В первой части мы рассказывали, как RRDA превращает ваши вопросы в SQL-запросы через Amazon Bedrock Agents. Но давайте по правде: графики говорят громче цифр. И вот тут вступает в игру Amazon Q в QuickSight — новый уровень генерируемой BI-визуализации прямо в чате.
Идентификация намерений и доменов
Сразу после вашего «Покажи, сколько возвратов было за полгода» система ловит ключевую фразу («show me», «покажи») и помечает запрос как SHOW_METRIC. Параллельно «понимает», в каком бизнес-домене вы работаете — возвраты, акции или что-то ещё. Зачем углубляться в сложные настройки, если код сам определит, что вам нужно?
Поиск и выбор Q-топиков
Дальше RRDA ищет среди 50+ Q-топиков тот, который точнее всего ответит на ваш вопрос. Сначала метаданные проходят через векторный поиск с фильтрацией по домену. Затем лёгкая модель Amazon Bedrock ранжирует топики по релевантности. Результат — вы получаете идеальный «отчётный» набор метрик без лишних манипуляций.
Перефразирование запросов
Знаете ли вы, что даже самые умные системы не любят невнятные формулировки? «Как дела с возвратами?» звучит мило, но для QuickSight важно чёткое построение. Тут на сцену выходит Converse API: он «шейпит» ваш вопрос до формата «Show me [метрика] for [период]», сохраняя все фильтры и условия.
Встраивание визуализаций в чат
Как это выглядит? Вы пишете запрос в чат — и моментально видите интерактивный график QuickSight прямо под сообщением. Подсказки в стиле «Вот актуальные темы и Q-топики» предлагают готовые вопросы, а вы кликаете — и получаете готовую диаграмму. Ничего лишнего, всё в одном окне.
Автоматизация метаданных
При этом база Q-топиков живёт и дышит: три функции AWS Step Functions ежедневно собирают метаданные из QuickSight, срезают ключевую информацию через Bedrock и обновляют векторную базу. Ваш ассистент всегда в курсе новых отчётов и проверенных запросов.
В итоге RRDA с Amazon Q в QuickSight — это не просто чатбот. Это ваш персональный проводник по данным: от вопроса до визуала за пару кликов. Готовы попробовать?
