Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Testen Ihrer Wissensdatenbank mit Abfragen und Antworten
Nachdem Sie Ihre Wissensdatenbank eingerichtet haben, können Sie ihr Verhalten auf folgende Weise testen:
+ Mithilfe der [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)-Operation können Sie Abfragen senden und relevante Informationen aus Ihren Datenquellen abrufen.
+ Senden Sie mithilfe der [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)-Operation Abfragen und generieren Sie Antworten auf die Abfragen auf der Grundlage der abgerufenen Informationen aus Ihren Datenquellen.
+ Verwenden Sie ein Reranking-Modell zusätzlich zum standardmäßigen Reranking-Modell von Amazon-Bedrock-Wissensdatenbanken, um relevantere Quellen abzurufen, wenn Sie entweder [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) oder [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) nutzen.
+ Verwenden Sie optionale Metadatenfilter mit der `Retrieve`- oder der `RetrieveAndGenerate`-API, um anzugeben, welche Dokumente in Ihrer Datenquelle verwendet werden können.
Wenn Sie mit dem Verhalten Ihrer Wissensdatenbank zufrieden sind, können Sie Ihre Anwendung so einrichten, dass sie die Wissensdatenbank abfragt oder die Wissensdatenbank an einen Agenten anhängt, indem Sie mit [Bereitstellen Ihrer Wissensdatenbank für Ihre KI-Anwendung](knowledge-base-deploy.md) fortfahren.
Wählen Sie ein Thema aus, um mehr darüber zu erfahren.
**Topics**
+ [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md)
+ [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md)
+ [Generieren einer Abfrage für strukturierte Daten](knowledge-base-generate-query.md)
+ [So fragen Sie eine Wissensdatenbank ab, die mit einem GenAI-Index in Amazon Kendra verbunden ist](kb-test-kendra.md)
+ [So fragen Sie eine Wissensdatenbank ab, die mit einem Diagramm aus Amazon Neptune Analytics verbunden ist](kb-test-neptune.md)
+ [So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an](kb-test-config.md)
+ [So konfigurieren Sie die Antwortgenerierung für Argumentationsmodelle mit Knowledge Bases](kb-test-configure-reasoning.md)
# Abrufen einer Wissensdatenbank und Datenabruf
**Wichtig**
Ein Integritätsschutz wird nur auf die Eingabe und die generierte Antwort des LLM angewendet. Er wird nicht auf die Referenzen angewendet, die zur Laufzeit aus Knowledge Bases abgerufen wurden.
Nachdem Ihre Wissensdatenbank eingerichtet ist, können Sie sie abfragen und Blöcke aus Ihren Quelldaten abrufen, die für die Abfrage relevant sind, indem Sie die [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)-API-Operation verwenden. Sie können anstelle des standardmäßigen Rankers für Wissensdatenbanken für Amazon Bedrock auch ein [Reranker-Modell verwenden](rerank.md), um Quellenblöcke beim Abrufen nach Relevanz zu ordnen.
Wählen Sie die Registerkarte für Ihre bevorzugte Methode aus und führen Sie dann die Schritte aus, um zu erfahren, wie Sie Ihre Wissensdatenbank abfragen:
------
#### [ Console ]
**Testen Ihrer Wissensdatenbank**
1. Melden Sie sich bei der AWS-Managementkonsole mit einer IAM-Identität an, die berechtigt ist, die Amazon Bedrock-Konsole zu verwenden. Öffnen Sie dann die Amazon Bedrock-Konsole unter [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock).
1. Wählen Sie im linken Navigationsbereich **Wissensdatenbank** aus.
1. Führen Sie im Abschnitt **Wissensdatenbanken** eine der folgenden Aktionen aus:
+ Aktivieren Sie das Optionsfeld neben der Wissensdatenbank, die Sie testen möchten, und wählen Sie **Wissensdatenbank testen**. Ein Testfenster wird von rechts erweitert.
+ Wählen Sie die Wissensdatenbank aus, die Sie testen möchten. Ein Testfenster wird von rechts erweitert.
1. Deaktivieren Sie die Option **Antworten für Ihre Anfrage generieren** im Testfenster, um direkt aus Ihrer Wissensdatenbank abgerufene Informationen zurückzugeben.
1. (Optional) Klicken Sie auf das Konfigurationssymbol (![\[Three horizontal sliders with adjustable circular controls for settings or parameters.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/configurations.png)), um **Konfigurationen** zu öffnen. Weitere Informationen zu Konfigurationen finden Sie unter [So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an](kb-test-config.md).
1. Geben Sie eine Abfrage in das Textfeld im Chatfenster ein und wählen Sie **Ausführen** aus, um Antworten aus der Wissensdatenbank zurückzugeben.
1. Die Quell-blöcke werden direkt in der Reihenfolge ihrer Relevanz zurückgegeben. Aus Ihrer Datenquelle extrahierte Bilder können auch als Quellblock zurückgegeben werden.
1. Klicken Sie auf **Quelldetails anzeigen**, um Details zu den zurückgegebenen Blöcken anzuzeigen.
+ Erweitern Sie den Bereich **Abfragekonfigurationen**, um die Konfigurationen anzuzeigen, die Sie für die Abfrage festgelegt haben.
+ Um Details zu einem Quellblock anzuzeigen, erweitern Sie ihn, indem Sie auf den Rechtspfeil (![\[Play button icon with a triangular shape pointing to the right.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/caret-right-filled.png)) neben dem Block klicken. Die folgenden Informationen können angezeigt werden:
+ Der Rohtext aus dem Quellblock. Um diesen Text zu kopieren, klicken Sie auf das Kopiersymbol (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/copy.png)). Wenn Sie Amazon S3 zum Speichern Ihrer Daten verwendet haben, klicken Sie auf das externe Linksymbol (![\[Icon of a square with an arrow pointing outward from its top-right corner.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/external.png)), um zu dem S3-Objekt zu navigieren, das die Datei enthält.
+ Die mit dem Quellblock verknüpften Metadaten, wenn Sie Amazon S3 zum Speichern Ihrer Daten verwendet haben. Die attribute/field Schlüssel und Werte sind in der `.metadata.json` Datei definiert, die dem Quelldokument zugeordnet ist. Weitere Informationen finden Sie im Abschnitt **Metadaten und Filterung** unter [So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an](kb-test-config.md).
**Chat-Optionen**
+ Wechseln Sie zur Generierung von Antworten auf Grundlage der abgerufenen Quellblöcke, indem Sie die Option **Antworten generieren** aktivieren. Wenn Sie die Einstellung ändern, wird der Text im Chatfenster vollständig gelöscht.
+ Um das Chat-Fenster zu löschen, wählen Sie das Besensymbol (![\[Magnifying glass icon with a checkmark inside, symbolizing search or inspection.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/broom.png)).
+ Um die gesamte Ausgabe im Chat-Fenster zu kopieren, wählen Sie das Kopiersymbol (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/copy.png)).
------
#### [ API ]
Senden Sie eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)-Anfrage an einen [Runtime-Endpunkt für Agenten für Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt), um eine Wissensdatenbank abzufragen und nur relevanten Text aus Datenquellen zurückzugeben.
Die folgenden Felder sind erforderlich:
****
| Feld | Grundlegende Beschreibung |
| --- | --- |
| knowledgeBaseId | So geben Sie die abzufragende Wissensdatenbank an. |
| retrievalQuery | Enthält ein text-Feld zur Angabe der Abfrage. |
| guardrailsConfiguration | So fügen Sie guardrailsConfiguration-Felder wie guardrailsId und guardrailsVersion ein, um Ihren Integritätsschutz in der Anfrage zu verwenden |
Die folgenden Felder sind optional:
****
| Feld | Anwendungsfall |
| --- | --- |
| nextToken | Um den nächsten Stapel von Antworten zurückzugeben (siehe Antwortfelder unten). |
| retrievalConfiguration | Um [Abfragekonfigurationen](kb-test-config.md) für die Anpassung der Vektorsuche einzubeziehen. Weitere Informationen finden Sie unter [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html). |
Sie können ein Ranking-Modell gegenüber dem standardmäßigen Rankingmodell von Amazon Bedrock Knowledge Bases verwenden, indem Sie das `rerankingConfiguration` Feld in die aufnehmen. [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html) Das `rerankingConfiguration` Feld ist einem [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html)Objekt zugeordnet, in dem Sie das zu verwendende Ranking-Modell, alle zusätzlichen einzuschließenden Anforderungsfelder, Metadatenattribute zum Herausfiltern von Dokumenten bei der Neueinstufung und die Anzahl der Ergebnisse angeben können, die nach der Neurangierung zurückgegeben werden sollen. Weitere Informationen finden Sie unter [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html).
**Anmerkung**
Wenn der von Ihnen angegebene `numberOfRerankedResults` Wert größer als der `numberOfResults` Wert in ist, ist die maximale Anzahl von Ergebnissen [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html), die zurückgegeben werden, der Wert für. `numberOfResults` Eine Ausnahme ist, wenn Sie die Zerlegung von Abfragen verwenden (weitere Informationen finden Sie im Abschnitt **Abfrageänderungen** unter [So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an](kb-test-config.md). Wenn Sie die Zerlegung von Abfragen verwenden, können die `numberOfRerankedResults` bis zu fünfmal so hoch wie die `numberOfResults` sein.
Die Antwort gibt die Quellblöcke aus der Datenquelle als Array von [KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html)Objekten im `retrievalResults` Feld zurück. Jedes [KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html)enthält die folgenden Felder:
****
| Feld | Description |
| --- | --- |
| Inhalt | Enthält einen Textquellenblock im text oder einen Bildquellenblock im byteContent-Feld. Wenn es sich bei dem Inhalt um ein Bild handelt, wird die Daten-URI des base64-codierten Inhalts im folgenden Format zurückgegeben: data:image/jpeg;base64,\$1\$1base64-encoded string\$1. |
| Metadaten | Enthält jedes Metadatenattribut als Schlüssel und den Metadatenwert als einen JSON-Wert, dem der Schlüssel zugeordnet ist. |
| location | Enthält den URI oder die URL des Dokuments, zu dem der Quellblock gehört. |
| score | Der Relevanzwert des Dokuments. Sie können diesen Wert verwenden, um die Rangfolge der Ergebnisse zu analysieren. |
Wenn die Anzahl der Quellblöcke den Wert übersteigt, der in die Antwort passen kann, wird ein Wert im Feld `nextToken` zurückgegeben. Verwenden Sie diesen Wert in einer anderen Anfrage, um den nächsten Ergebnisstapel zurückzugeben.
Wenn die abgerufenen Daten Bilder enthalten, gibt die Antwort außerdem die folgenden Antwort-Header zurück, die Metadaten für Quellblöcke enthalten, die in der Antwort zurückgegeben wurden:
+ `x-amz-bedrock-kb-byte-content-source` – Enthält die Amazon-S3-URI des Bildes.
+ `x-amz-bedrock-kb-description` – Enthält die base64-codierte Zeichenfolge für das Bild.
**Anmerkung**
Sie können beim [Konfigurieren von Metadatenfiltern](kb-test-config.md) nicht nach diesen Metadaten-Antwort-Headern filtern.
**Multimodale Abfragen**
Für Wissensdatenbanken, die multimodale Einbettungsmodelle verwenden, können Sie Abfragen entweder mit Text oder Bildern durchführen. Das `retrievalQuery` Feld unterstützt ein `multimodalInputList` Feld für Bildabfragen:
**Anmerkung**
Umfassende Hinweise zur Einrichtung und Nutzung multimodaler Wissensdatenbanken, einschließlich der Wahl zwischen Nova- und BDA-Ansätzen, finden Sie unter[Aufbau einer Wissensdatenbank für multimodale Inhalte](kb-multimodal.md).
Sie können Abfragen mit Bildern durchführen, indem Sie das folgende `multimodalInputList` Feld verwenden:
```
{
"knowledgeBaseId": "EXAMPLE123",
"retrievalQuery": {
"multimodalInputList": [
{
"content": {
"byteContent": "base64-encoded-image-data"
},
"modality": "IMAGE"
}
]
}
}
```
Oder Sie können nur mit Text abfragen, indem Sie das `text` Feld verwenden:
```
{
"knowledgeBaseId": "EXAMPLE123",
"retrievalQuery": {
"text": "Find similar shoes"
}
}
```
**Allgemeine multimodale Abfragemuster**
Im Folgenden sind einige gängige Abfragemuster aufgeführt:
Image-to-image suchen
Laden Sie ein Bild hoch, um visuell ähnliche Bilder zu finden. Beispiel: Laden Sie ein Foto eines roten Nike-Schuhs hoch, um ähnliche Schuhe in Ihrem Produktkatalog zu finden.
Textbasierte Suche
Verwenden Sie Textabfragen, um relevante Inhalte zu finden. Beispiel: „Finden Sie ähnliche Schuhe“, um Ihren Produktkatalog anhand von Textbeschreibungen zu durchsuchen.
Visuelle Dokumentensuche
Suchen Sie nach Diagrammen, Diagrammen oder visuellen Elementen in Dokumenten. Beispiel: Laden Sie ein Diagrammbild hoch, um ähnliche Diagramme in Ihrer Dokumentensammlung zu finden.
**Wählen Sie zwischen Nova und BDA für multimodale Inhalte**
Wenn Sie mit multimodalen Inhalten arbeiten, wählen Sie Ihren Ansatz auf der Grundlage Ihres Inhaltstyps und Ihrer Abfragemuster:
**Entscheidungsmatrix zwischen Nova und BDA**
| Inhaltstyp | Verwenden Sie multimodale Nova-Einbettungen | Verwenden Sie den Bedrock Data Automation (BDA) -Parser |
| --- | --- | --- |
| Videoinhalte | Schwerpunkt visuelles Geschichtenerzählen (Sport, Werbung, Vorführungen), Fragen zu visuellen Elementen, minimaler Sprachinhalt | Wichtige Fragen speech/narration (Präsentationen, Besprechungen, Tutorials), Fragen zu gesprochenen Inhalten, benötigen Transkripte |
| Audioinhalte | Identifizierung von Musik oder Soundeffekten, Audioanalyse ohne Spracheingabe | Podcasts, Interviews, Besprechungen und alle Inhalte, bei denen Sprache transkribiert werden muss |
| Inhalt des Bildes | Suche nach visueller Ähnlichkeit, image-to-image Abruf, visuelle Inhaltsanalyse | Textextraktion aus Bildern, Dokumentenverarbeitung, OCR-Anforderungen |
**Anmerkung**
Multimodale Nova-Einbettungen können Sprachinhalte nicht direkt verarbeiten. Wenn Ihre Audio- oder Videodateien wichtige gesprochene Informationen enthalten, verwenden Sie den BDA-Parser, um Sprache zuerst in Text umzuwandeln, oder wählen Sie stattdessen ein Modell zur Texteinbettung.
**Einschränkungen bei multimodalen Abfragen**
Im Folgenden sind einige Einschränkungen bei multimodalen Abfragen aufgeführt:
+ Maximal ein Bild pro Abfrage in der aktuellen Version
+ Bildabfragen werden nur mit multimodalen Einbettungsmodellen (Titan G1 oder Cohere Embed v3) unterstützt
+ RetrieveAndGenerate Die API wird für Wissensdatenbanken mit multimodalen Einbettungsmodellen und S3-Content-Buckets nicht unterstützt
+ Wenn Sie mithilfe von reinen Text-Einbettungsmodellen eine Bildanfrage an eine Wissensdatenbank stellen, wird ein 4xx-Fehler zurückgegeben
**Multimodale API-Antwortstruktur**
Abrufantworten für multimodale Inhalte enthalten zusätzliche Metadaten:
+ **Quell-URI: Verweist** auf Ihren ursprünglichen S3-Bucket-Speicherort
+ **Zusätzliche URI: Verweist** auf die Kopie in Ihrem multimodalen Speicher-Bucket
+ **Timestamp-Metadaten:** Für Video- und Audio-Chunks enthalten, um eine präzise Positionierung der Wiedergabe zu ermöglichen
**Anmerkung**
Wenn Sie die API oder das SDK verwenden, müssen Sie den Dateiabruf und die Zeitstempel-Navigation in Ihrer Anwendung übernehmen. Die Konsole erledigt dies automatisch mit verbesserter Videowiedergabe und automatischer Zeitstempelnavigation.
------
**Anmerkung**
Wenn Sie beim Generieren von Antworten die Fehlermeldung erhalten, dass der Prompt die Zeichenbeschränkung überschreitet, können Sie den Prompt wie folgt kürzen:
Reduzieren Sie die maximale Anzahl der abgerufenen Ergebnisse (dadurch wird das, was für den Platzhalter \$1search\$1results\$1 in der [Vorlagen für Wissensdatenbank-Prompts: Orchestrierung und Generierung](kb-test-config.md#kb-test-config-prompt-template) ausgefüllt wird, gekürzt).
Erstellen Sie die Datenquelle mit einer Chunking-Strategie neu, bei der kleinere Blöcke verwendet werden (dadurch wird das, was für den Platzhalter \$1search\$1results\$1 in der [Vorlagen für Wissensdatenbank-Prompts: Orchestrierung und Generierung](kb-test-config.md#kb-test-config-prompt-template) ausgefüllt wird, gekürzt).
Kürzen Sie die Vorlage für den Prompt.
Kürzen Sie die Benutzerabfrage (dadurch wird das, was für den Platzhalter \$1query\$1 in der [Vorlagen für Wissensdatenbank-Prompts: Orchestrierung und Generierung](kb-test-config.md#kb-test-config-prompt-template) ausgefüllt wird, gekürzt).
# So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten
**Wichtig**
Ein Integritätsschutz wird nur auf die Eingabe und die generierte Antwort des LLM angewendet. Er wird nicht auf die Referenzen angewendet, die zur Laufzeit aus Knowledge Bases abgerufen wurden.
Nachdem Ihre Wissensdatenbank eingerichtet ist, können Sie sie abfragen und Antworten basierend auf den aus Ihren Quelldaten abgerufenen Blöcken generieren, indem Sie die [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)-API-Operation verwenden. Die Antworten werden mit Zitate der ursprünglichen Quelldaten zurückgegeben. Sie können anstelle des standardmäßigen Rankers für Wissensdatenbanken für Amazon Bedrock auch ein [Reranker-Modell verwenden](rerank.md), um Quellenblöcke beim Abrufen nach Relevanz zu ordnen.
**Einschränkungen multimodaler Inhalte**
`RetrieveAndGenerate`bietet begrenzte Unterstützung für multimodale Inhalte. Bei der Verwendung von Nova Multimodal Embeddings ist die RAG-Funktionalität nur auf Textinhalte beschränkt. Verwenden Sie BDA mit Modellen zur Texteinbettung, um eine vollständige multimodale Unterstützung einschließlich Audio- und Videoverarbeitung zu erhalten. Details hierzu finden Sie unter [Aufbau einer Wissensdatenbank für multimodale Inhalte](kb-multimodal.md).
**Anmerkung**
Bilder, die von der `Retrieve`-Antwort während des `RetrieveAndGenerate`-Flows zurückgegeben werden, sind im Prompt für die Antwortgenerierung enthalten. Die `RetrieveAndGenerate`-Antwort kann keine Bilder enthalten, aber sie kann die Quellen angeben, die die Bilder enthalten.
Wählen Sie die Registerkarte für Ihre bevorzugte Methode aus und führen Sie dann die Schritte aus, um zu erfahren, wie Sie Ihre Wissensdatenbank abfragen:
------
#### [ Console ]
**Testen Ihrer Wissensdatenbank**
1. Melden Sie sich bei der AWS-Managementkonsole mit einer IAM-Identität an, die berechtigt ist, die Amazon Bedrock-Konsole zu verwenden. Öffnen Sie dann die Amazon Bedrock-Konsole unter [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock).
1. Wählen Sie im linken Navigationsbereich **Wissensdatenbank** aus.
1. Führen Sie im Abschnitt **Wissensdatenbanken** eine der folgenden Aktionen aus:
+ Aktivieren Sie das Optionsfeld neben der Wissensdatenbank, die Sie testen möchten, und wählen Sie **Wissensdatenbank testen**. Ein Testfenster wird von rechts erweitert.
+ Wählen Sie die Wissensdatenbank aus, die Sie testen möchten. Ein Testfenster wird von rechts erweitert.
1. Deaktivieren Sie die Option **Antworten für Ihre Anfrage generieren**, um direkt aus Ihrer Wissensdatenbank abgerufene Informationen zurückzugeben. Amazon Bedrock generiert Antworten auf Grundlage Ihrer Datenquellen und zitiert die bereitgestellten Informationen mit Fußnoten.
1. Klicken Sie auf **Modell auswählen**, um ein Modell auszuwählen, das für die Generierung von Antworten verwendet werden soll. Klicken Sie dann auf **Anwenden**.
1. (Optional) Klicken Sie auf das Konfigurationssymbol (![\[Three horizontal sliders with adjustable circular controls for settings or parameters.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/configurations.png)), um **Konfigurationen** zu öffnen. Weitere Informationen zu Konfigurationen finden Sie unter [So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an](kb-test-config.md).
1. Geben Sie eine Abfrage in das Textfeld im Chatfenster ein und wählen Sie **Ausführen** aus, um Antworten aus der Wissensdatenbank zurückzugeben.
1. Wählen Sie eine Fußnote aus, um einen Auszug aus der zitierten Quelle für diesen Teil der Antwort anzuzeigen. Klicken Sie auf den Link, um zu dem S3-Objekt zu navigieren, das die Datei enthält.
1. Klicken Sie auf **Quelldetails anzeigen**, um Details zu den zurückgegebenen Blöcken anzuzeigen.
+ Erweitern Sie den Bereich **Abfragekonfigurationen**, um die Konfigurationen anzuzeigen, die Sie für die Abfrage festgelegt haben.
+ Um Details zu einem Quellblock anzuzeigen, erweitern Sie ihn, indem Sie auf den Rechtspfeil (![\[Play button icon with a triangular shape pointing to the right.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/caret-right-filled.png)) neben dem Block klicken. Die folgenden Informationen können angezeigt werden:
+ Der Rohtext aus dem Quellblock. Um diesen Text zu kopieren, klicken Sie auf das Kopiersymbol (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/copy.png)). Wenn Sie Amazon S3 zum Speichern Ihrer Daten verwendet haben, klicken Sie auf das externe Linksymbol (![\[Icon of a square with an arrow pointing outward from its top-right corner.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/external.png)), um zu dem S3-Objekt zu navigieren, das die Datei enthält.
+ Die mit dem Quellblock verknüpften Metadaten, wenn Sie Amazon S3 zum Speichern Ihrer Daten verwendet haben. Die attribute/field Schlüssel und Werte sind in der `.metadata.json` Datei definiert, die dem Quelldokument zugeordnet ist. Weitere Informationen finden Sie im Abschnitt **Metadaten und Filterung** unter [So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an](kb-test-config.md).
**Chat-Optionen**
+ Klicken Sie auf **Modell ändern**, um ein anderes Modell für die Antwortgenerierung auszuwählen. Wenn Sie das Modell ändern, wird der Text im Chatfenster vollständig gelöscht.
+ Wechseln Sie zum direkten Abrufen von Quellblöcken, indem Sie die Option **Antworten generieren** deaktivieren. Wenn Sie die Einstellung ändern, wird der Text im Chatfenster vollständig gelöscht.
+ Um das Chat-Fenster zu löschen, wählen Sie das Besensymbol (![\[Magnifying glass icon with a checkmark inside, symbolizing search or inspection.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/broom.png)).
+ Um die gesamte Ausgabe im Chat-Fenster zu kopieren, wählen Sie das Kopiersymbol (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/copy.png)).
------
#### [ API ]
Senden Sie eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)-Anfrage mit einem [Runtime-Endpunkt für Agenten für Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt), um eine Wissensdatenbank abzufragen und mithilfe eines Basismodells Antworten auf Grundlage der Ergebnisse aus den Datenquellen zu generieren.
Die [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html)-API gibt Daten in einem Streaming-Format zurück und ermöglicht Ihnen, auf die generierten Antworten in Blöcken zuzugreifen, ohne auf das gesamte Ergebnis warten zu müssen.
Die folgenden Felder sind erforderlich:
**Anmerkung**
Die API-Antwort enthält Zitationsereignisse. Das `citation`-Mitglied wurde als veraltet gekennzeichnet. Stattdessen empfehlen wir, die Felder `generatedResponse` und `retrievedReferences` zu verwenden. Weitere Informationen finden Sie unter [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_CitationEvent.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_CitationEvent.html).
****
| Feld | Grundlegende Beschreibung |
| --- | --- |
| input | Enthält ein text-Feld zur Angabe der Abfrage. |
| retrieveAndGenerateKonfiguration | Enthält eine [RetrieveAndGenerateConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateConfiguration.html), die Konfigurationen für den Abruf und die Generierung spezifiziert. Weitere Details finden Sie unten. |
Die folgenden Felder sind optional:
****
| Feld | Anwendungsfall |
| --- | --- |
| sessionId | Verwenden Sie denselben Wert wie in einer vorherigen Sitzung, um diese Sitzung fortzusetzen und den daraus resultierenden Kontext für das Modell beizubehalten. |
| sessionConfiguration | Um einen benutzerdefinierten KMS-Schlüssel für die Verschlüsselung der Sitzung hinzuzufügen. |
Schließt das `knowledgeBaseConfiguration` Feld in das [RetrieveAndGenerateConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateConfiguration.html)ein. Dieses Feld ist einem [KnowledgeBaseRetrieveAndGenerateConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrieveAndGenerateConfiguration.html)Objekt zugeordnet, das die folgenden Felder enthält:
+ Die folgenden Felder sind erforderlich:
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/kb-test-retrieve-generate.html)
+ Die folgenden Felder sind optional:
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/kb-test-retrieve-generate.html)
Sie können ein Ranking-Modell gegenüber dem standardmäßigen Rankingmodell von Amazon Bedrock Knowledge Bases verwenden, indem Sie das `rerankingConfiguration` Feld innerhalb von einbeziehen. [KnowledgeBaseVectorSearchConfiguration[KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html) Das `rerankingConfiguration` Feld ist einem [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html)Objekt zugeordnet, in dem Sie das zu verwendende Ranking-Modell, alle zusätzlichen einzuschließenden Anforderungsfelder, Metadatenattribute zum Herausfiltern von Dokumenten bei der Neueinstufung und die Anzahl der Ergebnisse angeben können, die nach der Neurangierung zurückgegeben werden sollen. Weitere Informationen finden Sie unter [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html).
**Anmerkung**
Wenn der von Ihnen angegebene `numberOfRerankedResults` Wert größer als der `numberOfResults` Wert in ist, ist die maximale Anzahl von Ergebnissen [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html), die zurückgegeben werden, der Wert für. `numberOfResults` Eine Ausnahme ist, wenn Sie die Zerlegung von Abfragen verwenden (weitere Informationen finden Sie im Abschnitt **Abfrageänderungen** unter [So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an](kb-test-config.md). Wenn Sie die Zerlegung von Abfragen verwenden, können die `numberOfRerankedResults` bis zu fünfmal so hoch wie die `numberOfResults` sein.
Die Antwort gibt die generierte Antwort im `output`-Feld und die angegebenen Quellblöcke als Array im Feld `citations` zurück. Jedes [Zitations](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Citation.html)-Objekt enthält die folgenden Felder:
****
| Feld | Grundlegende Beschreibung |
| --- | --- |
| generatedResponsePart | Im textResponsePart-Feld ist der text enthalten, auf den sich die Zitation bezieht. Das span-Feld stellt die Indizes für den Anfang und das Ende des Teils der Ausgabe bereit, der eine Zitation enthält. |
| retrievedReferences | Ein Array von [RetrievedReference](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievedReference.html)Objekten, von denen jedes einen Quellblock enthält, content der dem Dokument metadata zugeordnet ist, und den URI oder die URL location des Dokuments in der Datenquelle. Wenn es sich bei dem Inhalt um ein Bild handelt, wird die Daten-URI des base64-codierten Inhalts im folgenden Format zurückgegeben: data:image/jpeg;base64,\$1\$1base64-encoded string\$1. |
Die Antwort gibt außerdem einen `sessionId`-Wert zurück, den Sie in einer anderen Anfrage wiederverwenden können, um dieselbe Konversation aufrechtzuerhalten.
Wenn Sie eine `guardrailConfiguration` in die Anfrage aufgenommen haben, informiert Sie das `guardrailAction`-Feld darüber, ob der Inhalt blockiert wurde oder nicht.
Wenn die abgerufenen Daten Bilder enthalten, gibt die Antwort außerdem die folgenden Antwort-Header zurück, die Metadaten für Quellblöcke enthalten, die in der Antwort zurückgegeben wurden:
+ `x-amz-bedrock-kb-byte-content-source` – Enthält die Amazon-S3-URI des Bildes.
+ `x-amz-bedrock-kb-description` – Enthält die base64-codierte Zeichenfolge für das Bild.
**Anmerkung**
Sie können beim [Konfigurieren von Metadatenfiltern](kb-test-config.md) nicht nach diesen Metadaten-Antwort-Headern filtern.
------
**Anmerkung**
Wenn Sie beim Generieren von Antworten die Fehlermeldung erhalten, dass der Prompt die Zeichenbeschränkung überschreitet, können Sie den Prompt wie folgt kürzen:
Reduzieren Sie die maximale Anzahl der abgerufenen Ergebnisse (dadurch wird das, was für den Platzhalter \$1search\$1results\$1 in der [Vorlagen für Wissensdatenbank-Prompts: Orchestrierung und Generierung](kb-test-config.md#kb-test-config-prompt-template) ausgefüllt wird, gekürzt).
Erstellen Sie die Datenquelle mit einer Chunking-Strategie neu, bei der kleinere Blöcke verwendet werden (dadurch wird das, was für den Platzhalter \$1search\$1results\$1 in der [Vorlagen für Wissensdatenbank-Prompts: Orchestrierung und Generierung](kb-test-config.md#kb-test-config-prompt-template) ausgefüllt wird, gekürzt).
Kürzen Sie die Vorlage für den Prompt.
Kürzen Sie die Benutzerabfrage (dadurch wird das, was für den Platzhalter \$1query\$1 in der [Vorlagen für Wissensdatenbank-Prompts: Orchestrierung und Generierung](kb-test-config.md#kb-test-config-prompt-template) ausgefüllt wird, gekürzt).
# Generieren einer Abfrage für strukturierte Daten
Wenn Sie einen strukturierten Datenspeicher mit Ihrer Wissensdatenbank verbinden, kann Ihre Wissensdatenbank ihn abfragen, indem sie die vom Benutzer bereitgestellte Abfrage in natürlicher Sprache in eine SQL-Abfrage konvertiert, die auf der Struktur der abgefragten Datenquelle basiert. Wenn Sie Folgendes verwenden:
+ [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html): Die Antwort gibt das Ergebnis der Ausführung der SQL-Abfrage zurück.
+ [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html): Die generierte Antwort basiert auf dem Ergebnis der Ausführung der SQL-Abfrage.
+ [GenerateQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerateQuery.html): Amazon Bedrock Knowledge Bases entkoppelt die Konvertierung der Abfrage vom Abrufprozess. Sie können diese API-Operation verwenden, um eine Abfrage in SQL umzuwandeln.
## Verwenden der `GenerateQuery`-API
Sie können die Antwort aus der API-Operation `GenerateQuery` mit einer nachfolgenden `Retrieve`- oder `RetrieveAndGenerate`-Aktion verwenden oder sie in andere Workflows einfügen. `GenerateQuery` ermöglicht es Ihnen, Abfragen effizient in SQL-Abfragen umzuwandeln, indem die Struktur der Datenquelle Ihrer Wissensdatenbank berücksichtigt wird.
Um eine Abfrage in natürlicher Sprache in eine SQL-Abfrage umzuwandeln, reichen Sie eine [GenerateQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerateQuery.html)Anfrage mit einem [Runtime-Endpunkt von Agents for Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt) ein. Die `GenerateQuery`-Anfrage enthält die folgenden Felder:
+ queryGenerationInput — Geben Sie `TEXT` als an `type` und fügen Sie die Abfrage in das `text` Feld ein.
**Anmerkung**
Abfragen müssen in englischer Sprache verfasst werden.
+ transformationConfiguration – Geben Sie `TEXT_TO_SQL` als `mode` an. Geben Sie die Rolle im Feld `textToSqlConfiguration` `KNOWLEDGE_BASE` als `type` an. Geben Sie dann den ARN der Wissensdatenbank an.
Die Antwort gibt ein Array zurück, [GeneratedQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GeneratedQuery.html)das ein Objekt im `queries` Feld enthält. Das Objekt enthält eine SQL-Abfrage für die Abfrage im Feld `sql`.
## Wesentliche Überlegungen
Im Folgenden sind einige wichtige Überlegungen beim Generieren einer Abfrage mithilfe strukturierter Daten aufgeführt.
+
**Regionsübergreifende Inferenz und Abruf strukturierter Daten**
Beim strukturierten Datenabruf werden regionsübergreifende Inferenzen verwendet, um das Optimum AWS-Region innerhalb Ihrer Region für die Verarbeitung Ihrer Inferenzanfrage auszuwählen. Dies verursacht keine zusätzlichen Kosten und verbessert das Kundenerlebnis, indem die verfügbaren Ressourcen und die Modellverfügbarkeit maximiert werden.
Querschlussanfragen werden innerhalb der Regionen gespeichert, die Teil der Region sindAWS-Regionen, in der sich die Daten ursprünglich befinden. Ihre Daten bleiben in der Quellregion gespeichert, aber die Eingabe-Prompts und Ausgabeergebnisse werden möglicherweise außerhalb dieser Region abgelegt. Alle Daten werden bei der Übertragung über das sichere Netzwerk von Amazon verschlüsselt.
Weitere Informationen finden Sie unter [Erhöhen des Durchsatzes mit regionenübergreifender Inferenz](cross-region-inference.md).
+
**Genauigkeit der generierten SQL-Abfragen**
Die Genauigkeit einer generierten SQL-Abfrage kann je nach Kontext, Tabellenschemas und Absicht einer Benutzerabfrage variieren. Bewerten Sie die generierten Abfragen, um sicherzustellen, dass sie Ihrem Anwendungsfall entsprechen, bevor Sie sie in Ihrem Workload verwenden.
+
**Anzahl der abgerufenen Ergebnisse**
Die folgenden Einschränkungen gelten bei der Generierung der Antwort.
+ Bei Nutzung der API-Operationen `InvokeAgent`, `RetrieveAndGenerate` und `RetrieveAndGenerateStream` werden zur Generierung der Antwort nur 10 abgerufene Ergebnisse verwendet.
+ Wenn bei Verwendung der `InvokeAgent`-API mehr als 10 Zeilen mit abgerufenen Ergebnissen vorhanden sind, wird die Gesamtzahl der abgerufenen Zeilen nicht zur Generierung der Antwort an den Agenten weitergegeben. Wenn Sie stattdessen die `RetrieveAndGenerate`-API verwenden, ist die Gesamtzahl der Zeilen zur Generierung der endgültigen Antwort im Prompt enthalten.
+
**`GenerateQuery`-API-Kontingent**
Die `GenerateQuery` API hat ein Kontingent von 2 Anfragen pro Sekunde.
## Gewähren einer Rollenberechtigung für den Zugriff auf generierte Abfragen
Wenn Sie für Ihre Wissensdatenbank, die mit einer strukturierten Datenquelle verbunden ist, einige zusätzliche Operationen mit den generierten Abfragen ausführen möchten, müssen Sie Berechtigungen zum Ausführen der `GenerateQuery`-API-Aktion erteilen. Damit Ihre IAM-Rolle eine Wissensdatenbank abfragen kann, die mit einem strukturierten Datenspeicher verbunden ist, fügen Sie der Rolle die folgende Richtlinie an:
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "GetKB",
"Effect": "Allow",
"Action": [
"bedrock:GetKnowledgeBase"
],
"Resource": [
"arn:aws:bedrock:us-east-1:123456789012:knowledge-base/KnowledgeBaseId"
]
},
{
"Sid": "GenerateQueryAccess",
"Effect": "Allow",
"Action": [
"bedrock:GenerateQuery",
"sqlworkbench:GetSqlRecommendations"
],
"Resource": "*"
},
{
"Sid": "Retrieve",
"Effect": "Allow",
"Action": [
"bedrock:Retrieve"
],
"Resource": [
"arn:aws:bedrock:us-east-1:123456789012:knowledge-base/KnowledgeBaseId"
]
},
{
"Sid": "RetrieveAndGenerate",
"Effect": "Allow",
"Action": [
"bedrock:RetrieveAndGenerate"
],
"Resource": [
"*"
]
}
]
}
```
------
Sie können Anweisungen entfernen, die Sie je nach Anwendungsfall nicht benötigen:
+ Die `GenerateQuery` Anweisungen `GetKB` und müssen aufgerufen werden, [GenerateQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerateQuery.html)um SQL-Abfragen zu generieren, die Benutzeranfragen und Ihre verbundene Datenquelle berücksichtigen.
+ Die Anweisung `Retrieve` muss [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) aufrufen, um Daten aus Ihrem strukturierten Datenspeicher abzurufen.
+ Die Anweisung `RetrieveAndGenerate` muss [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) aufrufen, um Daten aus Ihrem strukturierten Datenspeicher abzurufen und Antworten basierend auf den Daten zu generieren.
# So fragen Sie eine Wissensdatenbank ab, die mit einem GenAI-Index in Amazon Kendra verbunden ist
Sie können eine Wissensdatenbank abfragen, die einen GenAI-Index in Amazon Kendra verwendet, und nur relevanten Text aus Datenquellen zurückgeben. Senden Sie für diese Abfrage eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)-Anfrage mit einem [Runtime-Endpunkt von Agenten für Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt), z. B. mit einer Standard-Wissensdatenbank.
Die Struktur einer Antwort, die von einer Wissensdatenbank mit einem GenAI-Index in Amazon Kendra zurückgegeben wird, entspricht der eines standardmäßigen [KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html). Die Antwort umfasst jedoch auch einige zusätzliche Felder aus Amazon Kendra.
In der folgenden Tabelle werden die Felder aus Amazon Kendra beschrieben, die Sie möglicherweise in einer zurückgegebenen Antwort sehen. Amazon Bedrock bezieht diese Felder aus der Antwort von Amazon Kendra. Wenn diese Antwort diese Felder nicht enthält, enthält das zurückgegebene Abfrageergebnis von Amazon Bedrock diese Felder auch nicht.
| Feld | Beschreibung |
| --- | --- |
| x-amz-kendra-document-title | Der Titel des zurückgegebenen Dokuments. |
| x-amz-kendra-score-confidence | Eine relative Bewertung, die angibt, wie relevant die Antwort für die Anfrage ist. Mögliche Werte sind VERY\$1HIGH, HIGH, MEDIUM, LOW und NOT\$1AVAILABLE. |
| x-amz-kendra-passage-id | Die ID der zurückgegebenen Passage. |
| x-amz-kendra-dokument-id | Die ID des zurückgegebenen Dokuments. |
| DocumentAttributes | Dokumentattribute oder Metadatenfelder aus Amazon Kendra. Das zurückgegebene Abfrageergebnis aus der Wissensdatenbank speichert diese als Metadaten-Schlüssel-Wert-Paare. Sie können die Ergebnisse mit der Metadatenfilterung von Amazon Bedrock filtern. Weitere Informationen finden Sie unter [DocumentAttribute](https://docs.aws.amazon.com/kendra/latest/APIReference/API_DocumentAttribute.html). |
# So fragen Sie eine Wissensdatenbank ab, die mit einem Diagramm aus Amazon Neptune Analytics verbunden ist
Sie können eine Wissensdatenbank abfragen, die ein Diagramm aus Amazon Neptune Analytics verwendet, und nur relevanten Text aus Datenquellen zurückgeben. Senden Sie für diese Abfrage eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)-Anfrage mit einem [Runtime-Endpunkt von Agenten für Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt), z. B. mit einer Standard-Wissensdatenbank. Informationen zum Abfragen einer Wissensdatenbank und zum Abrufen von Daten und der Generieren von Antworten finden Sie unter:
+ [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md)
+ [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md)
Die Struktur einer Antwort, die von einer Wissensdatenbank mit einem Diagramm aus Amazon Neptune Analytics zurückgegeben wird, entspricht der eines standardmäßigen [KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html). Die Antwort umfasst jedoch auch einige zusätzliche Felder aus Amazon Neptune.
In der folgenden Tabelle werden die Felder aus Neptune Analytics beschrieben, die Sie möglicherweise in einer zurückgegebenen Antwort sehen. Amazon Bedrock bezieht diese Felder aus der Neptune-Analytics-Antwort. Wenn diese Antwort diese Felder nicht enthält, enthält das zurückgegebene Abfrageergebnis von Amazon Bedrock diese Felder auch nicht.
| Feld | Beschreibung |
| --- | --- |
| x-amz-bedrock-kb-source-uri | Die Amazon-S3-URL des zurückgegebenen Dokuments. |
| Bewertung | Ein Distanzmaß, das angibt, wie genau eine Antwort mit der bereitgestellten Abfrage übereinstimmt, wobei niedrigere Werte bessere Übereinstimmungen bedeuten. |
| x-amz-bedrock-kb-data-source-id | Die Kennung der Datenquelle, die für die Wissensdatenbank verwendet wird. |
| x-amz-bedrock-kb-chunk-id | Die ID des Blocks, der verwendet wurde, um die Informationen für die Abfrage abzurufen und die Antwort zu generieren. |
| DocumentAttributes | Dokumentattribute oder Metadatenfelder aus Amazon Kendra. Das zurückgegebene Abfrageergebnis aus der Wissensdatenbank speichert diese als Metadaten-Schlüssel-Wert-Paare. Sie können die Ergebnisse mit der Metadatenfilterung von Amazon Bedrock filtern. |
## Verwenden von Metadaten und Filterung
Wenn Sie die Wissensdatenbank abfragen und Antworten generieren, können Sie nach Metadaten filtern, um relevantere Dokumente zu finden. Sie können beispielsweise nach dem Veröffentlichungsdatum des Dokuments filtern. Sie können hierfür die Amazon-Bedrock-Konsole oder den [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html) der Runtime-API verwenden, der einige allgemeine Filterbedingungen angeben kann.
Im Folgenden finden Sie einige Überlegungen zur Verwendung der `RetrievalFilter`-API für Neptune-Analytics-Diagramme.
+ Die Filter `startsWith` und `listContains` werden nicht unterstützt.
+ Die Listenvariante des `stringContains`-Filters wird nicht unterstützt.
Im Folgenden sehen Sie ein Beispiel:
```
"vectorSearchConfiguration": {
"numberOfResults": 5,
"filter": {
"orAll": [
{
"andAll": [
{
"equals": {
"key": "genre",
"value": "entertainment"
}
},
{
"greaterThan": {
"key": "year",
"value": 2018
}
}
]
},
{
"andAll": [
{
"startsWith": {
"key": "author",
"value": "C"
}
}
]
}
]
}
}
}
```
# So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an
Sie können den Abruf und die Generierung von Antworten konfigurieren und anpassen und so die Relevanz der Antworten weiter verbessern. Sie können beispielsweise Filter auf Dokumentmetadaten anwenden, fields/attributes um die zuletzt aktualisierten Dokumente oder Dokumente mit den letzten Änderungszeiten zu verwenden.
**Anmerkung**
Alle folgenden Konfigurationen, mit Ausnahme von **Orchestrierung und Generierung** sind nur auf unstrukturierte Datenquellen anwendbar.
Wählen Sie eines der folgenden Themen aus, um mehr über diese Konfigurationen in der Konsole oder API zu erfahren:
## Anzahl der Quellblöcke
Wenn Sie eine Wissensdatenbank abfragen, gibt Amazon Bedrock standardmäßig bis zu fünf Ergebnisse in der Antwort zurück. Jedes Ergebnis entspricht einem Quellblock.
**Anmerkung**
Die tatsächliche Anzahl der Ergebnisse in der Antwort kann unter dem angegebenen `numberOfResults`-Wert liegen, da dieser Parameter die maximale Anzahl der zurückzugebenden Ergebnisse festlegt. Wenn Sie hierarchisches Chunking für Ihre Chunking-Strategie konfiguriert haben, entspricht der Parameter `numberOfResults` der Anzahl der untergeordneten Blöcke, die die Wissensdatenbank abrufen wird. Da untergeordnete Blöcke, die denselben übergeordneten Block teilen, in der endgültigen Antwort durch den übergeordneten Block ersetzt werden, kann die Anzahl der zurückgegebenen Ergebnisse geringer sein als die angeforderte Menge.
Wählen Sie die Registerkarte mit Ihrer bevorzugten Methode aus und gehen Sie dann wie folgt vor, um die maximale Anzahl zurückzugebender Ergebnisse zu modifizieren:
------
#### [ Console ]
Folgen Sie den Konsolenschritten unter [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md) oder [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Erweitern Sie im Bereich **Konfigurationen** den Abschnitt **Quellblöcke** und geben Sie die maximale Anzahl an Quellblöcken ein, die zurückgegeben werden sollen.
------
#### [ API ]
Wenn Sie eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)Oder-Anfrage stellen, fügen Sie ein `retrievalConfiguration` Feld hinzu, das einem [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)Objekt zugeordnet ist. Um die Position dieses Feldes zu sehen, konsultieren Sie die Anfragekörper von [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) und [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) in der API-Referenz.
Das folgende JSON-Objekt zeigt die minimalen Felder, die im [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)Objekt erforderlich sind, um die maximale Anzahl zurückzugebender Ergebnisse festzulegen:
```
"retrievalConfiguration": {
"vectorSearchConfiguration": {
"numberOfResults": number
}
}
```
Geben Sie die maximale Anzahl der abgerufenen Ergebnisse an (den `numberOfResults` Bereich der akzeptierten Werte finden Sie im [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)Feld), die in dem `numberOfResults` Feld zurückgegeben werden sollen.
------
## Suchtyp
Der Suchtyp definiert, wie Datenquellen in der Wissensdatenbank abgefragt werden. Mögliche Suchtypen:
**Anmerkung**
Die Hybridsuche wird nur für Amazon RDS-, Amazon OpenSearch Serverless- und MongoDB-Vektorspeicher unterstützt, die ein filterbares Textfeld enthalten. Wenn Sie einen anderen Vektorspeicher verwenden oder Ihr Vektorspeicher kein filterbares Textfeld enthält, verwendet die Abfrage eine semantische Suche.
+ **Standard** – Amazon Bedrock wählt die Suchstrategie für Sie aus.
+ **Hybrid** – Hier werden Vektoreinbettungen (semantische Suche) in Kombination mit Rohtext durchsucht.
+ **Semantisch** – Durchsucht ausschließlich Vektoreinbettungen.
Wählen Sie die Registerkarte mit Ihrer bevorzugten Methode aus und führen Sie dann die Schritte aus, um zu erfahren, wie Sie den Suchtyp definieren:
------
#### [ Console ]
Folgen Sie den Konsolenschritten unter [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md) oder [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Wenn Sie den Bereich **Konfigurationen** öffnen, erweitern Sie den Abschnitt **Suchtyp**, aktivieren dann die Option **Überschreiben der Standardsuche** und wählen eine Option aus.
------
#### [ API ]
Wenn Sie eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)Oder-Anfrage stellen, fügen Sie ein `retrievalConfiguration` Feld hinzu, das einem Objekt zugeordnet ist. [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html) Um die Position dieses Feldes zu sehen, konsultieren Sie die Anfragekörper von [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) und [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) in der API-Referenz.
Das folgende JSON-Objekt zeigt die Mindestfelder, die im [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)Objekt erforderlich sind, um Suchtypkonfigurationen festzulegen:
```
"retrievalConfiguration": {
"vectorSearchConfiguration": {
"overrideSearchType": "HYBRID | SEMANTIC"
}
}
```
Geben Sie den Suchtyp im Feld `overrideSearchType` an. Ihnen stehen folgende Optionen zur Verfügung:
+ Wenn Sie keinen Wert angeben, entscheidet Amazon Bedrock, welche Suchstrategie am besten für Ihre Vektorspeicherkonfiguration geeignet ist.
+ **HYBRID** – Amazon Bedrock fragt die Wissensdatenbank sowohl anhand der Vektoreinbettungen als auch anhand des Rohtextes ab.
+ **SEMANTISCH** – Amazon Bedrock fragt die Wissensdatenbank anhand ihrer Vektoreinbettungen ab.
------
## Streaming
------
#### [ Console ]
Folgen Sie den Konsolenschritten unter [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Wenn Sie den Bereich **Konfigurationen** öffnen, erweitern Sie den Abschnitt **Bevorzugtes Streaming** und aktivieren Sie **Stream-Antwort**.
------
#### [ API ]
Verwenden Sie die [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html)-API, um Antworten zu streamen. Weitere Informationen zum Ausfüllen der Felder finden Sie auf der Registerkarte **API** unter [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md).
------
## Manuelle Metadatenfilterung
Sie können Filter auf Dokumente anwenden fields/attributes , um die Relevanz der Antworten weiter zu verbessern. Ihre Datenquellen können Dokumentmetadaten enthalten attributes/fields , nach denen gefiltert werden kann, und Sie können angeben, welche Felder in die Einbettungen aufgenommen werden sollen.
Beispielsweise steht „epoch\$1modification\$1time“ für die Zeit in Sekunden seit dem 1. Januar 1970 (UTC), als das Dokument zuletzt aktualisiert wurde. Sie können nach den neuesten Daten filtern, wobei „epoch\$1modification\$1time“ *größer als* eine bestimmte Zahl ist. Diese neuesten Dokumente können für die Abfrage verwendet werden.
Überprüfen Sie, ob Ihre Wissensdatenbank die folgenden Anforderungen erfüllt, um bei der Abfrage einer Wissensdatenbank Filter zu verwenden:
+ Bei der Konfiguration Ihres Datenquellen-Connectors crawlen die meisten Connectors durch die wichtigsten Metadatenfelder Ihrer Dokumente. Wenn Sie einen Amazon-S3-Bucket als Datenquelle verwenden, muss der Bucket mindestens einen `fileName.extension.metadata.json` enthalten, der der jeweiligen Datei oder dem Dokument zugeordnet ist. Weitere Informationen zur Konfiguration der Metadatendatei finden Sie in [Konfiguration der Verbindung](s3-data-source-connector.md#configuration-s3-connector) unter **Dokumentmetadatenfelder**.
+ Wenn sich der Vektorindex Ihrer Wissensdatenbank in einem Amazon OpenSearch Serverless Vector Store befindet, überprüfen Sie, ob der Vektorindex mit der `faiss` Engine konfiguriert ist. Wenn der Vektorindex mit der `nmslib`-Engine konfiguriert ist, müssen Sie einen der folgenden Prozesse ausführen:
+ [Erstellen Sie eine neue Wissensdatenbank](knowledge-base-create.md) in der Konsole und lassen Sie Amazon Bedrock automatisch einen Vektorindex in Amazon OpenSearch Serverless für Sie erstellen.
+ [Erstellen Sie einen weiteren Vektorindex](knowledge-base-setup.md) im Vektorspeicher und wählen Sie `faiss` als **Engine** aus. Anschließend [erstellen Sie eine neue Wissensdatenbank](knowledge-base-create.md) und geben den neuen Vektorindex an.
+ Wenn Ihre Wissensdatenbank einen Vektorindex in einem S3-Vektor-Bucket verwendet, können Sie die Filter `stringContains` und `startsWith` nicht verwenden.
+ Wenn Sie Metadaten zu einem bestehenden Vektorindex in einem Datenbank-Cluster unter Amazon Aurora hinzufügen, empfehlen wir, den Feldnamen der benutzerdefinierten Metadatenspalte anzugeben, um alle Ihre Metadaten in einer einzigen Spalte zu speichern. Diese Spalte wird während der [Datenerfassung](kb-data-source-sync-ingest.md) mit allen in den Metadatendateien enthaltenen Informationen aus Ihren Datenquellen gefüllt. Wenn Sie entscheiden, dieses Feld anzugeben, müssen Sie einen Index für diese Spalte erstellen.
+ Wenn Sie in der Konsole [eine neue Wissensdatenbank erstellen](knowledge-base-create.md) und Amazon Bedrock Ihre Amazon-Aurora-Datenbank konfigurieren lassen, wird automatisch eine einzelne Spalte erstellt und mit den Informationen aus Ihren Metadatendateien befüllt.
+ Wenn Sie entscheiden, [einen weiteren Vektorindex im Vektorspeicher zu erstellen](knowledge-base-setup.md), müssen Sie den Namen des benutzerdefinierten Metadatenfeldes angeben, um Informationen aus Ihren Metadatendateien zu speichern. Wenn Sie diesen Feldnamen nicht angeben, müssen Sie für jedes Metadatenattribut in Ihren Dateien eine Spalte erstellen und den Datentyp (Text, Zahl oder boolescher Wert) angeben. Wenn das Attribut `genre` beispielsweise in Ihrer Datenquelle vorhanden ist, würden Sie eine Spalte mit dem Namen `genre` und der Angabe `text` als Datentyp hinzufügen. Während der Aufnahme werden diese separaten Spalten mit den entsprechenden Attributwerten gefüllt.
*Wenn Sie PDF-Dokumente in Ihrer Datenquelle haben und Amazon OpenSearch Serverless für Ihren Vector Store verwenden: Die Amazon Bedrock-Wissensdatenbanken generieren Seitenzahlen von Dokumenten und speichern sie in Metadaten field/attribute namens x-amz-bedrock-kb -. document-page-number* Beachten Sie, dass Seitenzahlen, die in einem Metadatenfeld gespeichert sind, nicht unterstützt werden, wenn Sie für Ihre Dokumente kein Chunking auswählen.
Sie können die folgenden Filteroperatoren verwenden, um bei der Abfrage die Ergebnisse zu filtern:
**Filtern von Operatoren**
| Operator | Konsole | API-Filtername | Unterstützte Attributdatentypen | Gefilterte Ergebnisse |
| --- | --- | --- | --- | --- |
| Gleich | = | [equals](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-equals) | Zeichenfolge, Zahl, boolescher Wert | Das Attribut entspricht dem von Ihnen angegebenen Wert |
| Ungleich | \$1= | [notEquals](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-notEquals) | Zeichenfolge, Zahl, boolescher Wert | Das Attribut entspricht nicht dem von Ihnen angegebenen Wert |
| Größer als | > | [Größer als](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-greaterThan) | number | Das Attribut ist größer als der von Ihnen angegebene Wert |
| Größer als oder gleich | >= | [greaterThanOrGleichwertig](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-greaterThanOrEquals) | number | Das Attribut ist größer als oder gleich dem von Ihnen angegebenen Wert |
| Kleiner als | < | [Weniger als](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-lessThan) | number | Das Attribut ist kleiner als der von Ihnen angegebene Wert |
| Kleiner als oder gleich | <= | [lessThanOrGleichwertig](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-lessThanOrEquals) | number | Das Attribut ist kleiner als der oder gleich dem von Ihnen angegebenen Wert |
| In | : | [in](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-in) | Zeichenfolgenliste | Das Attribut befindet sich in der von Ihnen bereitgestellten Liste (wird derzeit am besten von Amazon OpenSearch Serverless und Neptune Analytics GraphRag Vector Stores unterstützt) |
| NOT IN | \$1: | [Nicht eingeschrieben](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-notIn) | Zeichenfolgenliste | Das Attribut ist nicht in der von Ihnen angegebenen Liste enthalten (wird derzeit am besten von Amazon OpenSearch Serverless und Neptune Analytics GraphRag Vector Stores unterstützt) |
| Zeichenfolge enthält | Nicht verfügbar | [stringContains](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-stringContains) | Zeichenfolge | Das Attribut muss eine Zeichenfolge sein. Der Attributname entspricht dem Schlüssel und dessen Wert ist eine Zeichenfolge, die den Wert enthält, den Sie als Teilzeichenfolge angegeben haben, oder eine Liste mit einem Mitglied, das den Wert enthält, den Sie als Teilzeichenfolge angegeben haben (derzeit am besten unterstützt mit Amazon OpenSearch Serverless Vector Store). Der GraphRag-Vektorspeicher von Neptune Analytics unterstützt die String-Variante, aber nicht die Listenvariante dieses Filters). |
| Liste enthält | Nicht verfügbar | [listContains](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-listContains) | Zeichenfolge | Das Attribut muss eine Zeichenfolgenliste sein. Der Attributname entspricht dem Schlüssel und dessen Wert ist eine Liste, die den Wert enthält, den Sie als eines seiner Mitglieder angegeben haben (derzeit am besten mit Amazon OpenSearch Serverless Vector Stores unterstützt). |
Sie können die folgenden logischen Operatoren verwenden, um Filteroperatoren zu kombinieren:
**Logische Operatoren**
| Operator | Konsole | API-Filterfeldname | Gefilterte Ergebnisse |
| --- | --- | --- | --- |
| Bedingung 2 | und | [andAll](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-andAll) | Die Ergebnisse erfüllen alle Filterausdrücke in der Gruppe |
| Oder | oder | [orAll](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-orAll) | Die Ergebnisse erfüllen mindestens einen der Filterausdrücke in der Gruppe |
Wählen Sie den Tab für Ihre bevorzugte Methode aus und führen Sie dann die Schritte aus, um zu erfahren, wie Sie Ergebnisse mithilfe von Metadaten filtern:
------
#### [ Console ]
Folgen Sie den Konsolenschritten unter [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md) oder [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Wenn Sie den Bereich **Konfigurationen** öffnen, wird ein **Filterabschnitt** angezeigt. Die folgenden Verfahren beschreiben verschiedene Anwendungsfälle:
+ Um einen Filter hinzuzufügen, erstellen Sie einen Filterausdruck, indem Sie ein Metadatenattribut, einen Filteroperator und einen Wert in das Feld eingeben. Trennen Sie die einzelnen Teile des Ausdrucks mit Leerzeichen. Drücken Sie die **Eingabetaste**, um den Filter hinzuzufügen.
Eine Liste der akzeptierten Filteroperatoren finden Sie in der Tabelle mit den **Filteroperatoren** oben. Sie können auch eine Liste der Filteroperatoren anzeigen, indem Sie nach dem Metadatenattribut ein Leerzeichen hinzufügen.
**Anmerkung**
Sie müssen Zeichenfolgen in Anführungszeichen setzen.
Sie können beispielsweise nach Ergebnissen aus Quelldokumenten filtern, die ein `genre`-Metadatenattribut enthalten, dessen Wert `"entertainment"` ist, indem Sie den folgenden Filter hinzufügen: **genre = "entertainment"**.
![\[So fügen Sie einen einzelnen Filter hinzu.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-one.png)
+ Um einen weiteren Filter hinzuzufügen, geben Sie einen weiteren Filterausdruck in das Feld ein und drücken die **Eingabetaste**. Sie können bis zu 5 Filter zu der Gruppe hinzufügen.
![\[So fügen Sie einen weiteren Filter hinzu.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-more.png)
+ Standardmäßig gibt die Abfrage Ergebnisse zurück, die alle von Ihnen angegebenen Filterausdrücke erfüllen. Um Ergebnisse zurückzugeben, die mindestens einen der Filterausdrücke erfüllen, klicken Sie auf das Dropdownmenü **AND** zwischen zwei beliebigen Filtervorgängen und klicken Sie dann auf **OR**.
![\[So ändern Sie die logische Operation zwischen Filtern.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-logical.png)
+ Um verschiedene logische Operatoren zu kombinieren, wählen Sie **\$1 Gruppe hinzufügen** aus, um eine Filtergruppe hinzuzufügen. Geben Sie Filterausdrücke in die neue Gruppe ein. Sie können bis zu 5 Filtergruppen hinzufügen.
![\[Fügen Sie eine Filtergruppe hinzu, um verschiedene logische Operatoren zu kombinieren.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-group.png)
+ Um den logischen Operator zu ändern, der zwischen allen Filtergruppen verwendet wird, wählen Sie das **AND**-Dropdown-Menü zwischen zwei beliebigen Filtergruppen aus und wählen dann **OR** aus.
![\[So ändern Sie die logische Operation zwischen Filtergruppen.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-group-logical.png)
+ Um einen Filter zu bearbeiten, wählen Sie ihn aus, modifizieren den Filtervorgang und klicken dann auf **Anwenden**.
![\[Bearbeiten Sie einen Filter.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-edit.png)
+ Um eine Filtergruppe zu entfernen, klicken Sie auf das Papierkorbsymbol (![\[Trapezoid-shaped diagram showing data flow from source to destination through AWS Transfer Family.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/trash.png)) neben der Gruppe. Um einen Filter zu entfernen, klicken Sie auf das Löschsymbol (![\[Close or cancel icon represented by an "X" symbol.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/icons/close.png)) neben dem Filter.
![\[So löschen Sie einen Filter oder eine Filtergruppe.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-delete.png)
In der folgenden Abbildung sehen Sie ein Beispiel für eine Filterkonfiguration, mit der alle Dokumente zurückgegeben werden, die nach **2018** geschrieben wurden und deren Genre **"entertainment"** ist sowie Dokumente, deren Genre **"cooking"** oder **"sports"** ist und deren Autor mit**"C"** beginnt.
![\[Beispiel für eine Filterkonfiguration.\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/images/kb/filter-example.png)
------
#### [ API ]
Wenn Sie eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)Oder-Anfrage stellen, fügen Sie ein `retrievalConfiguration` Feld hinzu, das einem Objekt zugeordnet ist [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html). Um die Position dieses Feldes zu sehen, konsultieren Sie die Anfragekörper von [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) und [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) in der API-Referenz.
Die folgenden JSON-Objekte zeigen die Mindestfelder, die im [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)Objekt erforderlich sind, um Filter für verschiedene Anwendungsfälle festzulegen:
1. So verwenden Sie einen einzelnen Filteroperator (siehe Tabelle mit **Filteroperatoren** oben).
```
"retrievalConfiguration": {
"vectorSearchConfiguration": {
"filter": {
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
}
}
}
}
```
1. Verwenden Sie einen logischen Operator (siehe Tabelle mit **logischen Operatoren** oben), um bis zu 5 Operatoren zu kombinieren.
```
"retrievalConfiguration": {
"vectorSearchConfiguration": {
"filter": {
"andAll | orAll": [
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
...
]
}
}
}
```
1. Verwenden Sie einen logischen Operator, um bis zu 5 Filteroperatoren zu einer Filtergruppe zu kombinieren, und einen zweiten logischen Operator, um diese Filtergruppe mit einem anderen Filteroperator zu kombinieren.
```
"retrievalConfiguration": {
"vectorSearchConfiguration": {
"filter": {
"andAll | orAll": [
"andAll | orAll": [
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
...
],
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
}
]
}
}
}
```
1. So kombinieren Sie bis zu 5 Filtergruppen, indem Sie sie in einen anderen logischen Operator einbetten. Sie können eine Einbettungsstufe erstellen.
```
"retrievalConfiguration": {
"vectorSearchConfiguration": {
"filter": {
"andAll | orAll": [
"andAll | orAll": [
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
...
],
"andAll | orAll": [
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
"": {
"key": "string",
"value": "string" | number | boolean | ["string", "string", ...]
},
...
]
]
}
}
}
```
In der folgenden Tabelle werden die möglichen Filtertypen beschrieben:
****
| Feld | Unterstützte Wertdatentypen | Gefilterte Ergebnisse |
| --- | --- | --- |
| equals | Zeichenfolge, Zahl, boolescher Wert | Das Attribut entspricht dem von Ihnen angegebenen Wert |
| notEquals | Zeichenfolge, Zahl, boolescher Wert | Das Attribut entspricht nicht dem von Ihnen angegebenen Wert |
| greaterThan | number | Das Attribut ist größer als der von Ihnen angegebene Wert |
| greaterThanOrEquals | number | Das Attribut ist größer als oder gleich dem von Ihnen angegebenen Wert |
| lessThan | number | Das Attribut ist kleiner als der von Ihnen angegebene Wert |
| lessThanOrEquals | number | Das Attribut ist kleiner als der oder gleich dem von Ihnen angegebenen Wert |
| in | Liste von Zeichenfolgen | Das Attribut ist in der von Ihnen bereitgestellten Liste |
| notIn | Liste von Zeichenfolgen | Das Attribut ist nicht in der von Ihnen bereitgestellten Liste |
| startsWith | Zeichenfolge | Das Attribut beginnt mit der von Ihnen angegebenen Zeichenfolge (wird nur für Amazon OpenSearch Serverless Vector Stores unterstützt) |
Sie können die folgenden logischen Operatoren verwenden, um Filtertypen zu kombinieren:
****
| Feld | Zugeordnet zu | Gefilterte Ergebnisse |
| --- | --- | --- |
| andAll | Liste mit bis zu 5 Filtertypen | Die Ergebnisse erfüllen alle Filterausdrücke in der Gruppe |
| orAll | Liste mit bis zu 5 Filtertypen | Die Ergebnisse erfüllen mindestens einen der Filterausdrücke in der Gruppe |
Beispiele finden [Sie unter Eine Abfrage senden und Filter einschließen (Abrufen)](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html#API_agent-runtime_Retrieve_Example_2) und [Eine Abfrage senden und Filter einschließen (RetrieveAndGenerate)](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html#API_agent-runtime_RetrieveAndGenerate_Example_2).
------
## Implizite Metadatenfilterung
Amazon Bedrock Knowledge Base generiert einen Abruffilter und wendet diesen anhand der Benutzerabfrage und eines Metadatenschemas an.
**Anmerkung**
Dieses Feature funktioniert derzeit nur mit Anthropic Claude 3.5 Sonnet.
Die `implicitFilterConfiguration` ist im Hauptteil der `vectorSearchConfiguration` in der [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)-Anfrage angegeben. Schließen Sie die folgenden Felder mit ein:
+ `metadataAttributes` – Geben Sie in diesem Array Schemas an, die Metadatenattribute beschreiben, für die das Modell einen Filter generiert.
+ `modelArn` – Der ARN des zu verwendenden Modells.
Im Folgenden wird ein Beispiel für Metadatenschemas gezeigt, die Sie dem Array unter `metadataAttributes` hinzufügen können.
```
[
{
"key": "company",
"type": "STRING",
"description": "The full name of the company. E.g. `Amazon.com, Inc.`, `Alphabet Inc.`, etc"
},
{
"key": "ticker",
"type": "STRING",
"description": "The ticker name of a company in the stock market, e.g. AMZN, AAPL"
},
{
"key": "pe_ratio",
"type": "NUMBER",
"description": "The price to earning ratio of the company. This is a measure of valuation of a company. The lower the pe ratio, the company stock is considered chearper."
},
{
"key": "is_us_company",
"type": "BOOLEAN",
"description": "Indicates whether the company is a US company."
},
{
"key": "tags",
"type": "STRING_LIST",
"description": "Tags of the company, indicating its main business. E.g. `E-commerce`, `Search engine`, `Artificial intelligence`, `Cloud computing`, etc"
}
]
```
## Integritätsschutz
Sie können für Ihre Wissensdatenbank Schutzmaßnahmen für Ihre Anwendungsfälle und verantwortungsvolle KI-Richtlinien implementieren. Sie können mehrere Integritätsschutzmaßnahmen treffen, die auf verschiedene Anwendungsfälle zugeschnitten sind, und sie auf mehrere Anfrage- und Antwortbedingungen anwenden, um eine konsistente Benutzerumgebung zu gewährleisten und die Sicherheitskontrollen in Ihrer gesamten Wissensdatenbank zu standardisieren. Sie können abgelehnte Themen so konfigurieren, dass unerwünschte Themen und Inhaltsfilter schädliche Inhalte in Modelleingaben und -antworten blockieren. Weitere Informationen finden Sie unter [So erkennen und filtern Sie schädliche Inhalte mithilfe vom Integritätsschutz für Amazon Bedrock](guardrails.md).
**Anmerkung**
Die Verwendung eines Integritätsschutzes mit kontextueller Begründungsprüfung für Wissensdatenbanken wird aktuell in Claude 3 Sonnet und Haiku nicht unterstützt.
Allgemeine Leitfäden zum Prompt-Engineering finden Sie unter [Prompt-Engineering-Konzepte](prompt-engineering-guidelines.md).
Wählen Sie die Registerkarte für Ihre bevorzugte Methode aus und befolgen Sie die angegebenen Schritte:
------
#### [ Console ]
Folgen Sie den Konsolenschritten unter [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md) oder [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Aktivieren Sie im Testfenster die Option **Antworten generieren**. Erweitern Sie dann im Bereich **Konfigurationen** den Abschnitt **Integritätsschutz**.
1. Wählen Sie im Abschnitt **Integritätsschutz** den **Namen** und die **Version** Ihres Integritätsschutzes aus. Wenn Sie die Details für Ihren ausgewählten Integritätsschutz und die Version anzeigen möchten, klicken Sie auf **Anzeigen**.
Alternativ können Sie eine neue Rolle erstellen, indem Sie den Link **Integritätsschutz** auswählen.
1. Wenn Sie mit der Bearbeitung fertig sind, wählen Sie **Save changes (Änderungen speichern)**. Wenn Sie den Bildschirm verlassen möchten, ohne Änderungen zu speichern, klicken Sie auf **Änderungen verwerfen**.
------
#### [ API ]
Wenn Sie eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)-Anfrage stellen, fügen Sie das Feld `guardrailConfiguration` innerhalb der `generationConfiguration` ein, um Ihren Integritätsschutz mit der Anfrage zu verwenden. Um die Position dieses Feldes zu sehen, konsultieren Sie die Anfragekörper [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) in der API-Referenz.
Das folgende JSON-Objekt zeigt die Mindestanzahl der Felder, die [GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html)zum Einstellen von erforderlich sind`guardrailConfiguration`:
```
"generationConfiguration": {
"guardrailConfiguration": {
"guardrailId": "string",
"guardrailVersion": "string"
}
}
```
Geben Sie die `guardrailId` und `guardrailVersion` Ihres ausgewählten Integritätsschutzes an.
------
## Neueinstufung
Sie können ein Reranker-Modell verwenden, um Ergebnisse aus einer Wissensdatenbankabfrage neu einzustufen. Folgen Sie den Konsolenschritten unter [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md) oder [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Wenn Sie den Bereich **Konfigurationen** öffnen, erweitern Sie den Abschnitt **Neueinstufung**. Wählen Sie ein Reranker-Modell aus, aktualisieren Sie die Berechtigungen falls erforderlich und modifizieren Sie bei Bedarf weitere Optionen. Geben Sie einen Prompt ein und klicken Sie auf **Ausführen**, um die Ergebnisse nach der Neueinstufung zu testen.
## Abfragenzerlegung
Die Abfragezerlegung wird verwendet, um komplexe Abfragen in kleinere, einfacher zu handhabende Unterabfragen aufzuteilen. Dieser Ansatz kann dabei helfen, genauere und relevantere Informationen abzurufen – insbesondere dann, wenn die ursprüngliche Abfrage vielschichtig oder zu allgemein formuliert ist. Die Aktivierung dieser Option kann dazu führen, dass mehrere Abfragen in Ihrer Wissensdatenbank ausgeführt werden, was zu einer genaueren endgültigen Antwort beitragen kann.
Beispielsweise kann bei einer Frage wie „Wer hat mehr Tore bei der FIFA-Weltmeisterschaft 2022 geschossen – Argentinien oder Frankreich?“ könnte Wissensdatenbanken für Amazon Bedrock zunächst die folgenden Teilabfragen generieren, bevor eine endgültige Antwort erstellt wird:**
1. *Wie viele Tore hat Argentinien im Finale der FIFA-Weltmeisterschaft 2022 geschossen?*
1. *Wie viele Tore hat Frankreich im Finale der FIFA-Weltmeisterschaft 2022 geschossen?*
------
#### [ Console ]
1. So erstellen und synchronisieren Sie eine Datenquelle oder verwenden eine vorhandene Wissensdatenbank.
1. Navigieren Sie zum Testfenster und öffnen Sie den Konfigurationsbereich.
1. Aktivieren Sie die Zerlegung von Abfragen.
------
#### [ API ]
```
POST /retrieveAndGenerate HTTP/1.1
Content-type: application/json
{
"input": {
"text": "string"
},
"retrieveAndGenerateConfiguration": {
"knowledgeBaseConfiguration": {
"orchestrationConfiguration": { // Query decomposition
"queryTransformationConfiguration": {
"type": "string" // enum of QUERY_DECOMPOSITION
}
},
...}
}
```
------
## Inferenzparameter
Beim Generieren von Antworten auf Grundlage abgerufener Informationen können Sie [Inferenzparameter](inference-parameters.md) verwenden, um mehr Kontrolle über das Verhalten des Modells während der Inferenz zu erhalten und dessen Ausgaben gezielt zu beeinflussen.
Wählen Sie den Tab für Ihre bevorzugte Methode aus und führen Sie dann die Schritte aus, um zu erfahren, wie Sie die Inferenzparameter modifizieren können:
------
#### [ Console ]
**So modifizieren Sie Inferenzparameter bei der Abfrage einer Wissensdatenbank** – folgen Sie den Konsolenanweisungen unter [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md) oder [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Wenn Sie den Bereich **Konfigurationen** öffnen, wird ein **Inferenzparameterabschnitt** angezeigt. Ändern Sie die Parameter nach Bedarf.
**So modifizieren Sie die Inferenzparameter beim Chatten mit Ihrem Dokument** – Folgen Sie den Schritten unter [So chatten Sie mit Ihrem Dokument, ohne dass eine Wissensdatenbank konfiguriert ist](knowledge-base-chatdoc.md). Erweitern Sie im Bereich **Konfigurationen** den Abschnitt **Inferenzparameter** und modifizieren Sie die Parameter nach Bedarf.
------
#### [ API ]
Die Modellparameter geben Sie im Aufruf an die [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)-API an. Sie können das Modell anpassen, indem Sie Inferenzparameter entweder im `inferenceConfig` Feld der `knowledgeBaseConfiguration` (falls Sie eine Wissensdatenbank abfragen) oder im Feld `externalSourcesConfiguration` (wenn Sie [mit Ihrem Dokument chatten](knowledge-base-chatdoc.md)) angeben.
Innerhalb des `inferenceConfig`-Felds gibt es ein `textInferenceConfig`-Feld, das die folgenden Parameter enthält, die Sie verwenden können:
+ temperature
+ topP
+ maxTokenCount
+ stopSequences
Sie können das Modell anpassen, indem Sie die folgenden Parameter im `inferenceConfig`-Feld von `externalSourcesConfiguration` und `knowledgeBaseConfiguration` verwenden:
+ temperature
+ topP
+ maxTokenCount
+ stopSequences
Eine ausführliche Erläuterung der Funktion der einzelnen Parameter finden Sie unter [So beeinflussen Sie die Antwortgenerierung mit Inferenzparametern](inference-parameters.md).
Darüber hinaus können Sie benutzerdefinierte Parameter angeben, die nicht von `textInferenceConfig` über die `additionalModelRequestFields`-Zuweisung unterstützt werden. Mit diesem Argument können Sie für bestimmte Modelle eindeutige Parameter angeben. Informationen zu den eindeutigen Parametern finden Sie unter [Inferenzanforderungsparameter und Antwortfelder für Basismodelle](model-parameters.md).
Wenn ein Parameter bei `textInferenceConfig` ausgelassen wird, wird ein Standardwert verwendet. Alle Parameter werden ignoriert, die unter `textInferneceConfig` nicht erkannt werden, während alle Parameter unter `AdditionalModelRequestFields` nicht erkannt werden, eine Ausnahme auslösen.
Eine Validierungsausnahme wird ausgelöst, wenn derselbe Parameter unter `additionalModelRequestFields` und `TextInferenceConfig` vorhanden ist.
**Verwenden von Modellparametern in RetrieveAndGenerate**
Im Folgenden finden Sie ein Beispiel für die Struktur von `inferenceConfig` und `additionalModelRequestFields` unter der `generationConfiguration` im Anforderungstext `RetrieveAndGenerate`:
```
"inferenceConfig": {
"textInferenceConfig": {
"temperature": 0.5,
"topP": 0.5,
"maxTokens": 2048,
"stopSequences": ["\nObservation"]
}
},
"additionalModelRequestFields": {
"top_k": 50
}
```
Im folgenden Beispiel wird ein `temperature`-Wert von 0,5, ein `top_p`-Wert von 0,5 und ein `maxTokens`-Wert von 2 048 festgelegt. Die Generierung wird beendet, wenn die Zeichenfolge „\$1nObservation“ in der generierten Antwort erscheint, und übergibt einen benutzerdefinierten `top_k`-Wert von 50.
------
## Vorlagen für Wissensdatenbank-Prompts: Orchestrierung und Generierung
Wenn Sie eine Wissensdatenbank abfragen und die Generierung einer Antwort anfordern, verwendet Amazon Bedrock eine Prompt-Vorlage, die Anweisungen und Kontext mit der Benutzerabfrage kombiniert, um den Prompt zur Generierung zu erstellen, der an das Modell zur Antworterstellung gesendet wird. Sie können auch den Orchestrierungs-Prompt anpassen, der den Benutzer-Prompt in eine Suchabfrage umwandelt. Sie können die Prompt-Vorlagen mit den folgenden Tools gestalten:
+ **Prompt-Platzhalter** – Vordefinierte Variablen in Wissensdatenbanken für Amazon Bedrock, die zur Laufzeit während einer Wissensdatenbankabfrage dynamisch befüllt werden. Im System-Prompt sehen Sie diese Platzhalter, die von dem Symbol `$` umgeben sind. In der folgenden Liste werden die Platzhalter beschrieben, die Sie verwenden können:
**Anmerkung**
Der Platzhalter `$output_format_instructions$` ist ein Pflichtfeld, damit Zitate in der Antwort angezeigt werden können.
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/bedrock/latest/userguide/kb-test-config.html)
+ **XML-Tags** – Anthropic-Modelle unterstützen die Verwendung von XML-Tags zur Strukturierung und Abgrenzung Ihrer Prompts. Verwenden Sie aussagekräftige Tag-Namen, um optimale Ergebnisse zu erzielen. Beispielsweise sehen Sie im Standardsystem-Prompt das ``-Tag, das verwendet wird, um eine Datenbank zuvor gestellter Fragen abzugrenzen. Weitere Informationen finden Sie im [Anthropic-Benutzerhandbuch](https://docs.anthropic.com/en/docs/welcome) unter [Verwenden von XML-Tags](https://docs.anthropic.com/claude/docs/use-xml-tags).
Allgemeine Leitfäden zum Prompt-Engineering finden Sie unter [Prompt-Engineering-Konzepte](prompt-engineering-guidelines.md).
Wählen Sie die Registerkarte für Ihre bevorzugte Methode aus und befolgen Sie die angegebenen Schritte:
------
#### [ Console ]
Folgen Sie den Konsolenschritten unter [Abrufen einer Wissensdatenbank und Datenabruf](kb-test-retrieve.md) oder [So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten](kb-test-retrieve-generate.md). Aktivieren Sie im Testfenster die Option **Antworten generieren**. Erweitern Sie dann im Bereich **Konfigurationen** den Abschnitt **Wissensdatenbank-Promptvorlage**.
1. Klicken Sie auf **Bearbeiten**.
1. Bearbeiten Sie den System-Prompt im Texteditor, einschließlich der Prompt-Platzhalter und XML-Tags, falls erforderlich. Klicken Sie auf **Auf Standard zurücksetzen**, um zur Standard-Prompt-Vorlage zurückzukehren.
1. Wenn Sie mit der Bearbeitung fertig sind, wählen Sie **Save changes (Änderungen speichern)**. Klicken Sie auf **Änderungen verwerfen**, um den System-Prompt zu verlassen, ohne die Änderungen zu speichern.
------
#### [ API ]
Wenn Sie eine [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)Anfrage stellen, fügen Sie ein `generationConfiguration` Feld hinzu, das einem [GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html)Objekt zugeordnet ist. Um die Position dieses Feldes zu sehen, konsultieren Sie die Anfragekörper [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) in der API-Referenz.
Das folgende JSON-Objekt zeigt die minimalen Felder, die im [GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html)Objekt erforderlich sind, um die maximale Anzahl der zurückzugebenden abgerufenen Ergebnisse festzulegen:
```
"generationConfiguration": {
"promptTemplate": {
"textPromptTemplate": "string"
}
}
```
Geben Sie Ihre benutzerdefinierte Prompt-Vorlage in das Feld `textPromptTemplate` ein, einschließlich der Prompt-Platzhalter und XML-Tags, falls erforderlich. Die maximale Anzahl von Zeichen, die in der Systemeingabeaufforderung zulässig sind, finden Sie im `textPromptTemplate` Feld unter [GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html).
------
# So konfigurieren Sie die Antwortgenerierung für Argumentationsmodelle mit Knowledge Bases
Bestimmte Basismodelle können Modellargumentationen durchführen. Das bedeutet, dass sie eine größere, komplexe Aufgabe in kleinere, einfachere Schritte zerlegt. Dieser Prozess, häufig als Chain-of-Thought-(CoT)-Argumentation bezeichnet, kann die Modellgenauigkeit verbessern, indem dem Modell die Möglichkeit gegeben wird, nachzudenken, bevor es antwortet. Modellargumentation eignet sich am besten für Aufgaben wie mehrstufige Analysen, mathematische Probleme und komplexe Argumentationsaufgaben. Weitere Informationen finden Sie unter [So verbessern Sie die Modellantworten mit Modellargumentation](inference-reasoning.md).
**Anmerkung**
Auf dieser Seite wird beschrieben, wie Sie die Argumentationskonfiguration speziell für Wissensdatenbanken für Amazon Bedrock verwenden. Informationen zur Argumentationskonfiguration für den direkten Modellaufruf mithilfe der `InvokeModel`-API finden Sie unter [So verbessern Sie die Modellantworten mit Modellargumentation](inference-reasoning.md).
Wenn die Modellargumentation aktiviert ist, kann dies zu einer höheren Genauigkeit und besseren Zitationsergebnissen führen, jedoch auch zu einer Erhöhung der Latenz. Im Folgenden finden Sie einige Überlegungen, wenn Sie die Datenquellen abfragen und Antworten mithilfe von Argumentationsmodellen mit Wissensdatenbanken für Amazon Bedrock generieren.
**Topics**
+ [Argumentationsmodelle](#kb-test-reasoning-models)
+ [Verwenden der Modellargumentation für Claude 3.7 Sonnet](#kb-test-reasoning-using)
+ [Allgemeine Überlegungen](#kb-test-reasoning-general-considerations)
+ [Überlegungen zum Abrufen und Generieren von APIs](#kb-test-reasoning-api-considerations)
## Argumentationsmodelle
Modellargumentation ist für die folgenden Modelle verfügbar.
| Basismodell | Modell-ID | Anzahl der Token | Argumentationskonfiguration |
| --- | --- | --- | --- |
| Anthropic Claude Opus 4 | anthropic.claude-opus-4-20250514-v1:0 | Dieses Modell wird 32 768 Token haben, was sowohl Ausgabe- als auch Argumentationstoken beinhaltet. | Die Argumentation kann für dieses Modell mithilfe eines konfigurierbaren Token-Budgets aktiviert oder deaktiviert werden. Standardmäßig ist die Argumentation deaktiviert. |
| Anthropic Claude Sonnet 4 | anthropic.claude-sonnet-4-20250514-v1:0 | Dieses Modell wird 65 536 Token haben, was sowohl Ausgabe- als auch Argumentationstoken beinhaltet. | Die Argumentation kann für dieses Modell mithilfe eines konfigurierbaren Token-Budgets aktiviert oder deaktiviert werden. Standardmäßig ist die Argumentation deaktiviert. |
| Anthropic Claude 3.7 Sonnet | anthropic.claude-3-7-sonnet-20250219-v1:0 | Dieses Modell wird 65 536 Token haben, was sowohl Ausgabe- als auch Argumentationstoken beinhaltet. | Die Argumentation kann für dieses Modell mithilfe eines konfigurierbaren Token-Budgets aktiviert oder deaktiviert werden. Standardmäßig ist die Argumentation deaktiviert. |
| DeepSeek DeepSeek-R1 | deepseek.r1-v1:0 | Dieses Modell wird über 8 192 Token verfügen, was sowohl Ausgabe- als auch Argumentationstoken beinhaltet. Die Anzahl der Denk-Token kann nicht konfiguriert werden und die maximale Anzahl von Ausgabetoken darf nicht größer als 8 192 sein. | Argumentation ist für dieses Modell immer aktiviert. Das Modell unterstützt keine Umschaltung der Argumentationsfähigkeit. |
## Verwenden der Modellargumentation für Claude 3.7 Sonnet
**Anmerkung**
Modellargumentation ist für das DeepSeek-R1-Modell immer aktiviert. Das Modell unterstützt keine Umschaltung der Argumentationsfähigkeit.
Bei Verwendung des Claude-3.7-Sonnet-Modells kann die Modellargumentation mithilfe des `additionalModelRequestFields`-Parameters der [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)-API aktiviert oder deaktiviert werden. Dieser Parameter akzeptiert alle Schlüssel-Wert-Paare. Sie können beispielsweise ein `reasoningConfig`-Feld hinzufügen und einen `type`-Schlüssel verwenden, um die Argumentation zu aktivieren oder zu deaktivieren, wie unten gezeigt.
```
{
"input": {
"text": "string",
"retrieveAndGenerateConfiguration": {
"knowledgeBaseConfiguration": {
"generationConfiguration": {
"additionalModelRequestFields": {
"reasoningConfig" : {
"type": "enabled",
"budget_tokens": INT_VAL, #required when enabled
}
}
},
"knowledgeBaseId": "string",
},
"type": "string"
},
"sessionId": "string"
}
```
## Allgemeine Überlegungen
Im Folgenden finden Sie einige allgemeine Überlegungen zur Verwendung der Argumentationsmodelle für Knowledge Bases.
+ Die Argumentationsmodelle haben bis zu fünf Minuten Zeit, um auf eine Anfrage zu antworten. Wenn das Modell mehr als fünf Minuten benötigt, um die Abfrage zu beantworten, führt dies zu einem Timeout.
+ Um zu vermeiden, dass das Zeitlimit von fünf Minuten überschritten wird, wird die Modellargumentation nur im Generierungsschritt aktiviert, wenn Sie Ihre Abfragen und die Generierung von Antworten konfigurieren. Der Orchestrierungsschritt kann keine Modellargumentation beinhalten.
+ Die Argumentationsmodelle können bis zu 8 192 Token verwenden, um auf Anfragen zu antworten. Dazu gehören sowohl die Ausgabe- als auch die Denktoken. Jede Anfrage, die eine maximale Anzahl von Ausgabetoken über diesem Grenzwert anfordert, führt zu einem Fehler.
## Überlegungen zum Abrufen und Generieren von APIs
Im Folgenden finden Sie einige Überlegungen zur Verwendung der [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)-API für die Argumentationsmodelle.
+ Wenn die Argumentation für alle Modelle – Einschließlich des Claude-3.7-Sonnet-Modells – Deaktiviert ist, wird die Temperatur standardmäßig auf Null gesetzt. Wenn die Argumentation aktiviert ist, muss die Temperatur auf eins gesetzt werden.
```
"inferenceConfig": {
"textInferenceConfig": {
"maxTokens": 8192,
"temperature": 1
}
}
```
+ Der Parameter Top P muss deaktiviert sein, wenn die Argumentation für das Claude-3.7-Sonnet-Modell aktiviert ist. Top P ist ein zusätzliches Modellanforderungsfeld, das das Perzentil der möglichen Token bestimmt, aus denen bei der Generierung ausgewählt werden kann. Standardmäßig beträgt der Top-P-Wert für andere Anthropic-Claude-Modelle eins. Für das Modell Claude 3.7 Sonnet ist dieser Wert standardmäßig deaktiviert.
+ Wenn die Modellargumentation verwendet wird, kann dies zu einer Erhöhung der Latenz führen. Bei der Verwendung dieser API-Operation und der [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html)-API-Operation kann es zu einer Verzögerung beim Empfang der Antwort von der API kommen.