Amazon Quick Automate собирает RFI-анкеты из Excel в проверяемый CSV

RFI превращается из книги с вкладками в набор записей

AWS опубликовала пошаговый сценарий обработки Request for Information в Amazon Quick Automate. Исходный документ — Excel workbook с несколькими листами, иерархическими основными и вложенными вопросами, категориями в заголовках и разными типами ответа. Ручная обработка таких файлов требует повторной координации и легко ломается при очередном изменении формата анкеты.

Целевой workflow читает книгу из Amazon S3, извлекает вопросы и их контекст, формирует структурированные поля Serial Number, Category, Question и Response Type, а затем записывает чистый CSV обратно в S3. Quick Automate строит исполняемую последовательность по natural-language описанию: отдельно появляются шаги чтения данных, преобразования, определения output schema и записи результата.

AWS позиционирует Quick Automate как multi-agent средство для процессов между подразделениями, системами, UI и API. Однако этот tutorial не показывает автономное заполнение ответов на RFI и не заменяет эксперта по содержанию. Он решает более узкую задачу нормализации входящего questionnaire, чтобы downstream-команды получили одинаково устроенные записи для дальнейшего анализа и работы.

Доступ к S3 начинается с отдельной IAM role

Для walkthrough нужны Amazon Quick Enterprise с доступом к Quick Automate и S3 bucket в том же AWS Region, что и приложение Amazon Quick. Отдельная IAM role разрешает s3:GetObject, s3:PutObject и s3:ListBucket для целевого bucket; в trust policy сервисом указан quicksight.amazonaws.com. ARN этой роли передаётся S3 action connector в настройках Amazon Quick.

После проверки соединения connector нужно явно расшарить пользователям и группам, которые будут создавать и запускать workflows. Затем он добавляется в automation group, а группа выбирается при создании automation project. Такой порядок отделяет полномочия интеграции от текстовой инструкции: prompt описывает нужные действия, но сам по себе не должен расширять доступ к другим bucket или объектам.

Практически это означает, что демонстрационную policy стоит сузить до конкретных prefixes для входа и выхода, даже если tutorial перечисляет разрешения на уровне целевого bucket. В production полезно развести development и production accounts, не разрешать произвольную перезапись входных книг и фиксировать, какой connector использовала конкретная версия automation. Это вывод из архитектуры примера, а не заявленная AWS автоматическая гарантия.

Natural language ускоряет сборку, но результат проверяют по данным

В примере пользователь просит открыть лист Strategy, распознать main questions и subquestions по numbering и indentation, перенести category из column headers, сохранить response type и записать CSV в указанный prefix. Сгенерированный workflow может отличаться между запусками, предупреждает AWS, хотя должен покрывать тот же логический процесс.

Поэтому tutorial задаёт конкретный acceptance checklist: извлечены все основные и вложенные вопросы, category дословно совпадает с исходным заголовком, subquestion содержит контекст родителя, а response type сохранён без изменения. Проверка проводится после запуска на книге, а не по тому, насколько убедительно выглядит diagram или текст автоматически созданных шагов.

Ошибки предлагается исправлять короткими адресными репликами в conversation interface: добавить headers как metadata, брать точный текст категории или объединить parent context с вложенным вопросом. После каждого изменения workflow запускается заново. AWS отдельно рекомендует валидировать инкрементально и явно описывать missing, duplicate и inconsistently formatted data вместо накопления нескольких непроверенных поправок.

Версию переносят, а credentials настраивают заново

Проверенная automation экспортируется как version link, который затем импортируется в проект другого account или AWS Region. Ссылка имеет ограниченный срок действия. В целевой среде всё равно нужно настроить необходимые connectors, credentials и deployment settings: Import/Export переносит версию процесса, но не должен бесконтрольно переносить секреты и полномочия.

Этот механизм позволяет разделить pre-production проверку и production rollout. Минимальная защита включает тестовые книги с известным числом вопросов, сравнение schema и строк CSV, отдельную проверку duplicate и пустых cells, а также сохранение исходного объекта рядом с идентификатором версии workflow. Если формат поставщика изменился, успешный статус run сам по себе ещё не подтверждает полноту извлечения.

AWS предлагает расширять тот же паттерн на invoice, contract и form extraction, консолидацию многостраничных отчётов, UI automation и агрегацию опросов. Общий принцип остаётся одинаковым: natural language сокращает время создания workflow, но качество определяется проверяемым контрактом данных. Для RFI таким контрактом служат точный category text, сохранённый response type, полный набор вопросов и воспроизводимый CSV в контролируемом S3 location.