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_第八關_產品描述生成

在這一關中，玩家將學會如何設計一套自動生成產品描述的 AI 架構。核心任務是運用圖像辨識與生成式 AI 模型，自動擷取商品圖片中的關鍵資訊，並轉化為具有商業價值的文字敘述。

透過這項挑戰，玩家將掌握如何結合多項 AWS 雲端服務，優化電商平台的內容建立流程，提升產品上架效率與敘述一致性。

第八關的架構圖雛形

架構應用場景

該架構透過使用先進的生成式人工智慧來自動產生產品描述，從而簡化和增強內容創建過程。

卡牌功能說明

Service Cards:

• Amazon API Gateway

介紹:一種全受管的服務，可讓開發人員輕鬆地建立、發佈、維護、監控和保護任何規模的 API。

功能:透過將應用程式安全地連接到後端服務來簡化 API 管理，負責處理有關接受和處理多達數十萬個並行 API 呼叫的所有工作，包括流量管理、CORS 支援、授權和存取控制、調節、監控和 API 版本管理。

• Amazon Bedrock 

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。

• Foundation model

介紹:基礎模型 (FM) 是基於大量資料集訓練的大型深度學習神經網路，這些神經網路改變了資料科學家處理機器學習 (ML) 的方式。資料科學家無需從頭開始開發人工智慧 (AI)，而是使用基礎模型作為起點來開發機器學習模型，從而更快速、更經濟高效地為新應用程式提供支援。

功能:儘管基礎模型已經過預訓練，但其可以在推理過程期間持續從資料輸入或提示中學習。這意味著可以透過精心策劃的提示來形成全面的輸出。FM可以執行的任務包括語言處理、視覺理解、程式碼產生和以人為本的參與。

• AWS lambda

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。

• Amazon Rekognition

介紹:Amazon Rekognition 是可讓使用者輕鬆將強大的視覺分析新增到應用程式的服務。Rekognition Image 可讓使用者建立功能強大的應用程式，用於搜尋、驗證和組織數百萬個影像。Rekognition Video 可從存放或即時串流的影片擷取動態內容，以協助您進行分析。

功能:提供預先訓練和可自訂的電腦視覺 (CV) 功能，可從使用者的影像和影片中擷取資訊和洞察。

Security Cards:

• IAM

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。

• AWS WAF

介紹:借助 AWS WAF，使用者可以建立安全規則來控制機器人流量，並阻止常見的攻擊模式，如 SQL 隱碼攻擊或跨網站指令碼 (XSS)。

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，此關卡只有Amazon API Gateway可使用。

其他 

• AWS CLI

介紹:透過命令列高效管理AWS資源。

功能:可在關卡中獲得兩點。

• AWS Management Console

介紹:透過使用者友善的 Web 介面進行高效率的 AWS 管理。

功能:可在關卡中獲得一點。

• Amazon Textract

介紹:一種機器學習 (ML) 服務，可自動從掃描文件中擷取文字、手寫內容、配置元素與資料。

功能:這項服務不僅可實現簡單的光學字元辨識 (OCR)，還可以識別、理解及擷取文件的特定資料。在本關卡無作用。

• Amazon CloudFront

介紹:Amazon CloudFront 是內容交付網路 (CDN)，可加速向最終使用者交付靜態和動態Web內容。

功能:運用可將 AWS 邊緣節點連線至 AWS 區域的 AWS 全球網路來交付內容。沿 AWS 全球網路移動網路流量可減少延遲，並改善應用程式的安全狀況。透過在全球多個邊緣節點快取檔案副本，來提高 Web 應用程式的可靠性和可用性。在本關卡無作用。

最終架構圖樣貌

結論

在這一關的挑戰中，玩家建構出一套能根據產品圖片，自動產出文字描述的智慧內容生成系統。

整體架構由 Amazon API Gateway 起手，負責接收來自供應商後台的產品圖片請求，並轉交給 AWS Lambda 作為邏輯中樞來處理任務流程。Lambda 會將圖片交由 Amazon Rekognition 進行圖像分析，提取出圖片中的關鍵標籤，如產品類型、顏色或材質等。取得標籤資訊後，Lambda 會透過 Amazon Bedrock 串接 Foundation Model，請求 AI 模型根據圖片特徵撰寫對應的產品描述。例如，一張紅色皮包的圖片，模型可能會生成「這款紅色皮革手提包兼具時尚與實用性，適合日常通勤或正式場合」的自然語言內容。最後，這段文字會回傳至前端畫面，完成整個敘述自動化流程。

在安全防護方面，IAM 控制服務之間的存取權限，確保每項操作都在授權範圍內進行；AWS WAF 則負責防護整體系統的 API 介面，防範來自外部的惡意請求與攻擊，提升系統的可靠度與韌性。

透過這一關的實作，玩家不僅學會如何將圖像辨識與生成式 AI 技術整合至同一工作流程中，更進一步體會雲端自動化如何提升內容生產效率，是打造現代電商平台智慧化營運的關鍵能力之一。

相關參考資料

• 架構:使用 Amazon Bedrock 自動產生產品描述
• Service Cards:
  • Amazon API Gateway:負責接收來自學生端的請求，將流量平均分配到後端容器應用中，確保多人同時使用時系統仍能穩定回應。
  • Amazon Bedrock:生成式 AI 的入口服務，能快速串接多種模型，幫助應用產出題目與對應圖片，無需自行訓練或部署模型。
  • Foundation model:實際執行描述生成任務的 AI 模型，根據圖像標籤產出商品文案。
  • AWS lambda:無伺服器的運算服務，負責串接 Amazon Rekognition 與 AI 模型，自動處理影像輸入與模型回傳的資料流程。
  • Amazon Rekognition:圖像分析服務，負責讀取商品圖並輸出標籤資訊，提供 AI 模型生成描述所需的上下文。
• 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」。
  • AWS WAF:防火牆服務，用於阻擋惡意流量與攻擊，提升整體系統安全性。
• Others:
  • AWS CLI:指令列操作工具，讓使用者可以快速存取與操作 AWS 資源。
  • AWS Management Console:圖形化操作介面，讓使用者可以用網頁方式建立並管理 AWS 資源。
  • Amazon Textract:從文件中自動擷取文字與結構，若商品資料包含文件圖像，Textract 可協助擷取文字內容輔助生成描述。
  • Amazon CloudFront:CDN（內容傳遞網路）服務，加速前端應用與圖片在全球的讀取速度，提升整體用戶體驗。