在制造、金融和医疗等行业，企业面临着持续不断的文档流量，从财务报告和合同到病人记录和供应链文档。这些非结构化数据源的处理和洞察提取历史上一直是一个手动、高耗时且易出错的过程。智能文档处理的兴起，利用人工智能和机器学习的强大功能，正改变这一现状。对于制造商而言，这意味着简化采购订单管理、发票处理和供应链文档管理等流程。金融服务公司能够加快贷款申请、账户开设和合规报告的工作流程。在医疗行业，IDP 则彻底变革了病人入职、索赔处理和医疗记录管理。
通过将 IDP 集成到其运营中，这些重要行业的组织体验到了一系列变革性效益：减少手动数据输入提高效率与生产力、降低人为错误提高准确性与合规性、加快文档处理改善客户体验、增强处理日益增长的文档数量的可扩展性，及降低与文档管理相关的运营成本。
本文章演示了如何使用 Amazon Bedrock Prompt Flows 创建自动提取和处理文档数据的 IDP 管道。Amazon Bedrock Prompt Flows 是一项完全托管的服务，使您能够使用 Amazon Bedrock 和其他服务在直观的可视化构建器中构建生成性 AI 工作流。它允许您迅速根据业务变化更新管道，扩展文档处理工作流，以应对不断变化的需求。
为确保可扩展性和成本效益，本解决方案采用 无服务器 技术和托管服务。除了 Amazon Bedrock Prompt Flows 外，该解决方案还利用了以下服务：
服务描述Amazon Textract自动提取打印文本、手写文本和数据Amazon Simple Storage Service一个用于从任何地方检索数据的对象存储Amazon Simple Notification Service一个高度可用、耐用、安全、完全托管的发布订阅pub/sub消息服务AWS Lambda一种计算服务，可根据触发条件如数据变化、应用程序状态变化或用户操作运行代码Amazon DynamoDB一个无服务器的、完全托管的 NoSQL 数据库，具备毫秒级的单数字性能本解决方案包含以下步骤：
用户将 PDF 文件上传至 Amazon S3。Amazon S3 上传触发 AWS Lambda 函数的执行。函数调用 Amazon Textract 批量提取 PDF 中的文本。Amazon Textract 完成任务后发送 SNS 通知。AWS Lambda 函数读取 Amazon Textract 的响应，并调用 Amazon Bedrock 的提示流程进行文档分类。分类结果存储在 Amazon S3 中，并发送至目标 AWS Lambda 函数。目标 AWS Lambda 函数调用 Amazon Bedrock 的提示流程，根据提供的文档分类提取和分析数据。提取和分析的结果存储在 Amazon S3 中。在开始之前，请确保您的本地环境满足以下前提条件：
具有访问控制台和执行 CLI 命令的 AWS 账户权限。安装和配置 AWS 命令行接口AWS CLI。安装 AWS 无服务器应用程序模型命令行接口AWS SAM CLI。访问支持 Amazon Bedrock Prompt Flows 的 AWS 区域。要访问 Amazon Bedrock 上的 Anthropic Claude 3 Sonnet 模型，请按照 访问 Amazon Bedrock 基础模型 的说明操作。按照以下步骤部署解决方案：
克隆 GitHub 仓库。使用 shell 脚本构建和部署解决方案，通过在项目根目录下运行以下命令：
bashchmod x deploysh/deploysh
这将会触发您 AWS 账户中的 AWS CloudFormation 模板。
模板成功部署后，按照以下步骤测试解决方案：
西部世界加速器官网
在 AWS CloudFormation 控制台上，选择已部署的 Stack。点击 资源 标签。找到标签为 SourceS3Bucket 和 DestinationS3Bucket 的资源，点击链接在新标签页中打开 SourceS3Bucket。
接下来您可以上传示例文件，并查看处理结果，具体步骤请参考文章完整内容。
本解决方案展示了客户如何利用 Amazon Bedrock Prompt Flows 部署和扩展可扩展的低代码 IDP 管道。通过充分发挥 Amazon Bedrock Prompt Flows 的灵活性，组织能够快速实施和调整文档处理工作流，以应对不断变化的业务需求。低代码的特性使得业务用户和开发者均能在没有广泛编程知识的情况下创建、修改和扩展 IDP 管道。
通过采用这一集成的 IDP 解决方案，各行业的企业可以加速数字化转型，提高运营效率，增强在文档处理流程中提取有价值见解的能力，从而获得显著的竞争优势。
