Bài đăng này được đồng viết với Greg Benson, Nhà khoa học trưởng; Aaron Kesler, Giám đốc sản phẩm cấp cao; và Rich Dill, Kiến trúc sư giải pháp doanh nghiệp từ SnapLogic.
Nhiều khách hàng đang xây dựng các ứng dụng AI tổng quát trên nền tảng Amazon và Mã Amazon để tạo các tạo phẩm mã dựa trên ngôn ngữ tự nhiên. Ca sử dụng này nêu bật cách các mô hình ngôn ngữ lớn (LLM) có thể trở thành trình dịch giữa ngôn ngữ của con người (tiếng Anh, tiếng Tây Ban Nha, tiếng Ả Rập, v.v.) và các ngôn ngữ có thể hiểu được bằng máy (Python, Java, Scala, SQL, v.v.) cùng với các ngôn ngữ phức tạp lý luận nội tại. Khả năng nổi bật này trong LLM đã buộc các nhà phát triển phần mềm sử dụng LLM như một công cụ tự động hóa và nâng cao UX để chuyển đổi ngôn ngữ tự nhiên sang ngôn ngữ dành riêng cho miền (DSL): hướng dẫn hệ thống, yêu cầu API, tạo phẩm mã, v.v. Trong bài đăng này, chúng tôi chỉ cho bạn cách SnapLogic, một khách hàng của AWS, đã sử dụng Amazon Bedrock để hỗ trợ SnapGPT sản phẩm thông qua việc tạo tự động các tạo phẩm DSL phức tạp này từ ngôn ngữ của con người.
Khi khách hàng tạo đối tượng DSL từ LLM, DSL thu được là bản sao chính xác hoặc là bản phái sinh của lược đồ và dữ liệu giao diện hiện có tạo thành hợp đồng giữa giao diện người dùng và logic nghiệp vụ trong dịch vụ hỗ trợ. Mẫu này đặc biệt là xu hướng với các nhà cung cấp phần mềm độc lập (ISV) và ISV phần mềm dưới dạng dịch vụ (SaaS) do cách thể hiện cấu hình độc đáo thông qua mã và mong muốn đơn giản hóa trải nghiệm người dùng cho khách hàng của họ. Các trường hợp sử dụng ví dụ bao gồm:
Cách đơn giản nhất để xây dựng và mở rộng quy mô ứng dụng chuyển văn bản thành đường dẫn với LLM trên AWS là sử dụng Amazon Bedrock. Amazon Bedrock là cách dễ dàng nhất để xây dựng và mở rộng quy mô ứng dụng AI tổng hợp bằng các mô hình nền tảng (FM). Đây là một dịch vụ được quản lý hoàn toàn, cung cấp quyền truy cập vào nhiều FM nền tảng hiệu suất cao từ AI hàng đầu thông qua một API duy nhất, cùng với một loạt khả năng mà bạn cần để xây dựng các ứng dụng AI tổng quát có quyền riêng tư và bảo mật. Anthropic, một phòng thí nghiệm nghiên cứu và an toàn AI xây dựng các hệ thống AI đáng tin cậy, có thể giải thích và có thể điều khiển được, là một trong những công ty AI hàng đầu cung cấp quyền truy cập vào LLM hiện đại của họ, Claude, trên Amazon Bedrock. Claude là một LLM xuất sắc trong nhiều nhiệm vụ, từ đối thoại sâu sắc, sáng tạo nội dung, lý luận phức tạp, sáng tạo và viết mã. Anthropic cung cấp cả hai mẫu Claude và Claude Instant, tất cả đều có sẵn thông qua Amazon Bedrock. Claude đã nhanh chóng trở nên phổ biến trong các ứng dụng chuyển văn bản thành đường dẫn này nhờ khả năng suy luận được cải thiện, cho phép nó vượt trội trong việc giải quyết các vấn đề kỹ thuật mơ hồ. Claude 2 trên Amazon Bedrock hỗ trợ cửa sổ ngữ cảnh 100,000 mã thông báo, tương đương với khoảng 200 trang văn bản tiếng Anh. Đây là một tính năng đặc biệt quan trọng mà bạn có thể dựa vào khi xây dựng các ứng dụng chuyển văn bản thành đường dẫn yêu cầu lập luận phức tạp, hướng dẫn chi tiết và ví dụ toàn diện.
Nền SnapLogic
SnapLogic là khách hàng của AWS với sứ mệnh đưa tính năng tự động hóa doanh nghiệp ra thế giới. Nền tảng tích hợp thông minh SnapLogic (IIP) cho phép các tổ chức hiện thực hóa quá trình tự động hóa trên toàn doanh nghiệp bằng cách kết nối toàn bộ hệ sinh thái gồm các ứng dụng, cơ sở dữ liệu, dữ liệu lớn, máy móc và thiết bị, API, v.v. bằng các trình kết nối thông minh, dựng sẵn có tên là Snaps. SnapLogic gần đây đã phát hành một tính năng có tên SnapGPT, cung cấp giao diện văn bản nơi bạn có thể nhập quy trình tích hợp mong muốn mà bạn muốn tạo bằng ngôn ngữ đơn giản của con người. SnapGPT sử dụng mô hình Claude của Anthropic thông qua Amazon Bedrock để tự động hóa việc tạo các quy trình tích hợp này dưới dạng mã, sau đó được sử dụng thông qua giải pháp tích hợp hàng đầu của SnapLogic. Tuy nhiên, hành trình đến với SnapGPT của SnapLogic là đỉnh cao của nhiều năm hoạt động trong lĩnh vực AI.
Hành trình AI của SnapLogic
Trong lĩnh vực nền tảng tích hợp, SnapLogic luôn dẫn đầu, khai thác sức mạnh biến đổi của trí tuệ nhân tạo. Trong những năm qua, cam kết đổi mới bằng AI của công ty đã trở nên rõ ràng, đặc biệt khi chúng tôi theo dõi hành trình từ Iris đến Tự động liên kết.
Sự khởi đầu khiêm tốn với Iris
Năm 2017, SnapLogic đã ra mắt Iris, trợ lý tích hợp hỗ trợ AI đầu tiên trong ngành. Iris được thiết kế để sử dụng thuật toán học máy (ML) nhằm dự đoán các bước tiếp theo trong việc xây dựng đường dẫn dữ liệu. Bằng cách phân tích hàng triệu thành phần siêu dữ liệu và luồng dữ liệu, Iris có thể đưa ra đề xuất thông minh cho người dùng, dân chủ hóa việc tích hợp dữ liệu và cho phép ngay cả những người không có nền tảng kỹ thuật sâu cũng có thể tạo ra các quy trình công việc phức tạp.
AutoLink: Xây dựng đà phát triển
Dựa trên thành công và những bài học từ Iris, SnapLogic đã giới thiệu AutoLink, một tính năng nhằm đơn giản hóa hơn nữa quá trình ánh xạ dữ liệu. Nhiệm vụ tẻ nhạt trong việc ánh xạ các trường theo cách thủ công giữa hệ thống nguồn và đích đã trở nên dễ dàng với AutoLink. Bằng cách sử dụng AI, AutoLink tự động xác định và đề xuất các kết quả phù hợp tiềm năng. Các hoạt động tích hợp từng mất hàng giờ có thể được chạy chỉ trong vài phút.
Bước nhảy vọt với SnapGPT
Bước đột phá mới nhất của SnapLogic trong lĩnh vực AI mang đến cho chúng ta SnapGPT, nhằm mục đích cách mạng hóa việc tích hợp hơn nữa. Với SnapGPT, SnapLogic giới thiệu giải pháp tích hợp tổng quát đầu tiên trên thế giới. Đây không chỉ là việc đơn giản hóa các quy trình hiện có mà còn hoàn toàn hình dung lại cách thiết kế tích hợp. Sức mạnh của AI tổng hợp có thể tạo ra toàn bộ quy trình tích hợp ngay từ đầu, tối ưu hóa quy trình làm việc dựa trên kết quả mong muốn và đặc điểm dữ liệu.
SnapGPT có tác động cực kỳ lớn đến khách hàng của SnapLogic vì họ có thể giảm đáng kể lượng thời gian cần thiết để tạo quy trình SnapLogic đầu tiên của mình. Theo truyền thống, khách hàng của SnapLogic sẽ cần dành nhiều ngày hoặc nhiều tuần để định cấu hình quy trình tích hợp từ đầu. Giờ đây, những khách hàng này có thể chỉ cần yêu cầu SnapGPT, chẳng hạn như “tạo một quy trình sẽ chuyển tất cả khách hàng SFDC đang hoạt động của tôi sang WorkDay”. Bản thảo đầu tiên đang hoạt động của quy trình được tạo tự động cho khách hàng này, giúp giảm đáng kể thời gian phát triển cần thiết để tạo nền tảng cho quy trình tích hợp của họ. Điều này cho phép khách hàng cuối dành nhiều thời gian hơn để tập trung vào những gì có tác động kinh doanh thực sự đối với họ thay vì làm việc trên các cấu hình của quy trình tích hợp. Ví dụ sau đây cho thấy cách khách hàng SnapLogic có thể nhập mô tả vào tính năng SnapGPT để nhanh chóng tạo quy trình bằng ngôn ngữ tự nhiên.
AWS và SnapLogic đã cộng tác chặt chẽ trong suốt quá trình xây dựng sản phẩm này và đã học hỏi được nhiều điều trong quá trình này. Phần còn lại của bài đăng này sẽ tập trung vào những kiến thức kỹ thuật mà AWS và SnapLogic đã áp dụng xung quanh việc sử dụng LLM cho các ứng dụng chuyển văn bản thành đường dẫn.
Tổng quan về giải pháp
Để giải quyết vấn đề chuyển văn bản thành đường dẫn này, AWS và SnapLogic đã thiết kế một giải pháp toàn diện được trình bày trong kiến trúc sau.
Yêu cầu tới SnapGPT sẽ trải qua quy trình làm việc sau:
- Người dùng gửi mô tả cho ứng dụng.
- SnapLogic sử dụng phương pháp Thế hệ tăng cường truy xuất (RAG) để truy xuất các ví dụ có liên quan về quy trình SnapLogic tương tự với yêu cầu của người dùng.
- Các ví dụ có liên quan được trích xuất này được kết hợp với thông tin đầu vào của người dùng và trải qua một số quá trình xử lý trước văn bản trước khi chúng được gửi tới Claude trên Amazon Bedrock.
- Claude tạo ra một cấu phần phần mềm JSON đại diện cho quy trình SnapLogic.
- Tạo phẩm JSON được tích hợp trực tiếp vào nền tảng tích hợp SnapLogic cốt lõi.
- Đường dẫn SnapLogic được hiển thị cho người dùng theo cách thân thiện trực quan.
Thông qua nhiều thử nghiệm khác nhau giữa AWS và SnapLogic, chúng tôi nhận thấy bước kỹ thuật nhanh chóng của sơ đồ giải pháp là cực kỳ quan trọng để tạo ra kết quả đầu ra chất lượng cao cho những đầu ra chuyển văn bản thành đường dẫn này. Phần tiếp theo đi sâu hơn vào một số kỹ thuật cụ thể được sử dụng với Claude trong không gian này.
Thử nghiệm kịp thời
Trong suốt giai đoạn phát triển của SnapGPT, AWS và SnapLogic nhận thấy rằng việc lặp lại nhanh chóng các lời nhắc được gửi tới Claude là một nhiệm vụ phát triển quan trọng nhằm cải thiện độ chính xác và mức độ liên quan của đầu ra chuyển văn bản thành đường ống trong đầu ra của SnapLogic. Bằng cách sử dụng Xưởng sản xuất Amazon SageMaker sổ ghi chép tương tác, nhóm AWS và SnapLogic có thể nhanh chóng xử lý các phiên bản lời nhắc khác nhau bằng cách sử dụng Kết nối SDK Boto3 với Amazon Bedrock. Quá trình phát triển dựa trên máy tính xách tay cho phép các nhóm nhanh chóng tạo kết nối phía máy khách với Amazon Bedrock, bao gồm các mô tả dựa trên văn bản cùng với mã Python để gửi lời nhắc tới Amazon Bedrock và tổ chức các phiên kỹ thuật nhanh chóng chung trong đó việc lặp lại được thực hiện nhanh chóng giữa nhiều người.
Phương pháp kỹ thuật nhanh chóng của Anthropic Claude
Trong phần này, chúng tôi mô tả một số kỹ thuật lặp lại mà chúng tôi đã sử dụng để tạo lời nhắc có hiệu suất cao dựa trên yêu cầu minh họa của người dùng: “Tạo quy trình sử dụng cơ sở dữ liệu exampleCompany để truy xuất tất cả khách hàng đang hoạt động”. Lưu ý rằng ví dụ này không phải là lược đồ hỗ trợ SnapGPT và chỉ được sử dụng để minh họa ứng dụng chuyển văn bản thành đường dẫn.
Để làm cơ sở cho kỹ thuật nhanh chóng của chúng tôi, chúng tôi sử dụng lời nhắc ban đầu sau:
Tạo một quy trình sử dụng cơ sở dữ liệu exampleCompany để truy xuất tất cả khách hàng đang hoạt động
Sản lượng dự kiến như sau:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
Cải tiến #1: Sử dụng chú thích Con người và Trợ lý
Quy trình đào tạo của Claude dạy FM hiểu cuộc đối thoại giữa con người và trợ lý trong cấu trúc nhanh chóng của nó. Người dùng Claude có thể tận dụng cấu trúc này bằng cách kết thúc lời nhắc của họ trong Trợ lý: điều này sẽ kích hoạt Claude bắt đầu tạo phản hồi cho truy vấn dựa trên những gì con người đã nói. Lưu ý rằng vì Claude sẽ tiếp tục tạo văn bản cho đến khi được yêu cầu dừng, nên hãy đảm bảo bạn sử dụng chuỗi dừng nnHuman: trong yêu cầu API tới Amazon Bedrock khi sử dụng Claude. Điều này sẽ đảm bảo bạn chỉ nhận được phản hồi từ trợ lý chứ không phải phản hồi tiếp theo được dự đoán từ con người trong chuỗi đối thoại. Các chỉ báo nnHuman và nnAssistant này không chỉ giúp hạn chế phản ứng của Claude đối với thông tin liên quan mà còn giúp cung cấp ranh giới rõ ràng giữa thông tin đầu vào chính của con người và phản hồi của trợ lý từ các tương tác khác. Điều này đặc biệt hữu ích trong cài đặt nhắc nhở trong vài lần chụp, nơi bạn có thể có nhiều truy vấn và phản hồi với các truy vấn được gắn thẻ nnHuman và các phản hồi trước đó được gắn thẻ nnAssistant. Hãy xem lệnh gọi API minh họa liên quan và lời nhắc được cải tiến tới Amazon Bedrock thông qua Boto3 SDK.
Chúng tôi sử dụng dấu nhắc sau:
Con người: Tạo một quy trình sử dụng cơ sở dữ liệu exampleCompany để truy xuất tất cả khách hàng đang hoạt động
Phụ tá:
Kết quả như sau:
Đây là quy trình MongoDB để truy xuất tất cả khách hàng đang hoạt động từ cơ sở dữ liệu của exampleCompany:
pipeline = [ { '$match': { 'database': 'ExampleCompany', 'status': 'active' } } ] db.customers.aggregate(pipeline)
Các bước quan trọng là:
– `$match` để chỉ lọc các tài liệu theo những tài liệu trong cơ sở dữ liệu của exampleCompany và có trạng thái bằng “hoạt động”.
– `db.customers.aggregate()` chạy quy trình trên bộ sưu tập khách hàng và trả về kết quả đã lọc.
Vì vậy, thao tác này sẽ trả về tất cả tài liệu của khách hàng từ cơ sở dữ liệu exampleCompany nơi trường trạng thái được đặt thành “hoạt động”.
Hãy chú ý rằng trong phần đầu ra, Claude tạo ra câu trả lời cho câu hỏi của chúng ta mà không cần bất kỳ ngữ cảnh nào. Câu trả lời có thể hữu ích nhưng không cụ thể cho vấn đề mà chúng ta đang cố gắng giải quyết vì nó không được cung cấp đủ ngữ cảnh. Điều quan trọng cần lưu ý là Anthropic yêu cầu định dạng con người và trợ lý này khi sử dụng mô hình Claude; nếu bạn không thực hiện bước này, Amazon Bedrock sẽ trả về lỗi.
Cải tiến #2: Bao gồm bối cảnh siêu cụ thể cho Claude trước khi được yêu cầu phải làm gì
Claude hoạt động tốt nhất khi có bối cảnh phù hợp về những gì nó cần hoàn thành cũng như cách thức hoàn thành nhiệm vụ đó. Dưới đây là một số ví dụ về những điều cần đưa vào làm bối cảnh cho Claude trước khi bạn giao nhiệm vụ cho nó:
- Hãy mô tả chức năng công việc mà bạn muốn Claude thực hiện. Bằng cách này, bạn đang khiến Claude nghĩ về vai trò của một người làm công việc đó, hay đúng hơn là giống như một người vừa được thuê trong vai trò công việc cụ thể đó. Điều này sẽ giúp Claude hình thành câu trả lời từ quan điểm của vai trò công việc cụ thể đó, giảm ảo giác và tính ngẫu nhiên trong câu trả lời.
- Bao gồm các chi tiết kỹ thuật liên quan đến định dạng đầu ra. Các mô hình nền tảng thường thực hiện tốt các hành động sau, do đó, việc yêu cầu Claude tạo đầu ra ở định dạng hoặc lược đồ cụ thể bằng một hoặc một vài ví dụ sẽ giúp Claude đưa ra câu trả lời ở định dạng phù hợp, giảm nhu cầu lọc và xử lý hậu kỳ đầu ra. Ví dụ trong lời nhắc sau đây hiển thị một lược đồ hư cấu phù hợp với kết quả đầu ra dự kiến.
Hãy kết hợp những đề xuất này để cải thiện lời nhắc ban đầu của chúng tôi:
Con người: Công việc của bạn là đóng vai trò là chuyên gia về đường ống ETL. Cụ thể, công việc của bạn là tạo bản trình bày JSON của đường dẫn ETL để giải quyết yêu cầu của người dùng được cung cấp cho bạn.
Đầu ra JSON phải tuân theo định dạng sau:
Đây là nhiệm vụ của bạn: tạo một quy trình sử dụng cơ sở dữ liệu exampleCompany để truy xuất tất cả khách hàng đang hoạt động
Phụ tá:
Kết quả như sau:
Dưới đây là bản trình bày JSON của quy trình ETL để truy xuất tất cả khách hàng đang hoạt động từ cơ sở dữ liệu exampleCompany:
Quy trình này sử dụng cơ sở dữ liệu exampleCompany và truy vấn SQL để chọn tất cả các bản ghi từ bảng khách hàng có trạng thái là 'đang hoạt động'.
Với việc bổ sung ngữ cảnh, mô hình giờ đây có thể hiểu được phần lớn câu trả lời của chúng ta. Bây giờ nó đã biết cách cấu trúc đầu ra và nó hiểu rằng nó cần viết một câu lệnh SQL để giải quyết nhiệm vụ. Tuy nhiên, bạn sẽ nhận thấy rằng mô hình này sử dụng không chính xác danh pháp ec_prod.customers mà chúng tôi mong đợi. Phòng để cải thiện! Cũng lưu ý rằng, trong thực tế, bạn sẽ cần đưa vào nhiều ngữ cảnh hơn đáng kể so với những gì chúng tôi cung cấp trong ví dụ này để có kết quả chất lượng cao trong các trường hợp sử dụng chuyển văn bản sang đường dẫn.
Cải tiến #3: Đính kèm các ví dụ trong thẻ XML
Học vài lần là một cách phổ biến để tăng độ chính xác với FM trong đó bạn có các ví dụ liên quan để hướng dẫn FM thực hiện nhiệm vụ của họ. Điều này đặc biệt quan trọng khi làm việc trong các ứng dụng chuyển văn bản thành đường dẫn vì các đầu ra đường dẫn siêu cụ thể này thường không được đưa vào bất kỳ tập dữ liệu công khai nào vì chúng dành riêng cho cách trình bày dữ liệu của từng khách hàng. Khi sử dụng Claude, bạn có thể tận dụng kiến thức vốn có của nó về các thẻ XML tùy ý để cung cấp các ví dụ này ở định dạng vài lần chụp. Trong lời nhắc cải tiến sau đây, hãy chú ý bổ sung các ví dụ kèm theo Thẻ XML. Ngoài ra, bạn có thể sử dụng các từ viết tắt cho con người và trợ lý bằng H và A để cung cấp ngữ cảnh cho Claude mà không khiến Claude hiểu rằng đây là những phần cụ thể của cuộc đối thoại đã xảy ra.
Chúng tôi sử dụng dấu nhắc sau:
Con người: Công việc của bạn là đóng vai trò là chuyên gia về đường ống ETL. Cụ thể, công việc của bạn là tạo bản trình bày JSON của đường dẫn ETL để giải quyết yêu cầu của người dùng được cung cấp cho bạn.
Đầu ra JSON phải tuân theo định dạng sau:
Dưới đây là một số ví dụ về yêu cầu của người dùng và các tạo phẩm JSON đầu ra có liên quan giúp giải quyết chính xác nhiệm vụ được cung cấp. Đảm bảo sử dụng cùng một danh pháp được cung cấp trong các ví dụ nếu bạn đang sử dụng cùng một cơ sở dữ liệu.
H: truy vấn cơ sở dữ liệu Công ty Ví dụ về bất kỳ đơn hàng đang hoạt động nào cho khách hàng #1234
A:
Lý do cho truy vấn này là khách hàng #1234 đã được lọc và chúng tôi đang tìm kiếm trong bảng “đơn đặt hàng” để tìm bất kỳ bản ghi hiện có nào sau bộ lọc “hoạt động”.
H: xóa tất cả khách hàng trong cơ sở dữ liệu exampleCompany không hoạt động trong tháng trước
A:
Lý do cho truy vấn này là bảng “ec_prod.customers” là bảng duy nhất trong cơ sở dữ liệu exampleCompany chứa các bản ghi khách hàng.
Đây là nhiệm vụ của bạn: tạo một quy trình sử dụng cơ sở dữ liệu exampleCompany để truy xuất tất cả các khách hàng đang hoạt động.
Phụ tá:
Kết quả như sau:
Đây là cách trình bày JSON cho quy trình ETL để truy xuất tất cả khách hàng đang hoạt động từ cơ sở dữ liệu exampleCompany:
Lý do là:
Cơ sở dữ liệu exampleCompany được chỉ định làm cơ sở dữ liệu để sử dụng
Bảng ec_prod.customers chứa dữ liệu khách hàng
Trường trạng thái cho biết liệu khách hàng có đang hoạt động hay không nên truy vấn chỉ lọc những khách hàng đang hoạt động
Điều này sẽ truy xuất tất cả hồ sơ khách hàng đang hoạt động từ cơ sở dữ liệu của exampleCompany. Hãy cho tôi biết nếu bạn cần làm rõ bất kỳ điều gì hoặc có yêu cầu bổ sung đối với quy trình ETL!
Đầu ra JSON hiện có danh pháp cơ sở dữ liệu chính xác mà Claude có thể sử dụng nhờ các ví dụ mà chúng tôi cung cấp. Việc kết hợp các chỉ báo con người và trợ lý với các thẻ XML giúp Claude dễ dàng hiểu nhiệm vụ là gì và câu trả lời là gì trong các ví dụ tương tự với sự phân tách rất rõ ràng giữa nhiều ví dụ vài cảnh. Claude càng dễ hiểu thì câu trả lời sẽ càng hay và phù hợp hơn, càng làm giảm khả năng mô hình bị ảo giác và đưa ra những câu trả lời ngẫu nhiên không liên quan.
Cải tiến #4: Kích hoạt Claude để bắt đầu tạo JSON bằng thẻ XML
Một thách thức nhỏ với các ứng dụng chuyển văn bản sang đường dẫn sử dụng FM là cần phải phân tích chính xác đầu ra từ văn bản kết quả để nó có thể được hiểu là mã trong ứng dụng xuôi dòng. Một cách để giải quyết vấn đề này với Claude là tận dụng khả năng hiểu thẻ XML của nó và kết hợp điều này với một chuỗi dừng tùy chỉnh. Trong lời nhắc sau, chúng tôi đã hướng dẫn Claude gửi đầu ra vào Thẻ XML. Sau đó, chúng tôi đã thêm gắn thẻ vào cuối lời nhắc. Điều này đảm bảo rằng văn bản đầu tiên xuất phát từ Claude sẽ là phần bắt đầu của đầu ra JSON. Nếu bạn không làm điều này, Claude thường trả lời bằng một số văn bản đàm thoại, sau đó là phản hồi bằng mã thực sự. Bằng cách hướng dẫn Claude bắt đầu tạo đầu ra ngay lập tức, bạn có thể dễ dàng dừng việc tạo khi thấy kết thúc nhãn. Điều này được thể hiện trong lệnh gọi API Boto3 được cập nhật. Lợi ích của kỹ thuật này là gấp đôi. Đầu tiên, bạn có thể phân tích cú pháp chính xác phản hồi mã từ Claude. Thứ hai, bạn có thể giảm chi phí vì Claude chỉ tạo đầu ra mã và không tạo thêm văn bản. Điều này giúp giảm chi phí trên Amazon Bedrock vì bạn bị tính phí cho mỗi mã thông báo được tạo ra dưới dạng đầu ra từ tất cả FM.
Chúng tôi sử dụng dấu nhắc sau:
Con người: Công việc của bạn là đóng vai trò là chuyên gia về đường ống ETL. Cụ thể, công việc của bạn là tạo bản trình bày JSON của đường dẫn ETL để giải quyết yêu cầu của người dùng được cung cấp cho bạn.
Đầu ra JSON phải tuân theo định dạng sau:
Dưới đây là một số ví dụ về yêu cầu của người dùng và các tạo phẩm JSON đầu ra có liên quan giúp giải quyết chính xác nhiệm vụ được cung cấp. Đảm bảo sử dụng cùng một danh pháp được cung cấp trong các ví dụ nếu bạn đang sử dụng cùng một cơ sở dữ liệu.
H: truy vấn cơ sở dữ liệu Công ty Ví dụ về bất kỳ đơn hàng đang hoạt động nào cho khách hàng #1234
A:
Lý do cho truy vấn này là khách hàng #1234 đã được lọc và chúng tôi đang tìm kiếm trong bảng “đơn đặt hàng” để tìm bất kỳ bản ghi hiện có nào sau bộ lọc “hoạt động”.
H: xóa tất cả khách hàng trong cơ sở dữ liệu exampleCompany không hoạt động trong tháng trước
A:
Lý do cho truy vấn này là bảng “ec_prod.customers” là bảng duy nhất trong cơ sở dữ liệu exampleCompany chứa các bản ghi khách hàng.
Luôn nhớ đính kèm các kết quả đầu ra JSON của bạn trong thẻ.
Đây là nhiệm vụ của bạn: tạo một quy trình sử dụng cơ sở dữ liệu exampleCompany để truy xuất tất cả các khách hàng đang hoạt động.
Phụ tá:
Chúng tôi sử dụng mã sau:
body = json.dumps({"prompt": prompt, "stop_sequences": ['nnHuman:', '</json>']})
response = bedrock.invoke_model(
body=body,
modelId='anthropic.claude-v2'
)
Kết quả như sau:
{ "database": "ExampleCompany", "query": "SELECT * FROM ec_prod.customers WHERE status = 'active'" }
Bây giờ chúng ta đã đạt được kết quả mong đợi và chỉ trả về đối tượng JSON! Bằng cách sử dụng phương pháp này, chúng tôi có thể tạo ra một tạo phẩm kỹ thuật có thể sử dụng được ngay lập tức cũng như giảm chi phí tạo ra bằng cách giảm mã thông báo đầu ra.
Kết luận
Để bắt đầu ngay hôm nay với SnapGPT, hãy yêu cầu dùng thử miễn phí SnapLogic or yêu cầu demo sản phẩm. Nếu bạn muốn sử dụng những khái niệm này để xây dựng các ứng dụng ngày nay, chúng tôi khuyên bạn nên thực hành thí nghiệm với phần kỹ thuật nhanh chóng trong bài đăng này, sử dụng cùng một quy trình cho trường hợp sử dụng tạo DSL khác phù hợp với doanh nghiệp của bạn và tìm hiểu sâu hơn về Các tính năng RAG có sẵn thông qua Amazon Bedrock.
SnapLogic và AWS đã có thể hợp tác hiệu quả để xây dựng một trình dịch nâng cao giữa ngôn ngữ của con người và sơ đồ phức tạp của quy trình tích hợp SnapLogic do Amazon Bedrock cung cấp. Trong suốt hành trình này, chúng tôi đã thấy cách cải thiện kết quả đầu ra được tạo bằng Claude trong các ứng dụng chuyển văn bản thành đường dẫn bằng cách sử dụng các kỹ thuật kỹ thuật nhanh chóng cụ thể. AWS và SnapLogic rất vui mừng được tiếp tục mối quan hệ hợp tác này trong lĩnh vực Generative AI và mong chờ sự hợp tác cũng như đổi mới trong tương lai trong không gian chuyển động nhanh chóng này.
Về các tác giả
Greg Benson là Giáo sư Khoa học Máy tính tại Đại học San Francisco và Nhà khoa học trưởng tại SnapLogic. Ông gia nhập Khoa Khoa học Máy tính USF vào năm 1998 và đã giảng dạy các khóa học đại học và sau đại học bao gồm hệ điều hành, kiến trúc máy tính, ngôn ngữ lập trình, hệ thống phân tán và lập trình cơ bản. Greg đã công bố nghiên cứu trong lĩnh vực hệ điều hành, tính toán song song và hệ thống phân tán. Kể từ khi gia nhập SnapLogic vào năm 2010, Greg đã giúp thiết kế và triển khai một số tính năng nền tảng chính bao gồm xử lý cụm, xử lý dữ liệu lớn, kiến trúc đám mây và học máy. Anh ấy hiện đang nghiên cứu về Generative AI để tích hợp dữ liệu.
Aaron Kesler là Giám đốc sản phẩm cấp cao về các sản phẩm và dịch vụ AI tại SnapLogic, Aaron áp dụng hơn mười năm kinh nghiệm quản lý sản phẩm để tiên phong phát triển sản phẩm AI/ML và truyền bá các dịch vụ trong toàn tổ chức. Anh ấy là tác giả của cuốn sách sắp ra mắt “Vấn đề của bạn là gì?” nhằm mục đích hướng dẫn các nhà quản lý sản phẩm mới thông qua sự nghiệp quản lý sản phẩm. Hành trình khởi nghiệp của anh bắt đầu với công ty khởi nghiệp ở trường đại học, STAK, sau này được Carvertise mua lại và Aaron góp phần đáng kể vào việc họ được công nhận là Công ty khởi nghiệp công nghệ của năm 2015 tại Delaware. Ngoài mục tiêu theo đuổi nghề nghiệp, Aaron còn tìm thấy niềm vui khi chơi gôn với cha mình, khám phá những nền văn hóa và ẩm thực mới trong chuyến du lịch cũng như luyện tập đàn ukulele.
thì là phong phú là Kiến trúc sư giải pháp chính với kinh nghiệm cắt rộng trên nhiều lĩnh vực chuyên môn. Một hồ sơ thành công trải rộng trên phần mềm doanh nghiệp đa nền tảng và SaaS. Nổi tiếng với việc biến sự ủng hộ của khách hàng (đóng vai trò là tiếng nói của khách hàng) thành các tính năng và sản phẩm mới tạo ra doanh thu. Đã được chứng minh khả năng đưa các sản phẩm tiên tiến ra thị trường và hoàn thành các dự án đúng tiến độ và phù hợp với ngân sách trong môi trường trong và ngoài khơi có nhịp độ nhanh. Một cách đơn giản để miêu tả về tôi: khối óc của một nhà khoa học, trái tim của một nhà thám hiểm và tâm hồn của một nghệ sĩ.
Đất sét Elmore là Kiến trúc sư giải pháp chuyên gia AI/ML tại AWS. Sau nhiều giờ làm việc trong phòng thí nghiệm nghiên cứu vật liệu, kiến thức nền tảng về kỹ thuật hóa học của anh nhanh chóng bị bỏ lại phía sau để theo đuổi sở thích về học máy. Anh ấy đã làm việc về các ứng dụng ML trong nhiều ngành khác nhau, từ kinh doanh năng lượng đến tiếp thị khách sạn. Công việc hiện tại của Clay tại AWS tập trung vào việc giúp khách hàng đưa các phương pháp phát triển phần mềm vào khối lượng công việc ML và AI tổng hợp, cho phép khách hàng xây dựng các giải pháp có thể lặp lại, có thể mở rộng trong các môi trường phức tạp này. Trong thời gian rảnh rỗi, Clay thích trượt tuyết, giải khối Rubik, đọc sách và nấu ăn.
Sina Sojoodi là giám đốc điều hành công nghệ, kỹ sư hệ thống, lãnh đạo sản phẩm, cựu sáng lập và cố vấn khởi nghiệp. Anh gia nhập AWS vào tháng 2021 năm 2 với tư cách là Kiến trúc sư giải pháp chính. Sina hiện là Kiến trúc sư giải pháp trưởng khu vực ISV miền Tây Hoa Kỳ. Anh làm việc với các công ty phần mềm SaaS và B2018B để xây dựng và phát triển hoạt động kinh doanh của họ trên AWS. Trước vai trò của mình tại Amazon, Sina là giám đốc điều hành công nghệ tại VMware và Pivotal Software (IPO vào năm 2020, VMware M&A vào năm 2013) và đảm nhiệm nhiều vai trò lãnh đạo bao gồm kỹ sư sáng lập tại Xtreme Labs (Mua lại quan trọng vào năm 15). Sina đã cống hiến XNUMX năm kinh nghiệm làm việc vừa qua của mình để xây dựng nền tảng và thực tiễn phần mềm cho các doanh nghiệp, doanh nghiệp phần mềm và khu vực công. Ông là người dẫn đầu ngành với niềm đam mê đổi mới. Sina có bằng Cử nhân của Đại học Waterloo, nơi anh học ngành Kỹ thuật Điện và Tâm lý học.
Sandeep Rohilla là Kiến trúc sư giải pháp cấp cao tại AWS, hỗ trợ khách hàng ISV ở khu vực Miền Tây Hoa Kỳ. Ông tập trung vào việc giúp khách hàng xây dựng các giải pháp tận dụng bộ chứa và AI tổng hợp trên đám mây AWS. Sandeep đam mê tìm hiểu các vấn đề kinh doanh của khách hàng và giúp họ đạt được mục tiêu thông qua công nghệ. Ông gia nhập AWS sau hơn một thập kỷ làm việc với tư cách là kiến trúc sư giải pháp, sử dụng 17 năm kinh nghiệm của mình. Sandeep có bằng Thạc sĩ. ngành Kỹ thuật phần mềm tại Đại học West of England ở Bristol, Vương quốc Anh.
Tiến sĩ Farooq Sabir là Kiến trúc sư giải pháp chuyên gia trí tuệ nhân tạo và học máy cao cấp tại AWS. Ông có bằng Tiến sĩ và Thạc sĩ Kỹ thuật Điện của Đại học Texas ở Austin và bằng Thạc sĩ Khoa học Máy tính của Viện Công nghệ Georgia. Anh ấy có hơn 15 năm kinh nghiệm làm việc và cũng thích giảng dạy và cố vấn cho sinh viên đại học. Tại AWS, anh giúp khách hàng hình thành và giải quyết các vấn đề kinh doanh của họ trong khoa học dữ liệu, máy học, thị giác máy tính, trí tuệ nhân tạo, tối ưu hóa số học và các lĩnh vực liên quan. Có trụ sở tại Dallas, Texas, anh ấy và gia đình thích đi du lịch và thực hiện các chuyến đi đường dài.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/how-snaplogic-built-a-text-to-pipeline-application-with-amazon-bedrock-to-translate-business-intent-into-action/
- : có
- :là
- :không phải
- :Ở đâu
- $ LÊN
- 10
- 100
- 121
- 14
- 15 năm
- 15%
- 150
- 17
- 1998
- 200
- 2010
- 2013
- 2015
- 2017
- 2018
- 2020
- 2021
- 31
- 33
- 7
- 8
- 9
- a
- Aaron
- có khả năng
- Có khả năng
- Giới thiệu
- truy cập
- hoàn thành
- chính xác
- Đạt được
- mua lại
- mua lại
- ngang qua
- Hành động
- Hoạt động
- hành động
- hoạt động
- thêm
- Ngoài ra
- thêm vào
- tiên tiến
- Lợi thế
- cố vấn
- vận động
- Sau
- AI
- Hệ thống AI
- Hỗ trợ AI
- AI / ML
- nhằm vào
- Mục tiêu
- thuật toán
- Tất cả
- cho phép
- Cho phép
- cho phép
- dọc theo
- bên cạnh
- Đã
- Ngoài ra
- đàn bà gan dạ
- Amazon Web Services
- số lượng
- an
- phân tích
- và
- trả lời
- câu trả lời
- nhân loại
- bất kì
- api
- API
- Các Ứng Dụng
- các ứng dụng
- áp dụng
- phương pháp tiếp cận
- ứng dụng
- arabic
- kiến trúc
- LÀ
- KHU VỰC
- khu vực
- xung quanh
- đến
- Nghệ thuật
- nhân tạo
- trí tuệ nhân tạo
- Trí tuệ nhân tạo và học máy
- nghệ sĩ
- AS
- xin
- yêu cầu
- Trợ lý
- liên kết
- At
- tăng cường
- austin
- tác giả
- tự động hóa
- Tự động
- tự động
- Tự động hóa
- có sẵn
- AWS
- Khách hàng AWS
- B2B
- lý lịch
- ủng hộ
- cơ sở
- dựa
- Baseline
- BE
- Ghi
- đã trở thành
- bởi vì
- trở nên
- được
- trước
- bắt đầu
- bắt đầu
- sau
- được
- Lợi ích
- BEST
- Hơn
- giữa
- Ngoài
- lớn
- Dữ Liệu Lớn.
- cuốn sách
- cả hai
- mang lại
- Đưa
- Mang lại
- bristol
- rộng
- rộng rãi
- ngân sách
- xây dựng
- Xây dựng
- xây dựng
- xây dựng
- kinh doanh
- ảnh hưởng kinh doanh
- các doanh nghiệp
- nhưng
- by
- cuộc gọi
- gọi là
- CAN
- khả năng
- Tuyển Dụng
- trường hợp
- trường hợp
- Trung tâm
- chuỗi
- thách thức
- cơ hội
- đặc điểm
- tính phí
- hóa chất
- chánh
- sự lựa chọn
- trong sáng
- chặt chẽ
- đóng cửa
- đám mây
- cụm
- mã
- Lập trình
- hợp tác
- hợp tác
- bộ sưu tập
- Trường đại học
- kết hợp
- kết hợp
- đến
- cam kết
- Các công ty
- Của công ty
- bắt buộc
- hoàn thành
- phức tạp
- toàn diện
- máy tính
- Khoa học Máy tính
- Tầm nhìn máy tính
- máy tính
- khái niệm
- cấu hình
- Kết nối
- liên quan
- Kết nối
- nhất quán
- Container
- chứa
- nội dung
- tạo nội dung
- bối cảnh
- tiếp tục
- hợp đồng
- góp phần
- đàm thoại
- nấu ăn
- Trung tâm
- sửa chữa
- đúng
- Phí Tổn
- có thể
- các khóa học
- tạo
- tạo ra
- tạo
- sáng tạo
- quan trọng
- Current
- Hiện nay
- khách hàng
- khách hàng
- khách hàng
- cắt
- tiên tiến
- Dallas
- dữ liệu
- tích hợp dữ liệu
- xử lý dữ liệu
- khoa học dữ liệu
- Cơ sở dữ liệu
- cơ sở dữ liệu
- Ngày
- thập kỷ
- giảm
- dành riêng
- sâu
- sâu sắc hơn
- Delaware
- Demo
- Dân chủ hóa
- bộ
- Dẫn xuất
- mô tả
- Mô tả
- Thiết kế
- thiết kế
- mong muốn
- mong muốn
- chi tiết
- chi tiết
- phát triển
- Phát triển
- Thiết bị (Devices)
- Đối thoại
- khác nhau
- trực tiếp
- phân phối
- hệ thống phân phối
- lặn
- do
- tài liệu
- Không
- làm
- lĩnh vực
- dont
- xuống
- dự thảo
- quyết liệt
- lái xe
- hai
- mỗi
- dễ dàng hơn
- dễ nhất
- dễ dàng
- hệ sinh thái
- hiệu quả
- hay
- kỹ thuật điện
- các yếu tố
- cho phép
- cuối
- kết thúc
- năng lượng
- ky sư
- Kỹ Sư
- Nước Anh
- Tiếng Anh
- tăng cường
- đủ
- đảm bảo
- đảm bảo
- đăng ký hạng mục thi
- Doanh nghiệp
- phần mềm doanh nghiệp
- Giải pháp doanh nghiệp
- doanh nghiệp
- Toàn bộ
- hoàn toàn
- kinh doanh
- môi trường
- như nhau
- Tương đương
- lôi
- đặc biệt
- Ether (ETH)
- Ngay cả
- hiển nhiên
- chính xác
- ví dụ
- ví dụ
- Excel
- kích thích
- điều hành
- hiện tại
- dự kiến
- mong đợi
- kinh nghiệm
- chuyên gia
- chuyên môn
- người khám phá
- Khám phá
- thêm
- cực kỳ
- gia đình
- di chuyển nhanh
- nhịp độ nhanh
- Đặc tính
- Tính năng
- vài
- lĩnh vực
- Lĩnh vực
- lọc
- lọc
- bộ lọc
- tìm thấy
- Tên
- Hàng đầu
- dòng chảy
- Chảy
- Tập trung
- tập trung
- tập trung
- theo
- tiếp theo
- sau
- thực phẩm
- Trong
- Sự đột phá
- đi đầu
- định dạng
- các hình thức
- Forward
- tìm thấy
- Nền tảng
- thành lập
- Francisco
- thân thiện
- từ
- Hoàn thành
- đầy đủ
- chức năng
- xa hơn
- tương lai
- đạt được
- nói chung
- tạo ra
- tạo ra
- tạo
- tạo ra
- thế hệ
- thế hệ
- Trí tuệ nhân tạo
- Georgia
- Viện Công nghệ Georgia
- được
- gif
- được
- Go
- Các mục tiêu
- Đi
- tốt
- tốt nghiệp
- Phát triển
- hướng dẫn
- có
- tay
- Khai thác
- Có
- he
- Trái Tim
- giúp đỡ
- đã giúp
- hữu ích
- giúp đỡ
- giúp
- tại đây
- hiệu suất cao
- chất lượng cao
- nổi bật
- của mình
- tổ chức
- giữ
- hiếu khách
- GIỜ LÀM VIỆC
- Độ đáng tin của
- Hướng dẫn
- Tuy nhiên
- HTML
- HTTPS
- Nhân loại
- khiêm tốn
- xác định
- if
- minh họa
- ngay
- Va chạm
- ảnh hưởng lớn
- thực hiện
- quan trọng
- nâng cao
- cải thiện
- cải thiện
- in
- bao gồm
- bao gồm
- Bao gồm
- Tăng lên
- độc lập
- chỉ
- Các chỉ số
- hệ thống riêng biệt,
- các ngành công nghiệp
- ngành công nghiệp
- lãnh đạo ngành công nghiệp
- thông tin
- bẩm sinh
- đổi mới
- sự đổi mới
- đầu vào
- đầu vào
- ngay lập tức
- thay vì
- Viện
- hướng dẫn
- tích hợp
- hội nhập
- tích hợp
- Sự thông minh
- Thông minh
- ý định
- tương tác
- tương tác
- quan tâm
- Giao thức
- nội bộ
- trong
- giới thiệu
- Giới thiệu
- giới thiệu
- IPO
- isv
- IT
- sự lặp lại
- sự lặp lại
- ITS
- Java
- Việc làm
- gia nhập
- tham gia
- chung
- cuộc hành trình
- niềm vui
- jpg
- json
- chỉ
- Key
- Biết
- kiến thức
- nổi tiếng
- biết
- phòng thí nghiệm
- Phòng thí nghiệm
- Ngôn ngữ
- Ngôn ngữ
- lớn
- Họ
- một lát sau
- mới nhất
- dẫn
- lãnh đạo
- Lãnh đạo
- hàng đầu
- Nhảy qua
- học
- học tập
- trái
- cho phép
- tận dụng
- Lượt thích
- Lượt thích
- logic
- dài
- Xem
- Rất nhiều
- yêu
- M&A
- máy
- học máy
- Máy móc
- thực hiện
- làm cho
- LÀM CHO
- Làm
- quản lý
- quản lý
- giám đốc
- Quản lý
- cách thức
- thủ công
- nhiều
- lập bản đồ
- Tháng Ba
- thị trường
- Marketing
- diêm
- nguyên vật liệu
- me
- người cố vấn
- bộ ba
- Siêu dữ liệu
- phương pháp
- hàng triệu
- tâm
- phút
- Sứ mệnh
- ML
- kiểu mẫu
- mô hình
- MongoDB
- chi tiết
- hầu hết
- di chuyển
- MS
- Đa nền tảng
- nhiều
- my
- tên
- Tự nhiên
- Ngôn ngữ tự nhiên
- Cần
- nhu cầu
- Mới
- Các tính năng mới
- sản phẩm mới
- tiếp theo
- Không
- ghi
- máy tính xách tay
- Để ý..
- tại
- vật
- đối tượng
- xảy ra
- of
- Cung cấp
- thường
- on
- hàng loạt
- ONE
- có thể
- hoạt động
- các hệ điều hành
- tối ưu hóa
- tối ưu hóa
- or
- gọi món
- đơn đặt hàng
- cơ quan
- tổ chức
- nguyên
- Nền tảng khác
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- ra
- Kết quả
- đầu ra
- kết quả đầu ra
- kết thúc
- trang
- Song song
- đặc biệt
- đối tác
- Công ty
- niềm đam mê
- đam mê
- qua
- Họa tiết
- thực hiện
- quan điểm
- giai đoạn
- Bằng tiến sĩ
- miếng
- tiên phong
- đường ống dẫn
- quan trọng
- Nơi
- nền tảng
- Nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- Phổ biến
- phổ biến
- Bài đăng
- tiềm năng
- có khả năng
- quyền lực
- -
- thực hành
- thực hành
- dự đoán
- dự đoán
- trước
- chính
- Hiệu trưởng
- riêng tư
- Bảo mật và An ninh
- Vấn đề
- vấn đề
- thủ tục
- quá trình
- Quy trình
- xử lý
- Sản xuất
- sản xuất
- Sản phẩm
- phát triển sản phẩm
- quản lý sản phẩm
- giám đốc sản xuất
- Sản phẩm
- Sản phẩm và dịch vụ
- chuyên nghiệp
- Giáo sư
- Lập trình
- ngôn ngữ lập trình
- dự án
- nhắc nhở
- đã được chứng minh
- cho
- cung cấp
- cung cấp
- cung cấp
- Tâm lý học
- công khai
- công bố
- Nghiên cứu được công bố
- theo đuổi
- Python
- truy vấn
- câu hỏi
- Mau
- ngẫu nhiên
- ngẫu nhiên
- phạm vi
- khác nhau,
- nhanh
- Reading
- nhận ra
- vương quốc
- nhận
- gần đây
- công nhận
- giới thiệu
- ghi
- hồ sơ
- giảm
- làm giảm
- giảm
- về
- khu
- tưởng tượng lại
- liên quan
- phát hành
- có liên quan
- đáng tin cậy
- dựa
- nhớ
- tẩy
- trả lại
- có thể lặp lại
- trả lời
- đại diện
- đại diện
- đại diện cho
- yêu cầu
- yêu cầu
- yêu cầu
- cần phải
- Yêu cầu
- đòi hỏi
- nghiên cứu
- phản ứng
- phản ứng
- REST của
- kết quả
- Kết quả
- trở lại
- Trả về
- cách mạng hóa
- Giàu
- ngay
- đường
- Vai trò
- vai trò
- Phòng
- chạy
- chạy
- SaaS
- Sự An Toàn
- nhà làm hiền triết
- Nói
- tương tự
- San
- San Francisco
- Scala
- khả năng mở rộng
- Quy mô
- lịch trình
- Khoa học
- Nhà khoa học
- xước
- sdk
- tìm kiếm
- Thứ hai
- Phần
- ngành
- an ninh
- xem
- đã xem
- chọn
- gửi
- cao cấp
- gởi
- Trình tự
- phục vụ
- dịch vụ
- DỊCH VỤ
- phục vụ
- phiên
- định
- thiết lập
- một số
- nên
- hiển thị
- thể hiện
- Chương trình
- đáng kể
- tương tự
- Đơn giản
- đơn giản hóa
- đơn giản hóa
- đơn giản
- kể từ khi
- duy nhất
- nhỏ
- So
- Phần mềm
- phần mềm như là một dịch vụ
- Nhà phát triển phần mềm
- phát triển phần mềm
- kỹ thuật phần mềm
- giải pháp
- Giải pháp
- động SOLVE
- Giải quyết
- một số
- Một người nào đó
- tinh vi
- Linh hồn
- nguồn
- Không gian
- Tiếng Tây Ban Nha
- Vôn
- chuyên gia
- riêng
- đặc biệt
- quy định
- tiêu
- Chi
- SQL
- Bắt đầu
- bắt đầu
- khởi động
- Tuyên bố
- Trạng thái
- Bước
- Các bước
- Dừng
- đơn giản
- cấu trúc
- Sinh viên
- nghiên cứu
- thành công
- Hỗ trợ
- Hỗ trợ
- phải
- chắc chắn
- hệ thống
- hệ thống
- bàn
- TAG
- Hãy
- Mục tiêu
- Nhiệm vụ
- nhiệm vụ
- đã dạy
- nhóm
- đội
- công nghệ cao
- khởi nghiệp công nghệ
- Kỹ thuật
- kỹ thuật
- kỹ thuật
- Công nghệ
- nói
- 10
- texas
- văn bản
- hơn
- việc này
- Sản phẩm
- Phía tây
- thế giới
- cung cấp their dịch
- Them
- sau đó
- Kia là
- họ
- điều
- nghĩ
- điều này
- những
- Thông qua
- khắp
- thời gian
- đến
- bây giờ
- mã thông báo
- Tokens
- nói với
- mất
- công cụ
- theo dõi
- theo dõi
- Giao dịch
- theo truyền thống
- Hội thảo
- biến đổi
- biến đổi
- dịch
- đi du lịch
- chuyến đi
- xu hướng
- thử nghiệm
- kích hoạt
- kích hoạt
- đúng
- Mã đúng
- cố gắng
- Quay
- kiểu
- ui
- Uk
- Dưới
- hiểu
- sự hiểu biết
- hiểu
- độc đáo
- trường đại học
- cho đến khi
- Tiết lộ
- sắp tới
- cập nhật
- trên
- us
- có thể dùng được
- sử dụng
- ca sử dụng
- đã sử dụng
- người sử dang
- Kinh nghiệm người dùng
- Người sử dụng
- sử dụng
- sử dụng
- thường
- ux
- khác nhau
- nhà cung cấp
- rất
- thông qua
- tầm nhìn
- trực quan
- vmware
- Giọng nói
- muốn
- là
- Đường..
- we
- web
- các dịch vụ web
- tuần
- TỐT
- là
- hướng Tây
- Điều gì
- Là gì
- khi nào
- cái nào
- rộng
- Phạm vi rộng
- sẽ
- cửa sổ
- với
- không có
- Công việc
- làm việc
- quy trình làm việc
- Luồng công việc
- đang làm việc
- công trinh
- thế giới
- thế giới
- sẽ
- viết
- XML
- năm
- năm
- bạn
- trên màn hình
- youtube
- zephyrnet