AI-translated from English; not yet reviewed by a fluent editor.

# AWS चे पट्टा-पुनरावलोकन उदाहरण AI आणि अनुपालनविषयक निर्णय वेगळे कसे ठेवते

> AWS चा नमुना पट्ट्यांविषयीचे प्रश्न Amazon Quick मधून निश्चित साधने आणि नियम-इंजिनकडे वळवतो. मार्गदर्शक पावती, पुराव्याची साखळी, मांडणीच्या मर्यादा आणि वापरकर्त्यांनी काय पडताळावे हे स्पष्ट करतो.

By BIG CHANGE Editorial

Published: 2026-10-03T08:22:25.737Z
Updated: 2026-10-03T08:22:25.737Z
Canonical: https://bigchange.ai/blog/aws-lease-compliance-adjudicated-query-guide

![Conceptual charcoal illustration of an open archive drawer filled with lease folders, one orange divider and a blank slip clipped to the drawer front.](https://bigchange.ai/api/media/file/aws-lease-review-archive-hero-v1.png)
AI-generated conceptual editorial illustration by BIG CHANGE.

मोठ्या पट्टा-संग्रहातील अनुपालनविषयक प्रश्न विचारण्यासाठी AWS ने Amazon Quick ची संदर्भ-रचना प्रकाशित केली आहे. यातली उपयुक्त कल्पना म्हणजे कठोर हस्तांतरण: चॅट मॉडेल निश्चित साधन निवडते आणि त्याचा प्रतिसाद समजावते; स्वतंत्र नियम-इंजिन नोंदींचा समूह ठरवते आणि प्रत्येक प्रकरणाचा निर्णय देते. हा [2 ऑक्टोबरचा लेख](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) आणि [नमुना रेपॉझिटरी](https://github.com/aws-samples/sample-quick-adjudicated-query) शैक्षणिक संकल्पना-पुरावा दर्शवतात; पडताळलेली कायदेशीर अनुपालन-सेवा नव्हे.

अभियंता किंवा अनुपालन-प्रमुखासाठी प्रश्न असा आहे की पुनरावलोकनाधीन निर्णयाला ही विभागणी योग्य आहे का. नमुन्यात कृत्रिम पट्टे, काल्पनिक नियम आणि संदर्भ आहेत. उदाहरणातील एकूण आकडे अपेक्षित आउटपुट-रचना दाखवतात; प्रत्यक्ष करार किंवा कायद्यावरील अचूकतेबद्दल ते काही सांगत नाहीत.

## मुख्य बदल

- **काय बदलले:** AWS चा नमुना AI ला निश्चित पुनरावलोकन-साधनांचा नियंत्रित इंटरफेस बनवतो. नियम-इंजिन निश्चित केलेल्या पट्ट्यांच्या समूहातील निष्कर्ष ठरवते.
- **हे महत्त्वाचे का:** आवृत्ती-नियंत्रित नियम आणि पुराव्याची पावती यांमुळे चॅटबाहेर निवडलेल्या नोंदींचे मूल्यांकन कसे झाले हे पुनरावलोकनकर्त्यांना तपासता येते.
- **कशाकडे लक्ष द्यावे:** पावतीमुळे नोंदींचा संच, माहिती-उत्खनन किंवा कायदेशीर नियम योग्य आहेत याची खात्री होत नाही. वापरकर्त्यांनी हे इनपुट, वापरकर्ता-ओळख आणि स्वतःच्या डेटावरील कामगिरी तपासली पाहिजे.

## प्रॉम्प्टपूर्वी नोंदींचा समूह निश्चित करा

एखादा वापरकर्ता Quick ला दिलेल्या तारखेनुसार टेक्सासमधील कोणते पट्टे उशिराच्या शुल्काच्या नियमाचे उल्लंघन करतात असे विचारू शकतो. Quick विनंती `sweep_compliance` ऑपरेशनकडे पाठवते; ते सहा नामनिर्दिष्ट MCP ऑपरेशन्सपैकी एक आहे. हे ऑपरेशन दिलेला अधिकारक्षेत्र आणि तारीख वापरून नोंदींचा समूह व लागू आवृत्तीबद्ध नियम निवडते. मॉडेल SQL लिहीत नाही किंवा एखादी अट उत्तीर्ण ठरवित नाही. नियम-इंजिन निश्चित तुलना-कारक लागू करते आणि नियमांची मूल्ये पॅरामीटर म्हणून दिली जातात. अधिकृत तपासणीसाठी मॉडेल वापरले जात नाही, असे AWS सांगते. [AWS येथे ऑपरेशनचा करार स्पष्ट करते](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/); [रेपॉझिटरी अंमलबजावणीचे वर्णन करते](https://github.com/aws-samples/sample-quick-adjudicated-query).

इतर साधनांचे अर्थ अधिक मर्यादित आहेत. `simulate_rule_change` निष्कर्ष नोंदविल्याशिवाय प्रस्तावित मूल्याची शोधक मोजणी देते. `explore_clauses` फिल्टर केलेल्या नमुन्याला अर्थसाम्याने क्रम देते; ‘किती?’ याचे उत्तर देऊ शकत नाही. `get_finding` एक पुरावा-साखळी मिळवते; `list_rules` दिलेल्या तारखेला लागू असलेले नियम दाखवते; `check_connection` वाहतूक तपासते. हा फरक महत्त्वाचा आहे, कारण संबंधित अटींचा नमुना म्हणजे सर्व नोंदींची गणना नव्हे.

तपासणी प्रक्रिया प्रत्येक तपासलेल्या नोंदीचा चारपैकी एका वर्गात हिशेब देणारी पावती नोंदवते: अनुपालनात, उल्लंघनात, संदिग्ध किंवा वाचता न येणारी. डेटा नोंदवण्यापूर्वी या संख्या तपासलेल्या एकूण नोंदींशी जुळतात असे इंजिन पडताळते. Quick संख्या आणि छोटा नमुना दाखवू शकते; तर Quick Sight डॅशबोर्ड त्याच Aurora डेटा-संग्रहातून संपूर्ण निष्कर्ष दाखवतो. प्रत्येक निष्कर्षात अटीचा मजकूर, काढलेली व अपेक्षित मूल्ये, नियमाची आवृत्ती आणि संदर्भ असतो. हे AWS नमुना-रचनेचे गुणधर्म आहेत; BIG CHANGE ने निकाल चालवले किंवा स्वतंत्रपणे पडताळले असा दावा नाही.

ही पावती निवडलेल्या नोंदींचा हिशेब देते. मूळ संग्रहात प्रत्येक पट्टा आहे, माहिती-उत्खननाने प्रत्येक संबंधित अट अचूक पकडली आहे किंवा नियम सध्याचा कायदा दर्शवतो हे ती दाखवू शकत नाही. त्यासाठी स्वतंत्र जुळवणी, माहिती-उत्खननाचे पुनरावलोकन आणि कायदेशीर मंजुरी आवश्यक आहे. ‘टेक्सासमधील सर्व पट्टे’ या संचाची व्याप्ती स्पष्ट नसेल, तर अचूक मोजणीदेखील चुकीच्या संचाची असू शकते.

## तुम्हाला काय उभारावे लागेल

या [नमुना-रचनेत](https://github.com/aws-samples/sample-quick-adjudicated-query) AWS Lambda वरील MCP सर्व्हरसमोर Quick चॅट एजंट ठेवला आहे. Amazon Cognito सेवा-टोकन देते; API Gateway ते तपासते. Lambda RDS Data API द्वारे Aurora Serverless v2 मधून वाचन व लेखन करते. Quick Sight त्याच डेटाबेसपर्यंत VPC जोडणीने पोहोचते. करारातील अटी शोधणाऱ्या साधनासाठी AWS Bedrock एम्बेडिंग्ज आणि भाषा-मॉडेल राखून ठेवते; अधिकृत तपासणी निर्धारकच राहते.

प्रकाशित उदाहरणात कृत्रिम 50,000 पट्ट्यांचा संग्रह, आवृत्तीबद्ध नियमपुस्तिका आणि AWS नुसार तैनात केलेल्या स्टॅकवर 28 तपासण्या चालवणारी स्वीकृती-स्क्रिप्ट आहे. रेपॉझिटरी स्पष्ट करते की कोड उत्पादनासाठी सज्ज नाही, कायदेशीर मजकूर काल्पनिक आहे आणि प्रत्यक्ष भाडेकरूंचा डेटा वापरण्यासाठी पुढील सुरक्षा-चाचण्या व स्वतंत्र कायदेशीर पडताळणी आवश्यक आहे. आम्ही कागदपत्रे आणि रेपॉझिटरीचे वर्णन पाहिले; स्टॅक तैनात केला नाही, त्या तपासण्या चालवल्या नाहीत किंवा चॅट एजंटचे साधन-निवडणे तपासले नाही.

हा नमुना स्वीकारण्यासाठी आधी अधिकृत नोंद-संग्रह आणि सदस्यत्वाचा नेमका नियम निश्चित करा. मग कोणती फील्ड विश्वासार्हपणे काढता येतात, कोणत्या नियमांची तुलना खरोखर यांत्रिक आहे आणि प्रत्येक नियम-आवृत्तीला कोण मंजुरी देईल हे ठरवा. पुनरावलोकनकर्ता निकाल पुन्हा तयार करू शकेल यासाठी मूळ मजकूर, माहिती-उत्खननाची स्थिती, नियम-आवृत्ती, ऑपरेटर, तुलना केलेली मूल्ये, तारीख आणि निष्कर्ष-ID जतन करा. चॅटच्या प्रतिसादाबाहेर पावतीची नोंद-संग्रहाशी जुळवणी करा. या रचनात्मक तपासण्या नमुन्यात सांगितलेल्या हमी व मर्यादांवर आधारित आहेत; आम्ही त्यांची चाचणी केलेली नाही.

Cognito चे क्लायंट-क्रेडेन्शियल्स टोकन Quick अनुप्रयोगाची ओळख देते, चॅटमध्ये प्रश्न विचारणाऱ्या व्यक्तीची नाही, असे AWS सांगते. वापरकर्ता ओळखण्यासाठी नमुना तपासणी-ID व वेळ यांची Quick च्या लेखापरीक्षण स्तराशी सांगड घालतो; अनुपालन डेटा-संग्रहात व्यक्तीची ओळख नोंदवायची असल्यास अंतिम-वापरकर्त्याची ID देऊन साठवा, अशी AWS ची सूचना आहे. निष्कर्ष स्वतंत्र लेखापरीक्षण नोंद म्हणून वापरायचा असल्यास तैनातीपूर्वी संघाने ही रचना निश्चित करावी.

## प्रवेश, मर्यादा आणि खर्च

AWS च्या मार्गदर्शकासाठी AWS खाते, कॉन्फिगर केलेली AWS CLI v2 क्रेडेन्शियल्स, CDK साठी Python आणि Node 24, `us-east-1` आणि MCP कनेक्टर व Quick Sight असलेले Amazon Quick वातावरण आवश्यक आहे. लेखात Python 3.12 सांगितले आहे; जोडलेल्या README मध्ये Python 3.9 किंवा त्याहून नवे म्हटले आहे. स्थानिक वातावरण निवडताना रेपॉझिटरीच्या सध्याच्या अटी तपासा. सूचनांमध्ये नमुन्यासाठी CDK CLI 2.261.0 निश्चित केले आहे; ती नमुन्याची अवलंबिता आहे, AWS ची सर्वसाधारण अट नाही.

सध्याचे [Quick MCP मार्गदर्शक](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html) प्रत्येक ऑपरेशनसाठी 60 सेकंदांची निश्चित वेळ-मर्यादा देते, प्रत्येक सर्व्हर-जोडणीवर जास्तीत जास्त 100 साधने मान्य करते आणि सानुकूल HTTP शीर्षके पाठवत नाही. मोठ्या तपासणीसाठी या वेळ-मर्यादेची वर्कलोडवर चाचणी आवश्यक आहे; डेटाबेसचे अचूक, दीर्घकाळ चालणारे काम कनेक्टरची मर्यादा ओलांडल्यास समकालिक Quick ऑपरेशन म्हणून पूर्ण होऊ शकत नाही. सानुकूल कनेक्टरच्या साधन-सूचीत **Sync** वापरून बदल करता येतात, असे मार्गदर्शक सांगते. याउलट AWS ब्लॉग व नमुना README साधनांतील बदलानंतर जोडणी हटवून पुन्हा तयार करायला सांगतात. सध्याच्या कनेक्टरसाठी थेट Quick कागदपत्रांचे अनुसरण करा आणि स्वतःच्या वातावरणातील नोंदणीकृत साधन-सूची व मार्गनिवड पडताळा.

हा अनेक सेवांचा प्रकल्प आहे; त्यामुळे प्रकाशित मजकुरावरून ‘प्रति तपासणी किंमत’ असा एकच विश्वासार्ह आकडा देता येत नाही. AWS चे [Quick किंमत पान](https://aws.amazon.com/quick/pricing/pricing/) सदस्यत्व आणि एजंट-तासांच्या अटी वेगळ्या दाखवते; काही सुविधांसाठी Quick Sight चे अतिरिक्त शुल्कही नमूद करते. [Aurora ची किंमत](https://aws.amazon.com/rds/aurora/pricing/) क्षमता, साठवण आणि I/O कॉन्फिगरेशनवर अवलंबून असते; नमुन्यात किमान 0.5 ACU सक्रिय ठेवले जाते, शून्यावर थांबवले जात नाही. API Gateway, Lambda आणि शोधक Bedrock कॉलसाठीही वर्कलोड-अंदाज हवा. चालू शुल्क टाळण्यासाठी मूल्यांकनानंतर स्टॅक नष्ट करण्याची सूचना रेपॉझिटरी देते. या लेखासाठी AWS संसाधने तयार केलेली नाहीत.

## निर्णय-तपासणीसूची

स्वतःचा डेटा व नियंत्रण वापरून संघ या प्रश्नांची उत्तरे देऊ शकत असेल तरच ही पद्धत वापरा:

- पुनरावलोकन केलेल्या स्थिर निकषाने संपूर्ण नोंद-संच मोजता येतो का आणि अधिकृत नोंद-संग्रहाशी त्याची जुळवणी करता येते का?
- नियम म्हणजे मंजूर आवृत्त्या, लागू तारखा व संदर्भांसह यांत्रिक तुलना आहेत का? मानवी पुनरावलोकनासाठी कोणती प्रकरणे संदिग्ध ठेवावी?
- माहिती-उत्खननातील अपयश व न वाचता येणारी कागदपत्रे गुपचूप वगळण्याऐवजी मोजता येतात का?
- प्रत्येक निष्कर्षात मूळ अट, तुलना केलेली मूल्ये व नियम-आवृत्ती जतन होते का, आणि संपूर्ण पुरावा-संच चॅटबाहेर मिळवता येतो का?
- तपासणी Quick च्या ऑपरेशन-वेळमर्यादेत पूर्ण होऊ शकते का, आणि निकालाची मागणी करणाऱ्या व्यक्तीपर्यंत तुम्ही त्याचा मागोवा कसा घ्याल?
- संघाने अपेक्षित प्रमाणासाठी सदस्यत्व, डेटाबेस आणि सेवा-शुल्काचा अंदाज घेऊन परवानगी असलेल्या डेटावर कामगिरी व निकालांची गुणवत्ता तपासली आहे का?

कामासाठी कायदेशीर अर्थ लावणे किंवा खुल्या निकषावर निर्णय आवश्यक असेल, तर निर्धारक उत्तीर्ण/अनुत्तीर्ण शिक्का मानवी निर्णयाची गरज लपवू शकतो. संघाला प्रतिनिधिक उदाहरणे हवी असतील तर अर्थाधारित पुनर्प्राप्ती सोपी आहे. उत्तरदायी वापरकर्त्यांसाठी पुनरावलोकित नियम-इंजिन व डॅशबोर्ड आधीपासून कार्यरत असतील, तर संवादाचा स्तर ऐच्छिक आहे. हे पर्याय AWS च्या लेखातील ‘चुकीची निवड’ चर्चेवर आणि कृत्रिम नमुन्याच्या मर्यादांवर आधारित आहेत.

## स्रोत आणि पुढील वाचन

- [AWS Machine Learning Blog, “Amazon Quick आणि Adjudicated Query पद्धतीने हजारो पट्ट्यांची अनुपालन-तपासणी”](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) (2 ऑक्टोबर 2026). विक्रेत्याची रचना, ऑपरेशनचे अर्थ, नमुना-प्रदर्शन आणि सांगितलेल्या अपयश-सीमा. उदाहरणातील संख्या व वर्तन ही AWS ची माहिती आहे; स्वतंत्र मोजमाप नाही.
- [AWS नमुना रेपॉझिटरी](https://github.com/aws-samples/sample-quick-adjudicated-query). README, फाइल-नकाशा, सेटअपच्या अटी आणि कृत्रिम डेटा, काल्पनिक कायदा व उत्पादन-सज्जतेविषयी स्पष्ट इशारे. या लेखासाठी कोड तैनात किंवा तपासलेला नाही.
- [Amazon Quick MCP जोडणी मार्गदर्शक](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html). सध्याची कनेक्टर-मांडणी, Sync चे वर्तन आणि ऑपरेशन-मर्यादा. बदल करण्याची त्यातील पद्धत ब्लॉग व README पेक्षा वेगळी आहे.
- [Amazon Quick ची किंमत](https://aws.amazon.com/quick/pricing/pricing/) आणि [Amazon Aurora ची किंमत](https://aws.amazon.com/rds/aurora/pricing/). प्रत्यक्ष वर्कलोडचा अंदाज घेण्यासाठी सध्याच्या किंमत-रचना व घटक; यांपैकी कोणतेही पान या नमुन्याची एकूण किंमत देत नाही.

## Sources

- [Amazon Quick आणि Adjudicated Query पद्धतीने हजारो पट्ट्यांची अनुपालन-तपासणी](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) — रचना, सहा MCP साधने, नमुना-निकाल, सेटअप आणि मर्यादांचे वर्णन करणारा अधिकृत विक्रेता-लेख. उदाहरण कृत्रिम आहे; BIG CHANGE ची चाचणी किंवा स्वतंत्र पडताळणी नाही.
- [aws-samples/sample-quick-adjudicated-query](https://github.com/aws-samples/sample-quick-adjudicated-query) — अधिकृत नमुना README, फाइल-नकाशा आणि पूर्वअटी. डेटा व कायदेशीर नियम कृत्रिम किंवा काल्पनिक आहेत, कोड उत्पादनासाठी सज्ज नाही आणि कायदेशीर/सुरक्षा-पडताळणी आवश्यक आहे, असा स्पष्ट इशारा. BIG CHANGE ने तैनात किंवा तपासलेला नाही.
- [Model Context Protocol (MCP) जोडणी - Amazon Quick](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html) — सध्याची कनेक्टर-कागदपत्रे: 60 सेकंदांची ऑपरेशन-वेळमर्यादा, कमाल 100 साधने, सानुकूल शीर्षके नाहीत, आणि सानुकूल कनेक्टरच्या साधन-सूचीत बदलांसाठी Sync. Sync बाबतची सूचना नमुना हटवून पुन्हा तयार करण्याच्या सूचनेपेक्षा वेगळी आहे.
- [Amazon Quick ची किंमत](https://aws.amazon.com/quick/pricing/pricing/) — योजनेची अधिकृत रचना, एजंट-तास आणि Quick Sight दर; संपूर्ण संदर्भ-स्टॅक किंवा एका तपासणीची किंमत यात दिलेली नाही.
- [Amazon Aurora ची किंमत](https://aws.amazon.com/rds/aurora/pricing/) — Aurora क्षमता, साठवण आणि I/O ची अधिकृत बदलती खर्च-रचना. नमुना README मध्ये किमान 0.5 ACU सक्रिय ठेवण्याची अट आहे. संपूर्ण वर्कलोडचा एकत्रित खर्च मोजलेला नाही.