re:Invent 2023 Amazon Q 初体验

前言

亚马逊云科技在2023 re:Invent 全球大会上宣布推出 Amazon Q , 在主题演讲中,亚马逊云科技 CEO Adam Selipsky 将其描述为能够"轻松聊天、生成内容和采取行动","一种新型的生成式人工智能助手,旨在工作中为你提供帮助"。 Selipsky说,考虑到这个聊天机器人的对话特性,Q 这个名字来源于"问题"( question )这个词。这也是对詹姆斯·邦德小说中角色 Q 和《星际迷航》中强大人物的模仿。

亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中国开发者对接世界最前沿技术,观点,和项目,并将中国优秀开发者或技术推荐给全球云社区。如果你还没有关注/收藏,看到这里请一定不要匆匆划过,点这里让它成为你的技术宝库!

Amazon Q 专注于工作场所,而不是面向消费者。它旨在帮助员工完成日常任务,例如总结文档、填写内部文件以及回答有关公司政策的问题。Amazon Q 将与其他企业聊天机器人竞争,包括微软 Copilot 、谷歌 Duet AI 和 ChatGPT Enterprise。

看介绍和用途,Amazon Q 想做企业用户的生意,个人用户还是不挣钱啊,据说微软他们那用户量高达 150 万的 AI 编程工具 GitHub Copilot,平均每个月在每个用户身上都要倒贴 20 美元,最高能达 80 美元。亚马逊从企业用户着手,思路还是不错滴,下面就好好体验一下,看看这个 " Q " 能不能重塑我的工作方式😂

一、Amazon Q 聊天功能初体验

1. 如何体验 Amazon Q

输入 aws.amazon.com/q?trk=cndc-...,然后点击 Get started with Amazon Q today

接着点击 Get started

这个时候会要求登录亚马逊账号,登录账号后,在控制台右侧会有一个 Amazon Q 的 preview 版,可以对话和亚马逊云科技相关的问题,相当于高级的搜索文档助手

2. Amazon Q 文档助手的 AI 聊天能力

2.1 基本对话理解能力

  • 看回答提示不支持中文,对中国开发者貌似不太友好
  • 而且从回答提示看,这个亚马逊云科技内部的回答助手目前只支持 C++ 和 C#
  • 支持最大 1000 字符的输入,记得昨天(11.29)最开始发布的时候支持最多 200 字符

2.2 技术方面回答能力

  • 官方说能解答常见的错误和异常问题,先来个栈溢出

看回答结果,和其他的 AI 聊天机器人大差不差,区别在于最后的 Sources ,点进去是个能访问的网页,这点做的不错,一般大模型回答的问题不太准确,辅助真实网页,至少能解决提问者的一些困惑,提问者后续去顺着这个网页的回答去找,也能有一个最终正确的方向。

  • 情感解析能力,用哈姆莱特的一句话试试:
  • 写个算法看看,冒泡排序

看来算法类和涉及人类情感的问题也无法回答,只能问和亚马逊云科技相关的内容,所以控制台的 Amazon Q 适合找文档,解决亚马逊云科技服务相关的问题,比如这个就能回答的很完善:

二、Amazon Q 搞的定代码?

下面就来看看 Amazon Q如何"重塑"工作方式的吧

1、 Amazon Q 集成 Visual Studio Code

1.1先安装 Amazon Toolkit

1.2 然后登录亚马逊云科技账号,接着就能在前端代码中使用 Amazon Q 了

1.3 具体能干哪些事?

1.4 解释工作区的代码:选中代码部分,然后在 chat 对话框中输入描述信息,就能描述所选中代码的内容

  • 用对应的代码语言来写算法:除了提供代码的解释,还会提供一个相关算法的博文网址链接
  • 看看能不能利用 Vue 写前端功能:这个代码实际上还是需要修改,没法直接用。。。

下面来看看在 Java 上面的使用咋样

2. Amazon Q 集成 IntelliJ IDEA

2.1 在 plugin market 搜索 Amazon Toolkit

2.2 安装完成后就会在左侧任务栏中看到亚马逊的标志,点击后就能找到 Amazon Q 了

集成的最大输入字符是 4000,基本上能满足输入需求,再来看看基本的代码辅助功能:

  • 解释 Java 代码:
  • 写个算法看看:

哈哈哈,出现问题了,看来刚发布,还需要优化一下啊

小结

整体来说,回答的效果不如 GPT-3.5 ,日常代码辅助不如 Copliot 。如果说只针对企业用户,对于企业内部的数据集进行模型微调,当成一个文档助手还是不错的。

作者: 亚马逊云科技 Builder

文章来源:dev.amazoncloud.cn/column/arti...

相关推荐
IT古董1 小时前
【漫话机器学习系列】017.大O算法(Big-O Notation)
人工智能·机器学习
凯哥是个大帅比1 小时前
人工智能ACA(五)--深度学习基础
人工智能·深度学习
m0_748232921 小时前
DALL-M:基于大语言模型的上下文感知临床数据增强方法 ,补充
人工智能·语言模型·自然语言处理
szxinmai主板定制专家1 小时前
【国产NI替代】基于FPGA的32通道(24bits)高精度终端采集核心板卡
大数据·人工智能·fpga开发
海棠AI实验室1 小时前
AI的进阶之路:从机器学习到深度学习的演变(三)
人工智能·深度学习·机器学习
机器懒得学习1 小时前
基于YOLOv5的智能水域监测系统:从目标检测到自动报告生成
人工智能·yolo·目标检测
QQ同步助手2 小时前
如何正确使用人工智能:开启智慧学习与创新之旅
人工智能·学习·百度
AIGC大时代2 小时前
如何使用ChatGPT辅助文献综述,以及如何进行优化?一篇说清楚
人工智能·深度学习·chatgpt·prompt·aigc
流浪的小新2 小时前
【AI】人工智能、LLM学习资源汇总
人工智能·学习
martian6653 小时前
【人工智能数学基础篇】——深入详解多变量微积分:在机器学习模型中优化损失函数时应用
人工智能·机器学习·微积分·数学基础