Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Sincronización de los datos con la base de conocimientos de Amazon Bedrock
Tras crear la base de conocimientos, puede ingerir o sincronizar los datos para poder consultarlos. La ingesta convierte los datos sin procesar del origen de datos en incrustaciones vectoriales, según el modelo de incrustaciones vectoriales y las configuraciones que haya especificado.
Antes de iniciar la ingesta, compruebe que el origen de datos cumpla las siguientes condiciones:
-
Se ha configurado la información de conexión del origen de datos. Para configurar un conector de origen de datos para que rastree los datos del repositorio de orígenes de datos, consulte Supported data source connectors. Se ha configurado el origen de datos como parte de los pasos de creación de la base de conocimientos.
-
Se ha configurado el modelo de incrustación vectorial y el almacén vectorial elegidos. Consulte los modelos de incrustaciones vectoriales compatibles y los almacenes vectoriales para bases de conocimientos. Se han configurado las incrustaciones vectoriales como parte de los pasos de creación de la base de conocimientos.
-
Los archivos son del formato admitido. Para obtener más información, consulte Formatos de documentos admitidos.
-
Los archivos no deben superar el Tamaño del archivo de trabajo de ingesta especificado en los Amazon Bedrock endpoints and quotas en la Referencia general de AWS.
-
Si el origen de datos contiene archivos de metadatos, compruebe las siguientes condiciones para asegurarse de que no se omitan los archivos de metadatos:
-
Cada archivo
.metadata.jsoncomparte el mismo nombre y extensión que el archivo de origen al que está asociado. -
Si el índice vectorial de su base de conocimientos se encuentra en un almacén vectorial de Amazon OpenSearch Serverless, compruebe que el índice vectorial esté configurado con el
faissmotor. Si el índice vectorial está configurado con el motornmslib, deberá realizar una de las siguientes acciones:-
Cree una nueva base de conocimientos en la consola y deje que Amazon Bedrock cree automáticamente un índice vectorial en Amazon OpenSearch Serverless por usted.
-
Crear otro índice vectorial en el almacén vectorial y seleccionar
faisscomo el motor. A continuación, cree una nueva base de conocimientos y especifique el nuevo índice vectorial.
-
-
Si el índice vectorial de la base de conocimiento se encuentra en un clúster de bases de datos de Amazon Aurora, le recomendamos que utilice el campo de metadatos personalizado para almacenar todos los metadatos en una sola columna y crear un índice en esa columna. Si no proporciona el campo de metadatos personalizado, compruebe que la tabla del índice contenga una columna para cada propiedad de metadatos de los archivos de metadatos antes de iniciar la ingesta. Para obtener más información, consulte Requisitos previos para usar un almacén de vectores que haya creado para una base de conocimiento.
-
Cada vez que añada, modifique o elimine archivos del origen de datos, debe sincronizar el origen de datos para volver a indexarlo en la base de conocimientos. La sincronización es incremental, por lo que Amazon Bedrock solo procesa los documentos añadidos, modificados o eliminados desde la última sincronización.
Cómo gestiona una base de conocimientos las resincronizaciones
Cada vez que añada, modifique o elimine archivos de la fuente de datos, debe sincronizar la fuente de datos para volver a indexarla en la base de conocimientos. La sincronización es incremental, por lo que Amazon Bedrock procesa solo los documentos que se han agregado, modificado o eliminado desde la última sincronización. Al sincronizar una fuente de datos, Amazon Bedrock vuelve a ingerir los documentos para garantizar la precisión y la coherencia. La reingestión incluye el análisis, la fragmentación, la generación de incrustaciones y la indexación en el almacén vectorial.
| Escenario | ¿Qué sucede? |
|---|---|
| No se detectaron cambios | Se omite el documento. |
| El contenido o los metadatos han cambiado | El documento se vuelve a ingerir (se vuelve a analizar, se vuelve a segmentar, se vuelve a incrustar y se vuelve a indexar). |
| Se ha añadido un nuevo documento | Solo se ingiere el documento nuevo. |
| Documento eliminado | El documento se elimina del almacén de vectores. |
Optimización solo con metadatos
En algunos casos, Amazon Bedrock puede actualizar los metadatos sin volver a ingerir el documento asociado a ese archivo de metadatos. Esta optimización recupera las incrustaciones vectoriales existentes del almacén de vectores, fusiona los nuevos metadatos y vuelve a escribir las incrustaciones actualizadas, lo que evita tener que recurrir al modelo de incrustación.
Esta optimización solo se aplica cuando se cumplen todas las condiciones siguientes:
-
Solo se modifican los
metadata.jsonarchivos. No se modifica ningún archivo de contenido. -
Los archivos de contenido asociados no son archivos CSV.
-
La fuente de datos no utiliza una función Lambda de transformación personalizada.
Comportamiento de reingestión de archivos CSV
Los archivos CSV utilizan el documentStructureConfiguration campo de los metadatos para controlar qué columnas se indexan. Como Amazon Bedrock no puede determinar si esta configuración estructural ha cambiado sin volver a procesar el archivo, los archivos CSV siempre se vuelven a ingerir cuando se actualizan sus archivos de metadatos.
Para obtener más información sobre cómo ingerir los datos en la base de conocimiento y sincronizarlos con los datos más recientes, seleccione la pestaña correspondiente al método que prefiera y siga estos pasos:
