri
- myyjät
- hyvin
- kautta
- visio
- visuaalinen
- vMware
- Ääni
- haluta
- oli
- Tapa..
- we
- verkko
- verkkopalvelut
- viikkoa
- HYVIN
- olivat
- Länsi
- Mitä
- Mikä on
- kun
- joka
- leveä
- Laaja valikoima
- tulee
- ikkuna
- with
- ilman
- Referenssit
- työskenteli
- työnkulku
- työnkulkuja
- työskentely
- toimii
- maailman-
- maailman
- olisi
- kirjoittaa
- XML
- vuosi
- vuotta
- te
- Sinun
- youtube
- zephyrnet