构建基于Confluence的安全Slack聊天机器人指南

用户576110558132
27 阅读5分钟

构建基于Confluence的安全Slack聊天机器人

随着生成式AI的兴起，将数据与AI服务集成变得前所未有的简单，但许多公司因信任问题而犹豫。核心关切在于AI服务是否能确保机密数据的安全。

如果你计划将AI集成到内部工具中，但又对安全风险持怀疑态度，本指南提供了全面的步骤，帮助你在自己的AWS环境中部署一个完全由你掌控和保护的、由AI驱动的聊天服务。

虽然建立此类解决方案通常需要专业知识，但本指南将引导你采用一种低代码的AWS方法，任何人无需具备先验专业知识或深入了解AWS服务即可跟随操作。

最终，你将拥有一个与Slack集成的、由Confluence知识库驱动的聊天服务，所有数据和组件都安全地存放在你自己的AWS账户中。

让我们开始吧！

你需要准备：

  • 一个具有管理员权限的AWS账户
  • 具有管理员权限的Slack Pro账户
  • 一个Confluence工作空间，必须具有空间访问权限（管理员权限可选）

配置Confluence

要设置Confluence，你需要准备以下详细信息：

  • 空间名称
  • Confluence邮箱
  • 访问令牌

获取访问令牌的步骤：

  1. 访问相关网站链接。
  2. 点击“创建API令牌”，选择过期日期，复制新生成的密钥，并将其保存在安全的地方。

配置Bedrock

确保你在AWS Bedrock中能够访问Nova Pro和Titan Text Embeddings V2 AI模型。

准备你的知识库（核心部分！）

在开始设置聊天服务之前，先为其准备大脑——知识库。此步骤有助于AWS安全地连接到你的Confluence数据，以便你的聊天服务在需要时能够获取准确且最新的信息。

步骤：

  1. 在AWS Secrets Manager中存储你的Confluence凭据 * 创建一个“其他类型的密钥”，将你的Confluence邮箱作为用户名，令牌作为密码。 * 为其命名，其余保持默认设置，并记下密钥ARN。ARN格式如下：arn:aws:secretsmanager:us-east-1:XXXXXXXXXXXX:secret:AmazonBedrock-confluence-xxxxx-yenhPh
  2. 在Bedrock中创建你的知识库
    • 前往Bedrock知识库，创建一个新的“带有向量存储的知识库”。
    • 在“数据”部分，选择“Confluence — 预览”。
    • 将Confluence配置为你的数据源：
      • 输入你的Confluence URL。
      • 使用你刚刚创建的密钥ARN作为凭据。
      • 如果需要，你还可以按特定的Confluence空间进行筛选。
    • 选择你的嵌入模型：
      • 对于数据存储，选择“Titan Text Embeddings V2”作为你的嵌入模型。
    • 查看并创建：
      • 快速浏览你的设置，大部分可以保持默认，然后点击“创建”。
      • 完成后，打开你的新知识库并记下其ID，以备后用。
  3. 前往“数据源”并点击“同步”。这需要一点时间。

你的AI知识库已准备就绪。

准备Slack

  1. 在Slack上访问“你的应用”（https://api.slack.com/apps）。
  2. 从头开始创建一个“新应用”。
  3. 为你的应用起一个酷炫的名字，并选择你的工作空间。
  4. 创建完成后，你需要生成一个Slack OAuth令牌：
    • 进入 OAuth & Permissions > Scopes。
    • 在 Bot Token Scopes 下添加 chat:write 和 im:history。
  5. 在“OAuth Tokens”部分，点击“Install to <你的工作空间>”。
  6. 完成安装以获取你的OAuth令牌（可能以 xoxb- 开头）。

注意： 我们稍后将返回Slack进行最后的集成。

网关（你的Lambda函数）

在创建Lambda函数之前，先创建一个Lambda层：

  1. 转到Lambda层（https://console.aws.amazon.com/lambda/home?#/layers）。
  2. 创建一个层：命名为 slack_bot_layer，上传提供的.zip文件，并将兼容架构设置为arm64，运行时设置为Python 3.13。

现在，创建一个新的Lambda函数（https://console.aws.amazon.com/lambda/home?#/functions）：

  1. 函数名称：slack_bot

  2. 运行时：Python 3.13

  3. 架构：arm64

  4. 执行角色：创建一个具有基本Lambda权限的新角色（稍后你将调整此角色）。

  5. 在“其他配置”中，将“身份验证类型”设置为“无”，并启用“配置跨源资源共享 (CORS)”。

  6. 创建后，将默认的Python代码替换为提供的代码并进行部署。

注意： 下面的代码及相关详细信息也可在此GitHub仓库中找到。

  1. 将你的 slack_bot_layer 添加到Lambda函数：
    • 从底部的“层”部分，点击“添加层”。
    • 选择“自定义层”，然后选择 slack_bot_layer。
  2. 更新一些配置：
    • 进入“配置”选项卡，然后进入“常规配置”，将“超时”设置为30秒。
    • 添加Bedrock权限：打开分配给你的Lambda函数的IAM角色（在“权限”中找到），并附加 AmazonBedrockFullAccess 策略。
  3. 更新Lambda函数的环境变量：
    • 进入“配置选项卡” > “环境变量”。
    • 添加以下变量：
      • SLACK_BOT_TOKEN: 来自Slack设置的 xoxb- 令牌。
      • KB_ID: 你的知识库ID。
      • MODEL_ID: us.amazon.nova-pro-v1:0（适用于Nova Pro）。
  4. 复制Lambda函数URL（格式类似 https://gq6hvgxh*********.lambda-url.us-east-1.on.aws/）。

将Slack连接到你的机器人

  1. 进入你的Slack应用的“事件订阅”。
  2. 启用事件。
  3. 将“请求URL”设置为 {Lambda Function URL}/slack/events（例如，https://gq6hvgxh*********.lambda-url.us-east-1.on.aws/）。
  4. 订阅机器人事件：在“添加机器人用户事件”下添加 message.channels、message.groups、message.im 和 message.mpim。
  5. 保存并重新安装应用。
  6. 启用消息传递：
    • 进入“应用主页” > “显示选项卡”。
    • 确保“消息选项卡”和“允许用户发送斜杠命令”已启用。

全部设置完成！ 前往Slack，找到你的新机器人，给它发条消息吧！

准备好探索和扩展

整个设置使用低代码方法来连接Confluence和Slack。虽然这涵盖了基础知识，但你始终可以增强它以获得更高的安全性、成本效益和可靠性。你可以调整系统提示。

此外，如果Lambda部署让你头疼，还有CloudFormation堆栈和CDK脚本可用，可以让AWS端的事情变得更简单！该仓库还有一个支持更多功能（如后续问题）的Python代码。

本指南应该能帮助你启动并运行，即使你不是技术专家。请记住，你可以将这些想法应用到其他数据源（如网站、SharePoint或Salesforce）以及其他聊天客户端（如MS Teams或WhatsApp）。

祝你探索愉快！

avatar
文章
阅读
粉丝