Construya recomendaciones de delirio en tiempo positivo utilizando agentes de IA en Amazon Bedrock

La IA generativa está transformando la forma en que las empresas ofrecen experiencias personalizadas en todas las industrias, incluidos los viajes y la hospitalidad. Los agentes de viajes están mejorando sus servicios al ofrecer paquetes de ocio personalizados, cuidadosamente seleccionados para las preferencias únicas del cliente, incluidas las deyección de accesibilidad, las restricciones dietéticas e intereses de actividad. Cumplir con estas expectativas requiere una decisión que combine el conocimiento integral de los viajes con información de precios y disponibilidad en tiempo positivo.

En esta publicación, mostramos cómo construir una decisión de IA generativa usando Roca mama de Amazon Eso crea paquetes de ocio a medida combinando perfiles de clientes y preferencias con datos de precios en tiempo positivo. Demostramos cómo usar Bases de conocimiento de Amazon Bedrock para información de delirio, Agentes de roca mama de Amazon para detalles de revoloteo en tiempo positivo y Amazon OpenSearch Servidor sin ser para una búsqueda y recuperación de paquetes eficientes.

Descripción militar de la decisión

Las agencias de viajes enfrentan demandas crecientes de recomendaciones personalizadas mientras luchan con la precisión y escalabilidad de los datos en tiempo positivo. Considere una agencia de viajes que necesita ofrecer paquetes de ocio accesibles: deben hacer coincidir los requisitos de accesibilidad específicos con la disponibilidad de revoloteo y alojamiento en tiempo positivo, pero están limitados por tiempos de procesamiento manuales e información anticuada en los sistemas tradicionales. Esta decisión con AI combina personalización con la integración de datos en tiempo positivo, lo que permite a la agencia hacer coincidir automáticamente los requisitos de accesibilidad con las opciones de delirio actuales, entregando recomendaciones precisas en minutos en emplazamiento de las horas. La decisión utiliza una cimentación de tres capas para ayudar a los agentes de viajes a crear recomendaciones de ocio personalizadas.

• Capa frontend – Proporciona una interfaz donde los agentes de viajes ingresan los requisitos y las preferencias del cliente
• Capa de orquestación – Procesa la solicitud y los enriquece con los datos del cliente
• Capa de recomendación – Combina dos componentes secreto:
  • Almacenamiento de datos de delirio – Mantiene un repositorio de búsqueda de paquetes de delirio
  • Recuperación de información en tiempo real- Obtiene detalles actuales del revoloteo a través de la integración de API

El próximo diagrama ilustra esta cimentación.

Con este enfoque en capas, los agentes de viajes pueden capturar los requisitos del cliente, enriquecerlos con preferencias almacenadas, integrar datos en tiempo positivo y ofrecer recomendaciones personalizadas que coincidan con las deyección del cliente. El próximo diagrama ilustra cómo se implementan estos componentes utilizando los servicios de AWS.

La implementación de AWS incluye:

• Puerta de entrada de la API de Amazon – Recibe solicitudes y las enruta a las funciones de AWS Lambda que facilitan las llamadas de API seguras para recuperar recomendaciones
• AWS Lambda – Procesa datos de entrada, crea el aviso enriquecido y ejecuta el flujo de trabajo de recomendación
• Amazon Dynamodb – Almacena preferencias de clientes e historial de viajes
• Bases de conocimiento de Amazon Bedrock – Ayuda a los agentes de viajes a construir una cojín de datos curada de destinos, paquetes de delirio y ofertas, asegurándose de que las recomendaciones se basen en información confiable y actualizada.
• Amazon OpenSearch Servidor sin ser – Habilita la búsqueda de vector simple, escalable y de parada rendimiento
• Amazon Simple Storage Service (Amazon S3) – Almacena grandes conjuntos de datos, como horarios de revoloteo y materiales promocionales,
• Agentes de roca mama de Amazon – Integra la recuperación de información en tiempo positivo, asegurándose de que los itinerarios recomendados reflejen la disponibilidad flagrante, los precios y la programación a través de integraciones de API externas

Esta decisión usa un AWS CloudFormation plantilla que se meta automáticamente y configura los bienes requeridos. La plantilla maneja el proceso de configuración completo, incluidas las configuraciones de servicio y los permisos necesarios.

Para obtener la última información sobre cuotas de servicio que podrían afectar su implementación, consulte Cuotas de servicio de AWS.

Requisitos previos

Para implementar y usar esta decisión, debe tener lo próximo:

• Una cuenta de AWS con llegada a Amazon Bedrock
• Permisos para crear y mandar los siguientes servicios:
  • Roca mama de Amazon
  • Amazon OpenSearch Servidor sin ser
  • Lambda
  • Dinamodb
  • Amazon S3
  • Puerta de enlace de la API
• Comunicación a modelos de cojín en Amazon Bedrock para Amazon Titan Text Increddings V2 y Anthrope Claude 3 Haiku Models

Implementar la pila de CloudFormation

Puede implementar esta decisión en su cuenta de AWS utilizando AWS CloudFormation. Complete los siguientes pasos:

1. Nominar Pila de tirada:

Serás redirigido al Crear pila Asistente en la consola AWS CloudFormation con el nombre de la pila y la URL de la plantilla ya se completó.

1. Deje la configuración predeterminada y complete la creación de pila.
2. Nominar Ver eventos de pila para ir a la consola AWS CloudFormation para ver los detalles de la implementación.

La pila toma rodeando de 10 minutos para crear los bienes. Espere hasta que el estado de la pila sea Create_complete antaño de continuar a los próximos pasos.

La plantilla de CloudFormation crea y configura automáticamente componentes para el almacenamiento y establecimiento de datos, el estrato de roca de Amazon y la API y la interfaz.

Almacenamiento y gobierno de datos

La plantilla establece los siguientes bienes de almacenamiento y gobierno de datos:

• Un cubo S3 y con un conjunto de datos de muestra (travel_data.json y promotions.csv), plantilla de inmediato y el esquema API

• Tablas de DynamoDB pobladas con perfiles de heredero de muestra e historial de viajes

• Una colección OpenSearch Servidor con configuraciones optimizadas para búsquedas de paquetes de delirio

• Un índice vectorial con configuraciones compatibles con la cojín de conocimiento de Amazon Bedrock

Configuración de roca mama de Amazon

Para Amazon Bedrock, la plantilla de CloudFormation crea los siguientes bienes:

• Una cojín de conocimiento con el conjunto de datos de viajes y fuentes de datos ingeridas en Amazon S3 con sincronización cibernética

• Un agente de roca mama de Amazon, que se prepara automáticamente

• Una nueva lectura y apodo para el agente

• Grupos de energía del agente con integración de datos de revoloteo simulado

• Una invocación de rama de energía, configurada con el FlightPricingLambda La función lambda y el esquema API recuperado del cubo S3

Configuración de API e interfaz

Para habilitar el llegada a la API y la interfaz de heredero, la plantilla configura los siguientes bienes:

• Puntos finales de API Gateway
• Lambda funciona con una API de revoloteo simulada para fines de demostración
• Una interfaz web para agentes de viajes

Realizar la configuración

Luego de completar la creación de pila, puede realizar la configuración en el Expectativas Pestaña de la consola de AWS CloudFormation, que proporciona la próximo información:

• Sitio weburl – Acceda a la interfaz del agente de viajes
• Apiense – Uso para el llegada programático al sistema de recomendación

Prueba los puntos finales

La interfaz web proporciona un formulario intuitivo donde los agentes de viajes pueden ingresar los requisitos del cliente, que incluyen:

• ID de cliente (por ejemplo, Joe o Will)
• Presupuesto de delirio
• Fechas preferidas
• Número de viajeros
• Estilo de delirio

Puede clamar a la API directamente usando el próximo código:

curl -X POST 
   
  -H 'Content-Type: application/json' 
  -d '{
    "userId": "Joe",
    "budget": "3000 GBP",
    "duration": "7 days",
    "travelDate": "2025-07-15",
    "numberOfTravelers": 2
  }'

Prueba la decisión

Para fines de demostración, creamos perfiles de heredero de muestra en el UserPreferences y TravelHistory Tablas en Dynamodb.

El UserPreferences Tabla almacena preferencias de delirio específicas del heredero. Por ejemplo, Joe representa un viajero de riqueza con requisitos de accesibilidad para sillas de ruedas.

Will representa un viajero presupuestario con deyección amigables para ancianos. Estos perfiles ayudan a mostrar cómo el sistema maneja diferentes requisitos y preferencias del cliente.

El TravelHistory Tabla almacena viajes pasados realizados por los usuarios. Las siguientes tablas muestran los viajes anteriores realizados por el heredero Joemostrando destinos, duraciones de delirio, calificaciones y fechas de delirio.

Pasemos por un caso de uso pintoresco para demostrar cómo un agente de viajes puede usar esta decisión para crear recomendaciones de ocio personalizadas. Considere un atmósfera en el que un agente de viajes está ayudando a Joe, un cliente que requiere accesibilidad para sillas de ruedas, planee unas ocio de riqueza. El agente de viajes ingresa a la próximo información:

• ID de cliente: Joe
• Presupuesto: 4.000 GBP
• Duración: 5 días
• Fechas de delirio: 15 de julio de 2025
• Número de viajeros: 2
• Estilo de delirio: riqueza

Cuando un agente de viajes envía una solicitud, el sistema banda una serie de acciones a través del PersonalisedHolidayFunction La función Lambda, que consultará la cojín de conocimiento, verificará la información de revoloteo en tiempo positivo utilizando la API simulada y devolverá recomendaciones personalizadas que coincidan con las deyección y preferencias específicas del cliente. La capa de recomendación utiliza la próximo plantilla de solicitud:

Based on the profile and requirements:

User Preferences:
- Travel Preferences: {travelStyle}
- Interests: {interests}
- Dietary Restrictions: {dietaryRestrictions}
- Accessibility Needs: {accessibility}

Current Request:
- Budget: {budget}
- Duration: {duration}
- Travel Date: {travelDate}
- Number of Travelers: {numberOfTravelers}

Previous Destinations: {previousDestinations}

Instructions:
1. Match the user's budget, travel style and interests
2. Consider dietary restrictions and accessibility needs
3. Avoid previously visited destinations
4. Include:
   - Recommended destinations
   - Suitable accommodations
   - Relevant activities and experiences
   - Transportation options
   - Estimated cost breakdown
   - Travel tips

Please follow the  and provide a personalized holiday recommendation in the below format:
Destination: (Primary recommended destination)

(Detailed recommendation)

El sistema recupera las preferencias de Joe del perfil de heredero, que incluye:

{
    "userPreferences": {
        "preferences": "Prefer warm climate and cultural experiences",
        "budget": 3000,
        "duration": "5 days",
        "travelDate": "2025-03-04",
        "interests": (
            "photography",
            "food",
            "beach"
        ),
        "travelStyle": "Luxury",
        "numberOfTravelers": 2,
        "dietaryRestrictions": (
            "plant based",
            "vegetarian"
        ),
        "accessibility": (
            "wheelchair-accessible"
        ),
        "previousDestinations": (
            "Maldives",
            "Bali"
        )
    }
}

Luego, el sistema genera recomendaciones personalizadas que consideren lo próximo:

• Destinos con accesibilidad probada en arnés de ruedas
• Alojamiento de riqueza adecuado
• Detalles del revoloteo para el destino recomendado

Cada recomendación incluye los siguientes detalles:

• Información de accesibilidad detallada
• Precios y disponibilidad de vuelos en tiempo positivo
• Detalles de alojamiento con funciones de accesibilidad
• Actividades y experiencias disponibles
• Desglose de costos totales del paquete

Purificar

Para evitar incurrir en cargos futuros, elimine la pila de CloudFormation. Para más información, ver Eliminar una pila de la consola CloudFormation.

La plantilla incluye políticas de aniquilación adecuadas, cerciorarse de que los bienes que creó, incluidos los cubos S3, las tablas DynamodB y las colecciones de OpenSearch, se eliminen correctamente.

Siguientes pasos

Para mejorar aún más esta decisión, considere lo próximo:

• Explore las capacidades de múltiples agentes:
  • Cree agentes especializados para diferentes aspectos de delirio (hoteles, actividades, transporte nave)
  • Habilitar la comunicación de agente a agente para la planificación del itinerario complicado
  • Implementar un agente de orquestador para coordinar las respuestas y resolver conflictos
• Implementar soporte de varios idiomas utilizando modelos de cojín de varios idiomas en Amazon Bedrock
• Integrar con los sistemas de gobierno de relaciones con el cliente (CRM)

Conclusión

En esta publicación, aprendió cómo construir un sistema de recomendaciones de ocio con AI utilizando el estrato de roca de Amazon que ayuda a los agentes de viajes a ofrecer experiencias personalizadas. Nuestra implementación demostró cómo combinar las bases de conocimiento de Amazon Bedrock con los agentes de Bedrock de Amazon une efectivamente la información histórica de delirio con deyección de datos en tiempo positivo, mientras se usa una cimentación sin servidor y una búsqueda vectorial para una coincidencia capaz de las preferencias de los clientes con paquetes de viajes. La decisión muestra cómo los sistemas de recomendación de viajes pueden equilibrar el conocimiento integral de los viajes, la precisión de datos en tiempo positivo y la personalización a escalera. Este enfoque es particularmente valioso para las organizaciones de viajes que necesitan integrar datos de precios en tiempo positivo, manejar requisitos de accesibilidad específicos o progresar sus recomendaciones personalizadas. Esta decisión proporciona un punto de partida práctico con rutas claras para mejorar las deyección comerciales específicas, desde la modernización de sus sistemas de planificación de viajes o manejar requisitos complejos de los clientes.

Fortuna relacionados

Para obtener más información, consulte los siguientes bienes:

• Documentación:
• Muestras de código:
• Educación adicional:

Sobre el autor

Vishnu Vardhini

Vishnu Vardhini es un arquitecto de soluciones en AWS con sede en Escocia, centrándose en los clientes de SMB en todas las industrias. Con experiencia en seguridad, ingeniería en la cirro y DevOps, arquitecta soluciones AWS escalables y aseguradas. Le apasiona ayudar a los clientes a rendir el estudios inconsciente y la IA generativa para impulsar el valía comercial.