Представьте обычное утро понедельника: вы вручную копируете данные из нескольких разных систем, чтобы подготовить еженедельный отчет, а затем форматируете его для разных стейкхолдеров. Одна такая задача может отнимать несколько часов, которые можно было бы потратить на более стратегическую работу. Умножьте это на всю команду — и станет понятно, как быстро накапливаются повторяющиеся задачи.
Amazon Quick Flows автоматизирует такие задачи с помощью AI workflow. С Quick Flows вы создаете интеллектуальные рабочие процессы на естественном языке — без навыков программирования и без опыта в machine learning (ML). Вы описываете, что хотите автоматизировать, а Quick Flows строит workflow за вас. В этой публикации показано, как создать свой первый AI-powered workflow: сначала финансовый анализатор, а затем более сложную автоматизацию онбординга сотрудников.
Что такое Amazon Quick Flows?
Amazon Quick Flows входит в состав Amazon Quick — набора AI-powered возможностей, которые вместе помогают анализировать данные, автоматизировать задачи и получать инсайты через разговоры на естественном языке. В этом материале речь идет именно о Quick Flows для автоматизации задач.
С Quick Flows вы превращаете повседневные действия в автоматизированные workflow для личной и командной продуктивности. Вы создаете, настраиваете и делитесь специализированными AI workflow, используя свои данные, инсайты и действия, доступные в Amazon Quick.
Требования
Прежде чем собирать свой первый flow, убедитесь, что у вас есть активный аккаунт AWS, в Amazon Quick включен доступ к Quick Flows и настроены права на его использование. Инструкции по настройке см. в руководстве пользователя Amazon Quick.
Примечание: Amazon Quick использует generative AI. Конкретные выходные данные, ответы и сгенерированный контент могут отличаться от примеров в статье. Такие различия нормальны и ожидаемы. Сосредоточьтесь на понимании концепций и преимуществ, а не на точном совпадении результатов.
Соберите свой первый flow
В этом примере вы создадите Financial Performance Analyzer, который собирает из веба данные рынка в реальном времени, анализирует ключевые метрики и формирует профессиональное резюме на основе полученной информации.
1. Перейдите в Quick Flows
Откройте браузер и войдите в Quick. Затем перейдите в Quick Flows. Появится интерфейс создания flow с текстовым полем для описания workflow и примерами подсказок, с которых можно начать.
Рисунок 1: Интерфейс создания Quick Flows, где workflow описывается на естественном языке
2. Введите подсказку
В текстовом поле введите следующую подсказку:
Создайте flow, который собирает комплексное финансовое исследование компании, используя инструмент из четырех ключевых компонентов: (1) Real-Time Market Data — сбор текущих цен акций и дневных изменений, (2) Financial Metrics Analysis — получение ключевых коэффициентов, таких как P/E, market cap и выручка, (3) News Intelligence — сбор недавних финансовых заголовков и событий, влияющих на рынок, и (4) Professional Analysis — подготовка рекомендаций и рейтингов аналитиков; каждый запуск должен инициироваться вводом названия компании или тикера.
Теперь Quick Flows точно понимает, что вам нужно: workflow, который принимает название компании на вход и возвращает полную финансовую картину.
Quick Tip: Вы также можете создавать flows прямо из разговоров с chat agents в Quick. Если вы уже обсуждаете задачу или процесс с агентом, можно преобразовать эту беседу в flow без старта с нуля.
3. Сгенерируйте flow
Нажмите кнопку Generate. Quick Flows анализирует вашу подсказку и сопоставляет требования с доступными возможностями. Он определяет, что нужно собрать данные через web search, извлечь ключевые финансовые метрики с помощью AI analysis и оформить результаты в структурированный отчет. AI проходит по вашим требованиям, определяет нужные шаги и собирает их в связанный flow.
Рисунок 2: Quick Flows генерирует workflow из подсказки на естественном языке
4. Запустите flow
После завершения генерации вы можете сразу протестировать flow. Введите название компании или тикер, например Amazon или AMZN, и выберите Run. Наблюдайте, как flow выполняет каждый шаг в топологическом порядке: собирает рыночные данные, анализирует метрики, собирает новости и формирует итоговый анализ.
После просмотра результатов вы можете общаться с flow напрямую, чтобы уточнить вывод. Например, можно попросить его сосредоточиться на конкретных метриках, изменить глубину анализа или по-другому отформатировать результат. Flow понимает ваши запросы и может соответствующим образом изменить свой вывод.
5. Настройте flow в редакторе
После первого запуска откройте редактор, чтобы увидеть, как Quick Flows собрал ваш workflow из одной подсказки. Каждый шаг визуально разложен по схеме, показывая связи между этапами и то, как данные перемещаются от вашего ввода через каждый компонент к итоговому результату.
Ваш flow начинается со шага text input, где вы вводите название компании или тикер.
Рисунок 3: Editor Flow показывает каждый шаг workflow, при этом выбран шаг ввода
Поскольку этот flow работает с рыночными данными, Quick Flows автоматически настроил каждый исследовательский шаг с использованием встроенной функции web search в Quick. Он получает актуальную информацию из веба, а не опирается на статические данные.
Рисунок 4: Editor Flow показывает каждый шаг workflow, при этом выбран шаг web search
Разные web search собирают релевантные данные, которые вы запросили в подсказке для шага.
Финальный шаг использует шаг general knowledge, чтобы синтезировать все, что собрал flow. Он берет рыночные данные, финансовые метрики, заголовки новостей и рейтинги аналитиков из предыдущих шагов и формирует финансовый отчет.
Рисунок 5: Editor Flow показывает каждый шаг workflow, при этом выбран шаг general knowledge
Здесь вы можете адаптировать flow под свои задачи. Можно добавить шаг, который отправит отчет по email вашей команде, опубликует его в Slack, сохранит в файл в SharePoint или экспортирует результат в PDF либо документ Microsoft Word. Поскольку эта информация со временем меняется, вы можете захотеть запускать flow по расписанию.
Понимание ключевых концепций
Теперь, когда вы собрали свой первый flow, разберем строительные блоки, которые вы только что использовали. Step — это отдельный компонент, который выполняет конкретную функцию внутри flow. Steps — это базовые единицы, которые вы соединяете между собой, чтобы создать полноценный flow.
Рисунок 6: Quick Flows предлагает пять категорий steps — AI responses, flow logic, data insights, actions и user input — которые вы комбинируете для построения workflow
Quick Flows группирует steps в пять категорий:
- AI responses генерируют результаты, создают изображения из текста, обращаются к custom agents, выполняют web search, вызывают Quick Research и выполняют задачи на веб-сайтах.
- Flow logic управляет выполнением workflow с помощью reasoning groups, которые задают условия, циклы или проверки.
- Actions выполняют операции чтения или записи в подключенных внешних системах и приложениях через готовые или пользовательские интеграции.
- User input собирает информацию от пользователей через текстовые поля или загрузку файлов, чтобы инициировать workflow и задать ему контекст.
Quick Flows работает с данными вашей компании, где бы они ни находились. Вы можете подключать таблицы и базы данных через Amazon Quick, хранилища документов, такие как SharePoint, OneDrive, Google Drive или Amazon Simple Storage Service (Amazon S3), через интеграции, а также выполнять действия через специализированные или пользовательские интеграции.
Дальше базового уровня: автоматизация онбординга сотрудников
Теперь, когда вы создали свой первый flow и понимаете основы, пора перейти к более сложному сценарию. Этот пример показывает продвинутые возможности, такие как условная логика и системные интеграции, и демонстрирует, как те же принципы, которые вы только что изучили, могут автоматизировать многошаговые бизнес-процессы. Представьте, что вы специалист по human resources (HR), и на этой неделе к вам приходят три новых сотрудника. Для каждого из них нужно создать записи в HR information system, написать персонализированные welcome emails с учетом корпоративных политик и скоординировать работу с information technology (IT) для выпуска бейджей, заказа оборудования и настройки email. Эти ручные задачи отнимают часы каждую неделю и мешают сосредоточиться на стратегических приоритетах. Следующий пример показывает, как собрать flow для автоматизации этих onboarding-задач.
Требования для примера с онбордингом сотрудников
Этот пример с онбордингом сотрудников демонстрирует продвинутые возможности Quick Flows. Вы можете следовать ему сейчас на концептуальном уровне, чтобы понять подход, не выполняя настройку. Для практического опыта с этим конкретным примером ниже приведены необязательные инструкции по настройке workshop, которые помогут вам собрать решение в собственном аккаунте AWS с имитированными HR- и IT-системами. На выполнение уйдет примерно 30 минут.
Если вы хотите собрать этот flow в собственном аккаунте AWS, выполните шаги настройки из workshop A Complete Guide to Amazon Quick:
- Сначала разверните инфраструктуру workshop, следуя инструкции по самостоятельной настройке. Это создаст базовые ресурсы AWS и имитированные HR- и IT-системы, с которыми будет интегрироваться ваш flow.
- Затем следуйте инструкциям внутри модуля Flows, включая предварительные требования.
После выполнения этих шагов вы сможете собрать и запустить flow для онбординга сотрудников. Workshop предоставляет примерные данные о сотрудниках и пошаговые инструкции по тестированию, чтобы вы могли увидеть, как автоматизация работает на практике.
Понимание workflow онбординга сотрудников
Рисунок 7: Workflow онбординга сотрудников использует reasoning groups для создания условной логики, выполняя разные шаги в зависимости от того, существует ли сотрудник в системе
Workflow представляет собой последовательность шагов от сбора входных данных и получения информации до выполнения действий. Он начинается со сбора данных о сотруднике через текстовые поля ввода (имя, фамилия, email). Затем flow вызывает API с информацией о сотруднике из workshop с помощью action step. Этот шаг определяет, зарегистрирован ли email сотрудника в системе. Reasoning group в этом flow работает как if-then statement в повседневной логике. Представьте это как развилку: если сотрудник уже существует, workflow завершается; если сотрудника нет, workflow продолжает работу и создает его записи. В этом flow reasoning group проверяет, найден ли email нового сотрудника на предыдущем шаге, создавая два возможных пути выполнения. Если сотрудник существует, workflow заканчивается, потому что запись уже создана. Если сотрудника нет, flow выполняет шесть последовательных шагов внутри reasoning group: создание записи сотрудника, генерация welcome email, отправка welcome email, генерация тикета на выдачу бейджа, создание тикета на бейдж и сводка результатов онбординга.
Создание flow онбординга сотрудников на естественном языке
Далее создайте flow с помощью подсказки на естественном языке. Вы можете описать, что должен делать flow, на естественном языке, а Amazon Quick Flows интерпретирует описание и автоматически создаст workflow за вас.
Перейдите к flows в Amazon Quick и выберите Create Flow. В интерфейсе создания flow вы увидите возможность описать flow на естественном языке. Введите подсказку, похожую на следующий пример:
Создайте flow для онбординга сотрудников, который собирает информацию о новом сотруднике, проверяет, есть ли он уже в системе, создает его запись, если он новый, формирует персонализированное welcome email с учетом наших корпоративных политик, отправляет письмо с копией менеджеру, создает IT-тickets для бейджа и настройки оборудования и выводит сводку всех выполненных действий.
Обратите внимание, что эта подсказка — упрощенная версия той, что используется в workshop. Полную, подробную подсказку и ручные пошаговые инструкции см. в руководстве workshop автоматизация ежедневных задач, где есть и подробная natural language prompt, и ручная сборка flow.
Как писать эффективные подсказки для Quick Flows
Понимание строительных блоков
Ваш flow состоит из четырех основных групп компонентов, которые вместе создают автоматизацию.
Input components — это место, где flow собирает информацию, необходимую для работы. В примере с онбордингом это текстовые шаги ввода, которые собирают данные о сотруднике, такие как имя, фамилия и email.
Logic components управляют решениями или ветвлениями flow. Шаг reasoning group использует естественный язык, чтобы определить, когда и как должны выполняться другие шаги. В onboarding flow reasoning group содержит инструкцию “Run if @Email is not found in @Check Employee Exists results.” Это помогает избежать создания дубликатов сотрудников за счет управления логикой workflow.
AI response and data insights components создают контент и ответы на основе ваших исходных данных. Flow включает шаги, которые готовят персонализированные welcome emails, объединяя данные о сотруднике, хранящиеся внутри space.
Action components соединяют flow с внешними системами и выполняют действия в реальном времени. В onboarding flow эти шаги создают записи сотрудников в HR systems, отправляют письма через корпоративную email-службу и создают тикеты в IT systems. Каждый action step указывает, к какой системе подключаться, какую операцию выполнять и какие данные нужны для вызова этих систем.
Каждый шаг в вашем workflow создает переменную — именованный контейнер, который хранит информацию для других частей flow. Переменные важны, потому что позволяют передавать данные между шагами. Например, когда кто-то вводит “John Doe” в поле First Name, эта информация становится доступной как “@First Name” во всем workflow. Без переменных каждый шаг работал бы изолированно и не мог бы использовать данные из предыдущих шагов. Переменные служат связующим звеном, которое позволяет информации переходить от одного шага к другому. На следующем изображении из шага “Create Employee Record” ранее созданного workflow обратите внимание на синий выделенный текст в подсказке. Это переменные, на которые ссылаются другие шаги. Подсказка записана так: “Create employee: first_name: @First Name, last_name: @Last Name, email: @Email …”, где указанные переменные используются как входные данные для API “CreateEmployee”.
Рисунок 8: Шаг “Create Employee Record” в flow онбординга сотрудников показывает, как переменные из предыдущих шагов ссылаются через символ @
Короткие советы по созданию автоматизаций
Теперь, когда у вас есть прочная основа для Amazon Quick Flows, вы готовы начать автоматизировать свои задачи. Вот несколько советов, которые помогут вам на старте.
Совет 1: Сначала тестируйте подсказки. Прежде чем собирать flow, протестируйте подсказку в chat assistant. Например, если вы хотите автоматизировать генерацию отчетов, сначала спросите: “How do I extract data from a dashboard and format it as a weekly report?” Это поможет уточнить подход до построения flow. Chat assistant уже знает сам продукт. Например, можно спросить: “What is Quick Flows and how do I get started?”
Совет 2: Начинайте с небольших данных. Начните с меньшего набора данных. Можно стартовать с space, где меньше ресурсов или файлов. У Quick есть ограничение на объем данных, который помещается в его context window. Например, представьте, что у вас есть список писем, на которые нужно ответить. Сначала может казаться, что надо обработать все письма сразу, но если использовать looping-функциональность шага reasoning group, можно работать по одному письму за раз. Это разбивает задачу на более мелкие части. См. документацию по ограничениям flows.
Совет 3: Пишите эффективную one-shot prompt. Flows — это orchestration service, который использует базовые возможности Quick. Эффективная one-shot prompt поможет повысить вероятность успеха вашего сценария. Кроме того, вы можете попросить Quick улучшить вашу подсказку. Подробнее о prompting можно прочитать в модуле prompting best practices в Amazon Quick workshop.
Совет 4: Спрашивайте про action integrations. При работе с action integrations не нужно быть экспертом, чтобы понимать API или то, как работать с ними на естественном языке. Например, если вы используете интеграцию Microsoft Outlook, можно спросить chat assistant, как с ней работать. Ваш запрос может выглядеть так: “What action do I use to send an email for the Microsoft Outlook connector and what parameters does that action have?” Это поможет определить подходящий action и параметры (input), используемые для этого connector.
Совет 5: Спланируйте workflow. Поймите, какую задачу вы пытаетесь автоматизировать, какие данные в ней участвуют, какие действия нужно выполнить и в каком порядке. Попробуйте записать или нарисовать каждый шаг workflow.
Совет 6: Обратитесь за помощью к chat agent. Вы можете попросить chat agent помочь спроектировать и собрать ваши flows. Пример можно найти в Amazon Quick workshop.
Очистка ресурсов
Чтобы не нести расходы за ресурсы, которыми вы больше не пользуетесь, выполните следующие шаги очистки. Плата Amazon Quick зависит от использования, поэтому удаление ненужных flows и scheduled runs помогает снизить затраты.
Удалите созданные для тестирования flows, перейдя в список flows и выбрав Delete. Если вы проходили workshop, следуйте инструкциям по очистке в руководстве workshop, чтобы удалить развернутую инфраструктуру. Отмените запланированные запуски flow, отредактировав flow и удалив schedule.
Заключение
В этой публикации вы собрали два AI-powered workflow с помощью Amazon Quick Flows. Вы также узнали, как использовать подсказки на естественном языке для генерации workflow, как работают строительные блоки Quick Flows и как настраивать flows под свои задачи. С Amazon Quick Flows вы превращаете повторяющуюся работу в интеллектуальные AI-powered автоматизации, используя естественный язык. Вы объединяете сбор данных, генерацию контента и интеграцию систем, чтобы сократить время на ручные задачи — без программирования. Дальнейшие шаги:
- Войдите в Amazon Quick и создайте свой первый flow, используя один из примеров подсказок.
- Пройдите workshop Amazon Quick, чтобы получить практический опыт.
- Определите повторяющуюся задачу в своей ежедневной работе и опишите ее на естественном языке. Quick Flows, скорее всего, сможет ее автоматизировать.
Чтобы узнать больше, присоединяйтесь к сообществу Amazon Quick, чтобы задавать вопросы и находить обучающие материалы или мероприятия.
Материал — перевод статьи с английского.