Early Access: The content on this website is provided for informational purposes only in connection with pre-General Availability Qlik Products.
All content is subject to change and is provided without warranty.
Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Źródło do analityki Anthropic (Amazon Bedrock)

Za pomocą łącznika analityki Anthropic możesz się komunikować z Anthropic i wzbogacać swoje aplikacje Qlik Sense o kontekstową i analityczną głębię z modeli generatywnej sztucznej inteligencji i dużych modeli językowych (LLM).

Za pomocą łącznika analitycznego Anthropic (Amazon Bedrock) możesz wysyłać do Anthropic dane wprowadzane przez użytkownika aplikacji lub dane załadowane w skrypcie. Z tym źródłem analitycznym możesz połączyć się ze strony Utwórz w centrum aktywności Analytics, w narzędziu Skrypt lub z aplikacji.

Za pomocą platformy Anthropic można komunikować się z zestawem dużych modeli językowych Claude. Z tym łącznikiem są dostępne następujące warianty modeli:

  • Claude 3.5 Sonnet

  • Claude 3 Opus

  • Claude 3 Sonnet

  • Claude 3 Haiku

  • Claude 2.1

  • Claude 2

  • Claude Instant 1.2

Pierwsze kroki z Claude

Wymagania wstępne

Aby móc pracować z tym łącznikiem, musisz być użytkownikiem AWSmającym klucz dostępu i klucz tajny. Wymagane jest też uprawnienie bedrock:invokemodel.

Włączanie punktów końcowych uczenia maszynowego w Qlik Cloud

Aby można było pracować z tym łącznikiem, punkty końcowe uczenia maszynowego muszą być włączone w centrum aktywności Administrowanie. Przełącznik znajduje się w obszarze Sterowanie funkcją w sekcji Ustawienia.

Więcej informacji zawiera temat Włączanie połączeń analitycznych dla punktów końcowych uczenia maszynowego.

Ograniczenia

  • Ten łącznik ma limit żądań wynoszący 25 wierszy na żądanie, z maksymalnym rozmiarem partii wynoszącym jeden wiersz naraz.

  • Zasoby dostępne w usługach, w których wdrożono model, wpłyną ograniczająco na wydajność ładowania Qlik Sense i responsywność wykresu.

  • Jeżeli aplikacja jest regularnie ładowana, najlepsza praktyka polega na buforowaniu prognoz uczenia maszynowego przy użyciu pliku QVD i wysyłaniu do punktu końcowego tylko nowych wierszy. Poprawi to wydajność ładowania aplikacji Qlik Sense i zmniejszy obciążenie punktu końcowego modelu.

  • Jeśli używasz względnej nazwy połączenia i zdecydujesz się przenieść aplikację z przestrzeni udostępnionej do innej przestrzeni udostępnionej lub jeśli przeniesiesz aplikację z przestrzeni udostępnionej do przestrzeni prywatnej, aktualizacja połączenia analitycznego w celu odzwierciedlenia nowej lokalizacji przestrzeni zajmie trochę czasu.

Dowiedz się więcej

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać, co możemy poprawić!