金融機構每天處理數千份複雜文件。金融資料中的光學字元識別（OCR）錯誤可能透過相互關聯的計算傳播，影響分析準確性。雖然標準法律文件中的單個OCR錯誤可能只需快速手動更正，但金融資料中的同一錯誤可能級聯導致系統分析錯誤，給組織帶來潛在的高額成本。
傳統OCR工具在處理機構日常處理的複雜金融文件時嚴重不足——資產負債表、損益表、SEC檔案、研究報告和審計材料。這些文件具有複雜的表格結構（含合併單元格和分層資料）、多列布局（含相互引用）以及需要語義理解的上下文相關資訊。傳統OCR方法將這些文件視為影像，忽略了使金融文件具有意義的結構關係和上下文細微差別。結果就是一系列手動更正、資料錄入延遲和系統性分析錯誤。
本文演示如何構建一個文件提取和模型微調管道來解決這些關鍵挑戰。透過結合Pulse AI先進的文件理解能力與Amazon Bedrock的強大AI服務，組織可以實現企業級精度，並大規模提取上下文相關的金融洞察。Amazon Bedrock提供完全託管的模型定製，零機器學習運維開銷，無需容量規劃的按需部署，而Nova模型系列提供了強大的成本效能比，使團隊能夠專注於創新而非基礎設施。
與傳統單片OCR管道不同，Pulse將視覺語言模型與專門為文件理解設計的經典ML元件整合，建立了一個智慧解決方案，能夠提取具有語義意識的結構化資料，為金融領域模型生成改進的監督微調資料集，並支援部署在特定金融資料上訓練的自定義大型語言模型（LLM）。Pulse已部署在包括三星、Cloudera、Howard Hughes以及財富500強金融機構和領先私募股權公司在內的全球企業中，處理大量金融和運營文件。
在一次部署中，一批約1000份複雜金融文件，之前需要多天週轉，現在在不到三小時內處理完成，生成了結構化的、可審計的輸出，可用於下游分析和AI應用。
總結來說，Pulse AI和Amazon Bedrock共同提供：
- Pulse AI從複雜金融文件中提取結構化、語義感知的資料，處理複雜的表格、多列布局和分層資料。
- Amazon Bedrock在該高質量資料上微調Amazon Nova模型，為組織的金融慣例建立領域特定的智慧。
- 然後，自定義模型以組織特定的理解處理新文件，將手動審查從幾天減少到幾小時。
以下工作流程展示了一種構建由AI驅動的智慧金融應用的方法。從原始金融文件開始，管道編排了一系列複雜步驟——從文件處理、微調到部署——建立一個為金融資料分析和洞察量身定製的自定義AI解決方案。
系統首先（步驟1）將文件攝取到您VPC中的Pulse容器或Pulse軟體即服務（SAAS）產品中。Pulse模型處理金融文件（步驟2）。提取資料的輸出轉換為Amazon Bedrock Nova Micro監督微調格式，然後儲存在Amazon Simple Storage Service（Amazon S3）中（步驟3）。
然後，工作流程使用Amazon Bedrock的其他擴充套件功能：
利用Amazon Nova Micro（amazon.nova-micro-v1:0）執行監督微調作業，這是一個專為基於文本的提取任務設計的經濟高效模型，具有128K上下文視窗（步驟5和6）。Nova Micro提供有競爭力的價格效能。作業完成後，部署生成的模型進行按需推理。您也可以為需要一致效能的關鍵任務工作負載使用預置吞吐量。使用Playground中的測試來評估和比較響應。生成的自定義模型匯入Amazon Bedrock（步驟8），並透過預置吞吐量部署（步驟9），為可擴充套件的終端使用者應用提供動力（步驟10）。該架構將領域特定的金融資料集與自定義監督微調模型相結合，使組織能夠構建生產就緒的AI應用，在保持效能和成本效率的同時理解金融上下文。
前置條件
要遵循本文，您必須具備以下條件：
- AWS賬戶——需要訪問AWS服務，包括Amazon Bedrock和用於資料集的S3儲存。
- 允許Amazon Bedrock訪問S3資料集的AWS Identity and Access Management（IAM）策略——授予Amazon Bedrock安全地讀取和處理您S3儲存桶中資料的必要許可權。
- Pulse Standard賬戶（在runpulse.com註冊）——需要整合Pulse系統並訪問其功能。
- AWS區域要求：us-east-1。
- Python 3.12或更高版本。
- 例項型別：t3.medium。
- Amazon Elastic Compute Cloud（Amazon EC2）例項按小時收費。請記住在完成本教程後終止例項以避免持續費用。
- Amazon Linux 2023（最新版）。
- 公開財務報表：https://www.impact-bank.com/user/file/dummy_statement.pdf。
- S3訓練資料儲存桶：s3://<your-bucket-name>/training-data/。
注意：本教程會建立AWS資源併產生費用，包括：EC2例項（按小時）、S3儲存（每GB每月）、Amazon Bedrock微調（每訓練小時）、預置吞吐量部署（按小時）和AWS Secrets Manager（每個金鑰每月）。
逐步實現
按照以下步驟設定和配置使用Pulse AI和Amazon Bedrock的金融文件處理管道。
- 導航到Pulse控制台並建立一個賬戶。
- 使用AWS控制台啟動EC2例項。
- 導航到EC2控制台。 - 選擇啟動例項。 - 在AMI選擇螢幕中，搜尋Amazon Linux 2023 AMI。 - 選擇Amazon Linux 2023 AMI。 - 在例項型別螢幕中，選擇t3.medium。 - 建立新的金鑰對用於SSH訪問Linux例項。 - 在安全組配置中，新增一條規則允許從您的IP地址進行SSH（埠22）。 - 選擇啟動。 - 儲存成功訊息中出現的例項ID。
- 從RunPulse建立您的API金鑰。
- 查詢您的例項的公共DNS：
- 導航到EC2控制台。 - 選擇您的例項。 - 從詳細資訊選項卡複製公共IPv4 DNS值。
- 要連線到您的EC2例項，執行以下SSH命令。將YOUR_KEY_FILE.pem替換為您的實際金鑰對檔名，YOUR_INSTANCE_DNS替換為步驟4a中的公共IPv4 DNS值：
ssh -i YOUR_KEY_FILE.pem ec2-user@YOUR_INSTANCE_DNS 示例：ssh -i my-keypair.pem [email protected]
- 在您的EC2例項上，透過執行aws configure配置您的AWS憑證。在提示時，輸入您的訪問金鑰ID、秘密訪問金鑰、區域（us-east-1）和輸出格式（json）。
- 使用以下命令將您的Pulse API金鑰儲存在AWS Secrets Manager中：
aws secretsmanager create-secret --name pulse-api-key --secret-string "your-api-key" 記下ARN，因為許可權策略需要它。 注意：AWS命令列介面（AWS CLI）版本2預設預裝在Amazon Linux 2023 AMI上。
- 在您的EC2例項上，安裝runpulse SDK：
- 安裝pip：sudo yum install pip - 安裝Pulse Python SDK：pip install pulse-python-sdk
- 在您的EC2例項上，在當前工作目錄中建立一個名為bedrock-trust-policy.json的檔案，配置如下所示。您可以使用nano或vi等文本編輯器：
nano bedrock-trust-policy.json 建立bedrock-trust-policy.json： { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "bedrock.amazonaws.com" }, "Action": "sts:AssumeRole", "Condition": { "StringEquals": { "aws:SourceAccount": "your-aws-account-ID" }, "ArnLike": { "aws:SourceArn": "arn:aws:bedrock:us-east-1:your-aws-account-ID:model-customization-job/*" } } } ] } 建立bedrock-permissions.json： { "Version": "2012-10-17", "Statement": [ { "Sid": "S3AccessForFineTuning", "Effect": "Allow", "Action": [ "s3:GetObject", "s3:PutObject", "s3:ListBucket" ], "Resource": [ "arn:aws:s3:::your-bucket-name", "arn:aws:s3:::your-bucket-name/*" ] }, { "Sid": "SecretsManagerAccess", "Effect": "Allow", "Action": [ "secretsmanager:GetSecretValue", "secretsmanager:PutSecretValue", "secretsmanager:CreateSecret", "secretsmanager:UpdateSecret", "secretsmanager:DescribeSecret" ], "Resource": [ "arn:aws:secretsmanager:us-east-1:your-aws-account-ID:secret:your-secret-name-*" ] } ] }
- 然後建立角色：
aws iam create-role --role-name AmazonBedrock-FineTuning-S3-Role --assume-role-policy-document file://bedrock-trust-policy.json --description "Role for Bedrock fine-tuning with S3 and Secrets Manager access" 預期輸出：包含角色ARN、ID和建立時間戳的JSON。接下來，
- 建立許可權策略：
aws iam put-role-policy --role-name AmazonBedrock-FineTuning-S3-Role --policy-name Bedrock-S3-Access-Policy --policy-document file://bedrock-permissions.json
- 檢視角色和信任策略：
aws iam get-role --role-name AmazonBedrock-FineTuning-S3-Role
- 要從參考金融文件中提取資料集，在EC2例項上執行以下命令：
# 從Secrets Manager檢索API金鑰。安全最佳實踐：不要硬編碼憑證。從AWS Secrets Manager檢索。 curl -X POST https://api.runpulse.com/extract \ -H "x-api-key: $(aws secretsmanager get-secret-value --secret-id pulse-api-key --query SecretString --output text)" \ -H "Content-Type: application/json" \ -d '{ "file_url": "https://www.impact-bank.com/user/file/dummy_statement.pdf", "figureProcessing": {"description": true}, "extensions": {"altOutputs": {"returnHtml": true}} }' > pulse_output.json Pulse AI示例提取的JSON片段已省略。
透過以上步驟，您可以構建一個強大的金融文件處理管道，利用Pulse AI和Amazon Bedrock實現高精度和高效的文件處理。