【亚马逊云科技】自家的AI助手 - Amazon Q

写在前面：博主是一只经过实战开发历练后投身培训事业的“小山猪”，昵称取自动画片《狮子王》中的“彭彭”，总是以乐观、积极的心态对待周边的事物。本人的技术路线从Java全栈工程师一路奔向大数据开发、数据挖掘领域，如今终有小成，愿将昔日所获与大家交流一二，希望对学习路上的你有所助益。同时，博主也想通过此次尝试打造一个完善的技术图书馆，任何与文章技术点有关的异常、错误、注意事项均会在末尾列出，欢迎大家通过各种方式提供素材。

• 对于文章中出现的任何错误请大家批评指出，一定及时修改。
• 有任何想要讨论和学习的问题可联系我：zhuyc@vip.163.com。
• 发布文章的风格因专栏而异，均自成体系，不足之处请大家指正。

【亚马逊云科技】自家的AI助手 - Amazon Q

本文关键字：亚马逊、Amazon、AI、Amazon Q、人工智能

一、产品概述

1. Amazon Q

• 产品链接：Amazon Q（预览版）

Amazon Q 是一种生成式人工智能赋能的新型助手，专为完成工作而设计，并且为您的业务量身定制。

以上是官方对产品的描述，说起AI助手，大家应该都不陌生了。那么Amazon Q到底独特在哪里呢？小编认为最主要的特点就是可以和各种云服务的使用整合起来，另外一个就是可以构建自己的知识库，将各种文档类资源直接学习起来，效果真的拔群！

除此之外，其它AI Chat产品具备的特点都同样具备，比如交互式问答、连续对话、专业类问题回答等等，唯一美中不足就是目前还不支持中文，并且对于一些不能回答的问题并不能够很好的应对。当然，在实际体会之后，小编觉得每个产品的定位是不同的，如果把Amazon Q当作一个日常的AI助手来使用的话显然并不是那么合适的，可以说自身的优势并没有发挥出来。在企业场景中，Amazon Q是第一个基于云资产的AI助手，可以在安全环境下帮助管理云服务、错误排查、辅助开发等等。并且，可以将Amazon Q以应用的形式独立发布和部署，供公司内部使用，整合内部数据存储库，不仅可以自主学习还可以帮助公司人员快速了解业务以及辅助决策。

从各个方面来说，这都是一个企业级解决方案，虽然目前只是预览版，但是很多功能的设计可以说十分振奋人心。

2. 预览版介绍

目前的预览版是完全免费的，如果你需要让它有更丰富的知识，可以自己创建一个应用，然后同步数据进行学习，这个时候才需要考虑到存储单元，可以先用一个来进行测试。

除此之外，还有很多免费产品可以结合Amazon Q一起进行测试哦，如下文中提到的Amazon EC2、Amazon ElastiCache等等，只要创建账号即可免费使用一年：https://aws.amazon.com/cn/free/?sc_channel=seo&sc_campaign=blog1227

二、使用实践

这里对于一些简单问题就不做测试了，主要突出介绍一下Amazon Q自身特有的功能。

1. 网页版入口

首先，想要使用Amazon Q，只需要在登录后留意网页右侧的侧边栏，一键呼出即可。【如果没有亚马逊账号可以点击亚马逊云科技注册】比如，在控制台主页可以看到：

这个时候我们就可以开始对话了，并且助手此时已经能够读取这个账户下的各种云资产，可以帮助排查各种问题。

2. 服务故障排除

小编此前创建了一个ElasticCache产品，想查看一下在EC2上是否能够成功连接，于是乎我只需要这样说：

• Pls test the connection between Redis Cache and EC2

• 此时继续点击链接：preview experience here

在新弹出的窗口中会自动开始测试，读取账号下的相关实例，然后进行连接测试：

可以看到，此时将读取账号下的相关云资产，根据当前网络设置进行连通性测试，这样我们直接就可以知道，当前网络是否可以联通。因为目前越来越多的服务并不开放公网访问，所以对于VPC的管理是十分重要的，而Amazon Q就是一个很好的测试工具，并且在结果页面中可以快速跳转到相关的实例或配置，如果存在问题则会直接标红指出。

3. 产品选型建议

在创建一些产品时，Amazon Q还能够直接给出选择建议，帮助我们做出合适的选择。比如在创建新的EC2时，里面有各种各样的型号，对于新手很难知道其中的区别，并且不知道如何选择，一般都是看硬件配置。现在则会发现多了一个Get advice选项：

然后我们就可以根据应用场景、用户、价格优先级、CPU型号来获得相应的建议。毕竟在相同的硬件配置下，在不同的用途中的表现是不一样的，这样可以帮助我们快速了解相关的型号，并且最后根据价格和配置来做出选择。

三、定制学习

如果企业有自己的知识库，其中包含了和业务相关的代码、文档等资料，包括存储在数据库中的数据，都可以统一导入同步到Amazon Q中，以交互对话的形式进行提取。

1. 应用创建

进入到Amazon Q产品后可以看到一个创建应用的流程：

在其中添加需要的数据源，并且设置同步频率，然后就可以在预览中使用，最后独立部署，便于内部使用，本文将演示前三个步骤。

• 点击Create application按钮

填写应用名称，并且创建一个新的服务规则：

• 创建检索器

创建一个新的检索器，这样可以自主的配置数据源，存储单元暂时设置为1。

2. 数据源配置

在最后一个步骤中，我们可以自主添加数据源，每个应用限制为5个。可以是Amazon S3、各种数据库存储、已存在的文件、网络资源，等等等等。

• 创建Web crawler

点击Web crawler旁边的加号，我们使用Python官方文档为例：https://docs.python.org/3.12/contents.html，因为目前只支持英文，所以我们也选择文档的英文版。接下来把相关的信息填入配置中：

每个Web crawler最多添加10个链接，接下来设置认证或代理相关的配置，由于是网络公开资源，所以全部不需要设置：

创建一个新的IAM role：

接下来设置和同步相关的配置，可以尽量缩小范围，由于小编选择的是稳定版本，所以文档基本不会有变化，在同步模式中选择了Full sync，同步周期选择了Run on demand【手动】。

其它部分如果有需要可以额外配置，点击Add datasouce按钮退出，可以看到已经成功添加了一个数据源：

最后点击右下角的Finish完成应用的创建。

3. 使用测试

• 数据同步

初次使用需要完成数据同步，在应用列表中可以找到刚刚创建好的应用：

点击进入后，查看Data Sources的部分，选中Python，然后点击Sync now，等待完成。

根据内容的多少以及爬取的设置，等待时间会有所不同，完成后会显示如下：

• 应用入口

数据同步完成后已经可以正常使用了，在应用中可以看到Preview web experience按钮。

点击打开交互界面，完成初始化设置，就是一些显示信息，可以直接保存：

• 基于数据源的提问

接下来，我们问一个问题，看看与正常的回答有何不同：How to use list in Python：

虽然我们使用的是一个比较通用的问题，但是不同的地方在于在来源部分可以看到来自数据源的引用。这是一个很强的扩展性功能，我们可以导入公司内部的很多数据，在安全的条件下进行使用，这将会极大的提高效率。

四、插件集成

Amazon Q也可以作为代码助手使用，以VS Code为例：

直接在插件中搜索Amazon Q，实际就是安装AWS Toolkit，点击安装按钮：

选择其中的Amazon Q + CodeWhispere，按提示完成账号的登录与配置即可。

总的来说，Amazon Q本身还是一款很有特点，更加适合企业场景的产品，着实给小编带来了一些惊喜，大家也可以趁现在试用一下！