基于 Amazon Bedrock 与 Anthropic Claude 3 智能文档处理方案：从扫描件提取到数据入库全流程实践

基于 Amazon Bedrock 与 Anthropic Claude 3 智能文档处理方案：从扫描件提取到数据入库全流程实践

文章目录

• • 基于 Amazon Bedrock 与 Anthropic Claude 3 智能文档处理方案：从扫描件提取到数据入库全流程实践
  • • 方案架构
    • 前提准备：亚马逊云科技注册流程
    • • Step.1 登录官网
      • Step.2 选择账户计划
      • Step.3 填写联系人信息
      • Step.4 绑定信息
      • Step.5 电话验证
      • Step.6 售后支持
    • 智能文档处理流程
    • • 1.创建 S3 存储桶
      • 2.创建 SQS 队列
      • 3.创建 Lambda 服务调用 Amazon Bedrock 模型
      • 4.创建 S3 事件通知
      • 5.创建 DynamoDB 表
      • 6.创建 Lambda 服务以便将记录插入 DynamoDB 表
      • 7.配置 Lambda 服务 SQS 触发器
      • 8.测试解决方案
    • 总结

新用户可获得高达 200 美元的服务抵扣金

亚马逊云科技新用户可以免费使用亚马逊云科技免费套餐（Amazon Free Tier）。注册即可获得 100 美元的服务抵扣金，在探索关键亚马逊云科技服务时可以再额外获得最多 100 美元的服务抵扣金。使用免费计划试用亚马逊云科技服务，最长可达 6 个月，无需支付任何费用，除非您选择付费计划。付费计划允许您扩展运营并获得超过 150 项亚马逊云科技服务的访问权限。

本教程将详细演示如何借助 Amazon Bedrock 平台上的 Anthropic Claude 3 Sonnet 模型，构建一套完整的智能文档处理解决方案，具体流程包括从扫描文档中精准提取关键数据，并将提取后的数据高效插入数据库，呈现全流程的实操指南。

方案架构

基于亚马逊云科技服务的文档处理数据提取流程：扫描文档上传至 S3，触发 S3 事件通知，调用 Claude 3 模型的 Lambda 函数通过 Amazon Bedrock 获取带提取数据的 JSON 响应，响应发至 SQS 队列，再触发解析消息并将数据以键值对插入 DynamoDB 的 Lambda 函数，最终提取数据存入 DynamoDB ，实现从文档上传到数据落库的自动化处理

✅自动化闭环：S3 上传触发全流程，从模型调用、消息传递到数据落库，无需人工介入，高效流转

✅生态协同力：串联 S3、Bedrock、SQS、Lambda、DynamoDB ，各服务分工协作，构建完整数据处理链路

✅智能 + 适配：Claude 3 精准提取数据，支持多语言自动翻译；Lambda 可灵活调整逻辑，适配多样场景

前提准备：亚马逊云科技注册流程

Step.1 登录官网

登录亚马逊云科技官网，填写邮箱和账户名称完成验证（注册亚马逊云科技填写 root 邮箱、账户名，验证邮件地址，查收邮件填验证码验证，验证通过后设 root 密码并确认）

Step.2 选择账户计划

选择账户计划，两种计划，按需选\"选择免费计划 / 选择付费计划\"继续流程

• 免费（6 个月，适合学习实验，含$200抵扣金、限精选服务，超限额或到期可升级付费，否则关停）
• 付费（适配生产，同享$200 抵扣金，可体验全部服务，抵扣金覆盖广，用完按即用即付计费）

Step.3 填写联系人信息

填写联系人信息（选择使用场景，填联系人全名、电话，选择所在国家地区，完善地址、邮政编码，勾选同意客户协议，点击继续 进入下一步）

Step.4 绑定信息

绑定相关信息，选择国家地区，点击\"Send code\"收验证码填写，勾选同意协议后，点击\"验证并继续\"进入下一步

Step.5 电话验证

电话验证填写真实手机号，选择验证方式，完成安全检查，若选语音，网页同步显 4 位数字码，接来电后输入信息，再填收到的验证信息，遇问题超 10 分钟收不到可返回重试。

Step.6 售后支持

售后支持：免费计划自动获基本支持，付费计划需选支持计划（各计划都含客户服务，可访问文档白皮书，按需选后点 “完成注册”，若需企业级支持可了解付费升级选项，确认选好即可完成整个注册流程 ）

智能文档处理流程

1.创建 S3 存储桶

访问亚马逊云科技控制台，搜索\"S3\"创建存储桶，命名格式为 bedrock-claude3-idp-随机字符，其他设置保持默认。创建完成后，在存储桶内依次创建 images 文件夹和 birth_certificates 子文件夹

2.创建 SQS 队列

创建一个标准队列类型的队列，输入队列名称，其他设置均保留默认值

3.创建 Lambda 服务调用 Amazon Bedrock 模型

Lambda 控制台创建名为 invoke_bedrock_claude3 的服务，运行时选 Python 3.12，其他默认，下载 invoke_bedrock_claude3.py 完整代码，替换 lambda_function.py 内容，将 {SQS URL} 替换为实际 SQS 队列 URL 后点击部署

Lambda 服务应执行以下操作：

s3 = boto3.client(\'s3\')sqs = boto3.client(\'sqs\')bedrock = boto3.client(\'bedrock-runtime\', region_name=\'us-east-1\')QUEUE_URL = {SQS URL}MODEL_ID = \"anthropic.claude-3-sonnet-20240229-v1:0\"

调用 get_object 方法，从 S3 存储桶中获取图像，再转换为 base64 数据：

image_data = s3.get_object(Bucket=bucket_name, Key=object_key)[\'Body\'].read()base64_image = base64.b64encode(image_data).decode(\'utf-8\')

特定 JSON 格式输出的提示词：

prompt = \"\"\"This image shows a birth certificate application form. Please precisely copy all the relevant information from the form.Leave the field blank if there is no information in corresponding field.If the image is not a birth certificate application form, simply return an empty JSON object. If the application form is not filled, leave the fees attributes blank. Translate any non-English text to English. Organize and return the extracted data in a JSON format with the following keys:{ \"applicantDetails\":{ \"applicantName\": \"\", \"dayPhoneNumber\": \"\", \"address\": \"\", \"city\": \"\", \"state\": \"\", \"zipCode\": \"\", \"email\":\"\" }, \"mailingAddress\":{ \"mailingAddressApplicantName\": \"\", \"mailingAddress\": \"\", \"mailingAddressCity\": \"\", \"mailingAddressState\": \"\", \"mailingAddressZipCode\": \"\" }, \"relationToApplicant\":[\"\"], \"purposeOfRequest\": \"\", \"BirthCertificateDetails\": { \"nameOnBirthCertificate\": \"\", \"dateOfBirth\": \"\", \"sex\": \"\", \"cityOfBirth\": \"\", \"countyOfBirth\": \"\", \"mothersMaidenName\": \"\", \"fathersName\": \"\", \"mothersPlaceOfBirth\": \"\", \"fathersPlaceOfBirth\": \"\", \"parentsMarriedAtBirth\": \"\", \"numberOfChildrenBornInSCToMother\": \"\", \"diffNameAtBirth\":\"\" }, \"fees\":{ \"searchFee\": \"\", \"eachAdditionalCopy\": \"\", \"expediteFee\": \"\", \"totalFees\": \"\" } }\"\"\" 

通过 Amazon Bedrock API 调用 Anthropic Claude 3 Sonnet 模型，传递参数包含提示词和 base64 格式图像数据

def send_message_to_sqs(message_body): try: sqs.send_message(QueueUrl=QUEUE_URL, MessageBody=json.dumps(message_body)) except sqs.exceptions.ClientError as e: print(f\"Error sending message to SQS: {e.response[\'Error\'][\'Code\']}: {e.response[\'Error\'][\'Message\']}\")

修改 Lambda 服务的 IAM 角色以授予所需权限：在 Lambda 控制台打开该服务，进入 配置-权限，选择对应 IAM 角色

新选项卡打开该角色后，权限策略点击添加权限-创建内联策略-切换到 JSON 选项卡-输入策略代码，点击下一步输入策略名称创建策略

{ \"Version\": \"2012-10-17\", \"Statement\": [{ \"Effect\": \"Allow\", \"Action\": \"bedrock:InvokeModel\", \"Resource\": \"arn:aws:bedrock:us-east-1::foundation-model/*\" }, { \"Effect\": \"Allow\", \"Action\": \"s3:GetObject\", \"Resource\": \"arn:aws:s3:::{S3 Bucket Name}/*\" }, { \"Effect\": \"Allow\", \"Action\": \"sqs:SendMessage\", \"Resource\": \"arn:aws:sqs:us-east-1:{AWS Account ID}:bedrock-idp-extracted-data\" }]}

该策略授予调用 Amazon Bedrock 基础模型、检索指定 S3 存储桶对象、向指定 SQS 队列发送消息的权限，另需将 Lambda 服务超时时间从默认 3 秒修改为 2 分钟

4.创建 S3 事件通知

创建 S3 事件通知步骤：S3 控制台打开目标存储桶，进入 属性-事件通知-新建通知

命名：bedrock-claude3-idp-event-notification

前缀： images/birth_certificates/

事件类型：对象创建-PUT

目标选 Lambda 服务：invoke_bedrock_claude3

5.创建 DynamoDB 表

将提取的数据存储在 DynamoDB 中，需要创建一个表， DynamoDB 控制台中，创建一个名为 birth_certificates 的表，将 Id 作为分区键，其他设置均保留默认值

6.创建 Lambda 服务以便将记录插入 DynamoDB 表

Lambda 控制台创建名为 insert_into_dynamodb 的服务，运行时选 Python 3.12，其他默认。下载 insert_into_dynamodb.py 代码替换 lambda_function.py 内容后点击部署，该服务负责从含 Anthropic Claude 3 Sonnet 模型响应的 SQS 队列中获取消息

data = json.loads(event[\'Records\'][0][\'body\'])[\'content\'][0][\'text\']event_id = event[\'Records\'][0][\'messageId\']data = json.loads(data)

创建表示 DynamoDB 及其表的对象：

dynamodb = boto3.resource(\'dynamodb\')table = dynamodb.Table(\'birth_certificates\')

从 JSON 数据中获取键对象：

applicant_details = data.get(\'applicantDetails\', {}) mailing_address = data.get(\'mailingAddress\', {}) relation_to_applicant = data.get(\'relationToApplicant\', []) birth_certificate_details = data.get(\'BirthCertificateDetails\', {}) fees = data.get(\'fees\', {})

调用 put_item() 方法，将提取的数据插入 DynamoDB 表：

table.put_item(Item={\'Id\': event_id,\'applicantName\': applicant_details.get(\'applicantName\', \'\'),\'dayPhoneNumber\': applicant_details.get(\'dayPhoneNumber\', \'\'),\'address\': applicant_details.get(\'address\', \'\'),\'city\': applicant_details.get(\'city\', \'\'),\'state\': applicant_details.get(\'state\', \'\'),\'zipCode\': applicant_details.get(\'zipCode\', \'\'),\'email\': applicant_details.get(\'email\', \'\'),\'mailingAddressApplicantName\': mailing_address.get(\'mailingAddressApplicantName\', \'\'),\'mailingAddress\': mailing_address.get(\'mailingAddress\', \'\'),\'mailingAddressCity\': mailing_address.get(\'mailingAddressCity\', \'\'),\'mailingAddressState\': mailing_address.get(\'mailingAddressState\', \'\'),\'mailingAddressZipCode\': mailing_address.get(\'mailingAddressZipCode\', \'\'),\'relationToApplicant\': \', \'.join(relation_to_applicant),\'purposeOfRequest\': data.get(\'purposeOfRequest\', \'\'),\'nameOnBirthCertificate\': birth_certificate_details.get(\'nameOnBirthCertificate\', \'\'),\'dateOfBirth\': birth_certificate_details.get(\'dateOfBirth\', \'\'),\'sex\': birth_certificate_details.get(\'sex\', \'\'),\'cityOfBirth\': birth_certificate_details.get(\'cityOfBirth\', \'\'),\'countyOfBirth\': birth_certificate_details.get(\'countyOfBirth\', \'\'),\'mothersMaidenName\': birth_certificate_details.get(\'mothersMaidenName\', \'\'),\'fathersName\': birth_certificate_details.get(\'fathersName\', \'\'),\'mothersPlaceOfBirth\': birth_certificate_details.get(\'mothersPlaceOfBirth\', \'\'),\'fathersPlaceOfBirth\': birth_certificate_details.get(\'fathersPlaceOfBirth\', \'\'),\'parentsMarriedAtBirth\': birth_certificate_details.get(\'parentsMarriedAtBirth\', \'\'),\'numberOfChildrenBornInSCToMother\': birth_certificate_details.get(\'numberOfChildrenBornInSCToMother\', \'\'),\'diffNameAtBirth\': birth_certificate_details.get(\'diffNameAtBirth\', \'\'),\'searchFee\': fees.get(\'searchFee\', \'\'),\'eachAdditionalCopy\': fees.get(\'eachAdditionalCopy\', \'\'),\'expediteFee\': fees.get(\'expediteFee\', \'\'),\'totalFees\': fees.get(\'totalFees\', \'\')

修改 Lambda 服务的 IAM 角色，授予所需的权限。操作与之前修改 invoke_bedrock_claude3 Lambda 服务权限的步骤一致，需要输入以下 JSON 信息作为内联策略：

{ \"Version\": \"2012-10-17\", \"Statement\": [ { \"Sid\": \"VisualEditor0\", \"Effect\": \"Allow\", \"Action\": \"dynamodb:PutItem\", \"Resource\": \"arn:aws:dynamodb:us-east-1::{AWS Account ID}:table/birth_certificates\" }, { \"Sid\": \"VisualEditor1\", \"Effect\": \"Allow\", \"Action\": [ \"sqs:DeleteMessage\", \"sqs:ReceiveMessage\", \"sqs:GetQueueAttributes\" ], \"Resource\": \"arn:aws:sqs:us-east-1::{AWS Account ID}:bedrock-idp-extracted-data\" } ]}

输入策略名称，点击创建策略

该策略将授予以下权限：

• DynamoDB 表中插入记录
• 读取和删除 SQS 队列中的消息

7.配置 Lambda 服务 SQS 触发器

为 Lambda 服务创建触发器：SQS 控制台打开 bedrock-idp-extracted-data 队列，进入 Lambda 触发器选项卡，点击配置 Lambda 服务触发器，选择 insert_into_dynamodb 服务并保存

8.测试解决方案

完成资源、权限和代码配置后即可测试：向 S3 的 birth_certificates 文件夹上传两张扫描图像，再到 DynamoDB 控制台查看 birth_certificates 表，配置正确的话，数秒内会出现两个项目，截图如下

总结

本教程围绕利用 Amazon Bedrock 与 Anthropic Claude 3 Sonnet 模型构建智能文档处理方案，依次创建 S3 存储桶、SQS 队列、DynamoDB 表等资源，开发两个 Lambda 函数并配置权限，通过 S3 事件通知、SQS 队列串联流程，形成\"文档上传→模型提取→数据存储\"自动化闭环，依托多亚马逊云科技服务协同，实现文档数据精准提取与结构化存储，为企业文档智能化处理提供可落地实操模板

✅全流程自动化：文档上传 S3 触发处理到模型提取数据、消息队列传递，最终存入数据库，无需人工干预，大幅提升处理效率

✅智能精准处理：借助 Anthropic Claude 3 Sonnet 模型，精准提取文档数据多语言自动翻译，适配不同语言场景

✅灵活可扩展：基于亚马逊云科技生态服务构建，各组件可按需调整，轻松适配不同文档类型和业务需求

以上就是本文的全部内容啦。最后提醒一下各位工友，如果后续不再使用相关服务，别忘了在控制台关闭，避免超出免费额度产生费用～