Dịch vụ Tài chính · CASE STUDY

Kỹ thuật nền tảng RAG tài chính trên AWS với Amazon Bedrock

KHÁCH HÀNG

FintechAI

NGÀNH

Dịch vụ Tài chính

CÔNG NGHỆ

Amazon Bedrock · Amazon Bedrock Knowledge Bases · Amazon Titan Embeddings V2 · +7

NĂNG LỰC LIÊN QUAN

AI & Tự động hóa · Cloud & Hạ tầng · Dịch vụ Tài chính

THÁCH THỨC

Thách thức.

FintechAI vận hành các trải nghiệm phân tích tài chính ứng dụng AI, cho phép người dùng tương tác với thông tin thị trường và đầu tư bằng ngôn ngữ tự nhiên. Đưa workload vào production đòi hỏi nhiều hơn quyền truy cập mô hình: ứng dụng cần lớp truy xuất có kiểm soát cho tri thức tài chính, xử lý dữ liệu an toàn, hạ tầng ứng dụng có khả năng mở rộng và phương thức lặp lại để đánh giá hành vi retrieval và generation khi hệ thống chuyển từ validation sang vận hành thực tế. Giai đoạn validation ban đầu thiết lập pattern RAG tài chính đầu-cuối trên AWS, bao gồm nạp tài liệu, vector retrieval, generation bằng foundation model, kiểm soát bảo mật, khả năng quan sát và mức độ sẵn sàng load test. Kiến trúc này sau đó đã được đưa vào production, đồng thời duy trì ranh giới rõ ràng giữa hạ tầng ứng dụng, dịch vụ retrieval và việc thực thi mô hình.

GIẢI PHÁP

Giải pháp.

TitanBases triển khai kiến trúc Retrieval-Augmented Generation trên AWS, sử dụng Amazon S3 cho tài liệu nguồn được kiểm soát, Amazon Bedrock Knowledge Bases cho điều phối retrieval, Amazon Titan Embeddings V2 cho embedding văn bản và Amazon OpenSearch Serverless làm vector store. Context được truy xuất sau đó được cung cấp cho foundation model Anthropic Claude để tạo phản hồi. Tầng ứng dụng chạy trong mạng AWS được bảo vệ, với compute cân bằng tải và dịch vụ dữ liệu ứng dụng dựa trên PostgreSQL. Hạ tầng được định nghĩa bằng Terraform để hỗ trợ triển khai và lặp lại nhất quán. Baseline bảo mật và vận hành gồm IAM theo nguyên tắc đặc quyền tối thiểu, AWS KMS, AWS WAF, VPC endpoint, AWS Secrets Manager, Amazon CloudWatch, Amazon GuardDuty, AWS Security Hub và Amazon Bedrock Guardrails. Phạm vi triển khai và validation bao gồm upload và nạp tài liệu, vector retrieval, workflow RetrieveAndGenerate đầu-cuối, theo dõi độ trễ vector-query, load test ứng dụng và kiểm tra baseline bảo mật. Workload hiện đang live trong production, nhưng tài liệu được cung cấp không có số đo benchmark cuối cùng; không được tự tạo hoặc ám chỉ kết quả về latency, accuracy hay throughput.

KIỂM CHỨNG POC

01

Triển khai kiến trúc RAG tài chính đầu-cuối, kết nối nguồn tài liệu được kiểm soát, embedding, vector retrieval và generation bằng foundation model.

02

Triển khai Amazon Bedrock Knowledge Bases, Amazon Titan Embeddings V2 và Amazon OpenSearch Serverless làm nền tảng retrieval cho các workflow tri thức tài chính.

03

Thiết lập phương thức hạ tầng production có thể lặp lại bằng Terraform và mạng AWS được bảo vệ cho các thành phần ứng dụng, dữ liệu và AI.

04

Phạm vi triển khai bao gồm kế hoạch validation mức độ sẵn sàng production, bao phủ load testing, theo dõi độ trễ vector-query, khả năng quan sát CloudWatch và kiểm tra baseline bảo mật.

05

Áp dụng các kiểm soát bảo mật và an toàn AI trên IAM, KMS, WAF, GuardDuty, Security Hub, Secrets Manager và Bedrock Guardrails.

TECHNOLOGIES

Amazon BedrockAmazon Bedrock Knowledge BasesAmazon Titan Embeddings V2Amazon OpenSearch ServerlessAmazon S3Amazon EKSAmazon RDS for PostgreSQLAWS KMSAmazon CloudWatchTerraform

KIẾN TRÚC GIẢI PHÁP

Tổng quan kiến trúc.

YOUR NEXT WORKLOAD

Let’s build what’s next.

Contact us