Daten mit Anthropic-Modellen extrahieren

Sie können jetzt die generativen KI-Modelle von Anthropic, die über AWS und GCP verfügbar sind, für die Datenextraktion in Document Automation verwenden.Die Anthropic-Option ist ab Version 33 und höher verfügbar.

Vorbereitungen

Standardmäßig ist keine zusätzliche Konfiguration erforderlich für Anthropic. Die Datenextraktion erfolgt über ein Automation Anywhere-Dienstkonto in AWS. Wenn Sie jedoch Ihr eigenes Konto verwenden möchten, stellen Sie sicher, dass Sie die folgenden Aufgaben abhängig vom Cloud-Provider ausgeführt haben, den Sie für Anthropic konfiguriert haben:

Anthropic bietet die folgenden Vorteile:

  • Effiziente Verarbeitung großer, unstrukturierter Dokumente
  • Dokumente in englischer und anderen Sprachen bearbeiten
  • Schnellere Verarbeitung von Dokumenten mit genauerer Datenextraktion
  • Flexibilität zur Verwendung Ihrer eigenen Lizenz nach dem BYOL-Modell (Bring Your Own License)
Anmerkung: Wir empfehlen, dass Sie Anthropic Claude-3.0-Modelle oder höher für die Datenextraktion verwenden.

Prozedur

  1. Navigieren Sie zu Automatisierung > Prozesse des Dokumentarbeitsbereichs.
  2. Klicken Sie auf den Ordner mit demselben Namen wie die Lerninstanz. Wenn der Name der Lerninstanz beispielsweise Residential Lease lautet, lautet der Ordnername Residential Lease.
  3. Klicken Sie auf <li_name>_extractionbot.
  4. Wählen Sie im Bot Editor die Aktion „Daten extrahieren“ aus.
  5. Wählen Sie unter Zusätzliche Einstellungen die Option Anthropic aus.
  6. Verwenden Sie eine der folgenden Optionen, je nach Cloud-Anbieter, den Sie für Anthropic konfiguriert haben:
    • AWS Bedrock
      1. Geben Sie in der Option Zugriffsschlüssel die eindeutige ID ein, die einem Nutzer zugeordnet und für die Authentifizierung erforderlich ist.

        Der Zugriffsschlüssel wird als Nutzername für die Authentifizierung verwendet. Verwenden Sie die Option Anmeldedaten, Variable oder Unsichere Zeichenfolge, um den Zugriffsschlüssel einzugeben.

      2. Geben Sie in der Option Geheimer Zugriffsschlüssel die geheime Zeichenfolge ein, die mit dem Zugriffsschlüssel verknüpft ist, der für die Authentifizierung erforderlich ist.

        Der geheime Zugriffsschlüssel wird als Passwort für die Authentifizierung verwendet. Verwenden Sie die Option Anmeldedaten, Variable oder Unsichere Zeichenfolge, um den geheimen Zugriffsschlüssel einzugeben.

      3. (Optional) Geben Sie in der Option Sitzungstoken einen kurzlebigen Sicherheitsnachweis ein, der temporären Zugriff auf den Service ermöglicht.

        Dies ist eine optionale Konfiguration, die nur dann erforderlich ist, wenn Nutzer nur für einen begrenzten Zeitraum Zugriff haben sollen. Verwenden Sie die Option Anmeldedaten, Variable oder Unsichere Zeichenfolge, um das Sitzungs-Token einzugeben.

        Anmerkung: Wenn Sie die Option „Sitzungs-Token“ verwenden, müssen Sie dieses Token bei jeder Aktualisierung aktualisieren, um Dokumente ohne Unterbrechungen oder Fehler zu verarbeiten.
      4. Geben Sie in der Option Endpunkt-URL für Claude-Modell die URL ein, um das Anthropic-Modell anzugeben und Anforderungen an den AWS Bedrock-Endpunkt zu senden.

        Beispielsweise: https://bedrock-runtime.{aws-region}.amazonaws.com/model/{model-id}/invoke. Siehe Amazon Bedrock endpoints and quotas und AWS Bedrock model IDs .

    • GCP Vertex AI
      1. Geben Sie in der Option Dienstkonto-Schlüssel die Anmeldedaten ein, die zur Authentifizierung bei GCP-Diensten verwendet werden.

        Verwenden Sie die Option Anmeldedaten, Variable oder Unsichere Zeichenfolge, um den Schlüssel des Dienstkontos einzugeben. Einzelheiten finden Sie unter Creating a service account.

        Anmerkung: Google aktualisiert den Wert des privaten Schlüssels im Schlüssel des Dienstkontos aus Sicherheitsgründen in bestimmten Abständen. Achten Sie darauf, dass Sie diesen Wert jedes Mal aktualisieren, wenn der Wert des privaten Schlüssels aktualisiert wird, um Dokumente ohne Unterbrechungen oder Fehler zu verarbeiten.
      2. Geben Sie in der Option Endpunkt-URL für Claude-Modell die URL ein, um das Anthropic-Modell anzugeben und Anforderungen an den Google Vertex AI-Endpunkt zu senden.

        Zum Beispiel, https://{gcp-region}-aiplatform.googleapis.com/v1/projects/{project-id}/locations/{deployment-region}/publishers/anthropic/models/{model-ID}:RawPredict. Einzelheiten finden Sie unter AWS Bedrock InvokeModel examples.

    Anmerkung: Überprüfen Sie, ob die Anthropic-Einstellungen korrekt konfiguriert sind. Andernfalls wird ein Fehler angezeigt, wenn Dokumente in den Lerninstanzen verarbeitet werden.
Nachdem Sie nun BYOL für die Verwendung des Anthropic-Modells konfiguriert haben, können Sie Dokumente mit der Lerninstanz verarbeiten, um Daten zu extrahieren.