目標
- 類別: Game-Based Learning
- 課名: AWS Card Clash – an Architecture Design Game
- 關卡名稱(遊玩主題):CardClash_GenerativeAI_第七關_餐廳訂位系統
在這一關中，玩家將實作一個能夠理解自然語言指令、並完成訂位任務的數位助理系統。核心任務是運用生成式 AI 模型與行為代理（Agent）技術，使用者可以用自然語言輸入，系統會理解意圖並引導完成查詢餐廳資訊與訂位流程，實現從理解到執行的智慧助理體驗。
透過實作，玩家將學會如何結合語意理解、資料查詢與系統動作執行，打造能真正協助客戶完成任務的 AI 應用。
第七關的架構圖雛形
架構應用場景
該架構創建了一個負責處理餐廳訂位的餐廳助理。
卡牌功能說明
Service Cards:
介紹:一項全受管服務，透過單一 API 以及建置生成式 AI 應用程式所需的各種廣泛功能，搭配安全、隱私與負責任的 AI，提供來自領先 AI 公司的各種高效能基礎模型 (FM) 選擇，例如 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon。
功能:輕鬆嘗試各種頂級基礎模型，使用微調檢索增強生成等技術根據數據私下定制它們，並創建執行複雜業務任務的託管代理。
介紹:使用基礎模型 (FM)、API 和資料的推理來分解使用者請求、收集相關資訊，簡化了工作流程並自動執行重複性任務，讓團隊能夠專注於完成高價值的工作。
功能:通過無縫連線公司系統、API 和資料來源，使生成式 AI 應用程式能夠自動執行多步驟任務。
介紹:一項全受管功能，內建工作階段內容管理和來源歸因，可協助使用者實現從擷取到檢索和提示擴增功能的整個 RAG 工作流程，而無需建立資料來源的自訂整合和管理資料流程。
功能:可協助使用者將專有資訊整合到生成式 AI 應用程式中。知識庫會搜尋使用者的資料以找到最有用的資訊,然後用它來回答自然語言問題。
介紹:一種無伺服器的 NoSQL 資料庫服務，能讓您開發任何規模的現代應用程式。作為無伺服器資料庫，您只需為您所使用的部分付費，DynamoDB 可以縮減至零，無需冷啟動、無需版本升級、無維護時段、無需修補，也無需停機維護。
功能:快速、靈活的 NoSQL 資料庫服務，實現螞蟻級個位數毫秒級的效能。
介紹:一項受管服務，它使用機器學習及早偵測異常狀況，讓使用者可以識別問題的根本原因。提供與其他 AWS 服務的整合，同時提供 OpenSearch 和 ALv2 Elasticsearch 等開放原始碼引擎選項 。在控制成本的同時以擴大資料規模來擴展解決方案，提供近乎即時的結果。
功能:為應用程式監控、日誌分析、可觀察性和網站搜尋等使用案例安全解除鎖定業務和營運資料的即時搜尋、監控和分析。
介紹:一種運算服務，可執行程式碼以回應事件並自動管理運算資源，使其成為將想法轉化為現代生產無伺服器應用程式最快捷的方式。
功能:無需配置即可運行程式碼，可根據事件自動擴展。
介紹:一種物件儲存服務，提供領先業界的可擴展性、資料可用性、安全性及效能。各種規模和各業界的數百萬家客戶可以存放、管理、分析和保護幾乎任何使用案例的任何資料量，如資料湖、雲端原生應用程式和行動應用程式。
功能:可透過 API 存取的高效、可擴充且安全的物件存儲。
Security Cards:
介紹:安全地管理身分以及對 AWS 服務和資源的存取。
功能:在關卡中可消耗一點體力打出，保護指定的我方服務卡不被對手佔領，全卡牌皆可使用。
最終架構圖樣貌
結論
在這一關的挑戰中，玩家成功建構出一個智慧型餐廳訂位助理。整體系統從使用者的自然語言問題出發，透過 Amazon Bedrock 中的大型語言模型解析指令，再透過 Agent 技術判斷是否需要執行任務（如新增或查詢訂位），並由 AWS Lambda 進一步串接資料庫，完成後端操作。
Amazon DynamoDB 負責儲存訂位紀錄與狀態資料，作為訂位系統的記憶體；Amazon OpenSearch Service 則結合知識庫資料，支援使用者查詢菜單內容與店家細節。整體架構讓數位助理具備即時理解、查詢與執行的能力。
透過這一關的實作，玩家不僅理解了 LLM 如何與外部知識與資料庫串接，也掌握讓 AI 模型不只是回應，更能主動完成使用者任務的關鍵能力，為未來打造智慧客服與任務型助理打下紮實基礎。
相關參考資料
- 架構:amazon-bedrock-workshop
- Service Cards:
- Amazon Bedrock:可選用多種 Foundation Models 的平台，無需自行部署模型，支援自然語言理解與內容生成。
- Agent:讓 AI 模型具備「行動能力」的工具，能根據使用者意圖自動選擇適當工具（如查詢、寫入資料）來完成任務，是 LLM 理解 → 執行的關鍵橋樑。
- Knowledge Base:提供 AI 模型在回答問題時可參考的知識來源。適合儲存 FAQ、餐廳介紹、規則等長篇內容，讓生成式 AI 能夠根據這些文件產生更準確、有根據的回應。
- Amazon DynamoDB:無伺服器型的 NoSQL 資料庫，負責儲存使用者的訂位紀錄與對話狀態，協助系統記憶與查詢資料。
- Amazon OpenSearch Service:用來建立高效能的文字搜尋引擎，支援關鍵字查詢與條件過濾。適合處理結構化或半結構化資料（如產品資訊、營業時間等），可讓應用程式快速找到符合條件的資料項目。
- AWS lambda:無伺服器運算服務，讓 AI 助理可以在需要時呼叫特定函式來執行動作，例如提交訂單、寫入資料庫等。
- Amazon S3:雲端儲存服務，負責儲存知識文件、圖片或使用者操作紀錄等，是整體系統的資料倉儲中心。
- Security Cards:
- IAM:管理誰可以存取哪些資源，負責設定雲端系統的「通行證」。
