利用 Amazon Textract 定制 Bedrock 知识库，处理大型复杂文档
对于每月处理数千张水电费账单的客服团队来说，准确解析和分析复杂的多页文档是一项持续的挑战。格式不一致、表格密集、版式多样，使得快速提取正确信息变得困难，导致响应延迟、计费错误和客户不满。随着文档量的增长，这些低效问题不断累积，使组织无法利用手中已有的数据。
Amazon Bedrock 与 Amazon Textract 的集成提供了解决这一问题的检索和生成能力。通过将 Amazon Textract 对结构和非结构化内容的高精度提取与 Amazon Bedrock 的生成式 AI 能力相结合，组织可以从手动搜索文档转变为以编程方式查询文档，从而大规模地从水电费账单中解锁可操作的见解，并提供更快、更准确的客户交互。
在本文中，我们演示了如何与复杂 PDF 和图像格式的水电费账单进行对话、解析它们、分析内容，并标记相关表格，以帮助大型语言模型（LLM）提取最有用的信息。本文的代码可在 GitHub 上获取。
用例概述
客户服务支持团队收到大量关于水电费账单的查询，涵盖计费、用量、支付和客户服务等多个领域。团队难以高效解析和分析这些以 PDF、DOCX、TXT、HTML 和 XLSX 等多种格式出现的查询。从这些文档中手动提取相关信息既耗时又容易出错，导致响应延迟和客户不满。
为解决此问题，客户最初尝试直接使用水电费账单实施检索增强生成（RAG）解决方案。然而，他们很快遇到了重大问题。用于从这些文档中提取信息的 LLM 遗漏了关键细节，在某些情况下甚至产生幻觉，提供了不正确或不相关的信息。这使客户意识到，简单地将文档和账单以原始形式加载，无法产生可靠、准确的响应。
客户服务支持团队需要一个强大的解决方案来准确提取信息，而 Amazon Textract 与 Amazon Bedrock 的结合正是为此而生。通过利用 Amazon Textract 的高精度 OCR 和文档分析能力，以及 Amazon Bedrock 的生成式 AI 能力，组织可以构建一个定制化的知识库，使 LLM 能够准确回答复杂查询。
