Une entreprise a besoin d'une interface de chat interne et sans serveur pour que ses employés puissent rechercher une vaste base de connaissances documentaires interne. Quelle combinaison d'étapes permettra de satisfaire ces exigences ?

La solution correcte combine plusieurs services AWS. Amazon Bedrock avec Anthropic Claude est un excellent choix pour un chatbot interne, car il offre des modèles de fondation puissants et gérés, adaptés à la recherche et à la génération de réponses. L'utilisation de fonctions AWS Lambda avec Amazon API Gateway permet de créer une interface sans serveur et évolutive pour interagir avec le modèle de fondation, répondant ainsi aux exigences de l'interface de chat sans serveur. Un compartiment Amazon S3 est idéal pour stocker de manière rentable et durable les dumps de la base de connaissances et les embeddings vectoriels générés, qui peuvent ensuite être utilisés pour le RAG (Retrieval Augmented Generation) avec le modèle de fondation. Les options incorrectes sont moins adaptées. Amazon SageMaker JumpStart avec Llama est une option viable pour les modèles de fondation, mais Bedrock est souvent préféré pour sa simplicité d'intégration et sa gestion complète. L'utilisation d'instances Amazon EC2 introduit une gestion de serveurs, ce qui va à l'encontre de l'exigence "sans serveur". Enfin, Amazon RDS for MySQL n'est pas le service le plus approprié pour stocker des embeddings vectoriels à grande échelle, pour lesquels des bases de données vectorielles dédiées ou des solutions de stockage d'objets comme S3 sont plus efficaces.