Cree una base de conocimientos en Amazon Bedrock Knowledge Bases - Amazon Bedrock

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.

Cree una base de conocimientos en Amazon Bedrock Knowledge Bases

Las bases de conocimiento de Amazon Bedrock le permiten integrar información patentada en sus aplicaciones de IA generativa para crear soluciones de generación aumentada de recuperación (). RAG Una base de conocimientos busca en sus datos la información más útil y puede utilizarla para responder a preguntas sobre lenguaje natural.

nota

No puede crear una base de conocimientos con un usuario raíz. Inicie sesión con un IAM usuario antes de iniciar estos pasos.

Al crear una base de conocimientos, se configuran las configuraciones y los permisos de la base de conocimientos, se elige una fuente de datos a la que conectarse, el modelo de incrustaciones para convertir los datos en incrustaciones y el almacén de vectores para conservar las incrustaciones vectoriales. Elija la pestaña del método que prefiera y, a continuación, siga estos pasos:

Console
Para configurar las configuraciones y los permisos de una base de conocimientos

  1. Inicie sesión en el AWS Management Console uso de un IAMrol con los permisos de Amazon Bedrock y abra la consola de Amazon Bedrock en. https://console.aws.amazon.com/bedrock/

  2. En el panel de navegación izquierdo, elija Bases de conocimiento.

  3. En la sección Bases de conocimiento, selecciona el botón de creación.

  4. (Opcional) Cambie el nombre predeterminado y proporcione una descripción para su base de conocimientos.

  5. Elija un rol AWS Identity and Access Management (IAM) que otorgue permiso a Amazon Bedrock para acceder a otros AWS servicios obligatorios. Puede dejar que Amazon Bedrock cree el rol de servicio o elegir un rol personalizado que haya creado.

  6. Elija una fuente de datos a la que conectar su base de conocimientos.

  7. (Opcional) Añada etiquetas a la base de conocimientos. Para obtener más información, consulte Etiquetado de los recursos de Amazon Bedrock.

  8. (Opcional) Configure los servicios para entregar registros de actividad para su base de conocimientos.

  9. Vaya a la siguiente sección y siga los pasos que se indican Conecte una fuente de datos a su base de conocimientos para configurar una fuente de datos.

  10. Elija un modelo de incrustaciones para convertir sus datos en incrustaciones vectoriales.

  11. (Opcional) Amplíe la sección Configuraciones adicionales para ver las siguientes opciones de configuración (no todos los modelos admiten todas las configuraciones):

  12. Elija un almacén de vectores para almacenar las incrustaciones vectoriales que se utilizarán en la consulta. Dispone de las opciones siguientes:

    • Cree rápidamente una nueva tienda de vectores: elija una de las tiendas de vectores disponibles para que Amazon Bedrock la cree.

      • Amazon OpenSearch Serverless — Amazon Bedrock Knowledge Bases crea un índice y una colección de búsquedas vectoriales de Amazon OpenSearch Serverless y los configura automáticamente con los campos obligatorios.

      • Amazon Aurora Postgre SQL Serverless: Amazon Bedrock configura un almacén vectorial Amazon Aurora SQL Postgre Serverless. Este proceso toma datos de texto no estructurados de un bucket de Amazon S3, los transforma en fragmentos de texto y vectores y, a continuación, los almacena en una base de datos de SQL Postgre. Para obtener más información, consulte Creación rápida de una base de SQL conocimientos de Aurora Postgre para Amazon Bedrock.

      • Amazon Neptune Analytics: Amazon Bedrock utiliza técnicas de generación aumentada de recuperación (RAG) combinadas con gráficos para mejorar las aplicaciones de IA generativa, de modo que los usuarios finales puedan obtener respuestas más precisas y completas.

    • Elija un almacén vectorial que haya creado: seleccione un almacén vectorial compatible e identifique los nombres de los campos vectoriales y los nombres de los campos de metadatos en el índice vectorial. Para obtener más información, consulte Requisitos previos para usar un almacén vectorial propio para una base de conocimientos.

      nota

      Si tu fuente de datos es una instancia de Confluence SharePoint, Microsoft o Salesforce, el único servicio de almacén vectorial compatible es Amazon OpenSearch Serverless.

  13. Si su fuente de datos contiene imágenes, especifique un Amazon S3 URI en el que almacenar las imágenes que el analizador extraerá de los datos. Las imágenes se pueden devolver durante la consulta.

    nota

    Los datos multimodales solo se admiten con Amazon S3 y las fuentes de datos personalizadas.

  14. Compruebe los detalles de su base de conocimientos. Puede editar cualquier sección antes de continuar con la creación de la base de conocimientos.

    nota

    El tiempo que tarde en crearse la base de conocimientos dependerá de las configuraciones específicas. Una vez finalizada la creación de la base de conocimientos, su estado cambiará a Lista o Disponible.

    Cuando la base de conocimientos esté lista y disponible, sincronice el origen de datos por primera vez y siempre que desee mantener el contenido actualizado. Seleccione la base de conocimientos en la consola y Sincronizar en la sección de información general del origen de datos.

API

Para crear una base de conocimientos, envíe una CreateKnowledgeBasesolicitud con un punto final de tiempo de compilación de Agents for Amazon Bedrock.

nota

Si se está conectando a una fuente de datos no estructurada y prefiere dejar que Amazon Bedrock cree y gestione un almacén vectorial para usted en Amazon OpenSearch Service, utilice la consola. Para obtener más información, consulte Cree una base de conocimientos en Amazon Bedrock Knowledge Bases.

Los siguientes campos son obligatorios:

Campo Descripción básica
nombre Un nombre para la base de conocimientos
roleArn El ARN de un rol de servicio de base de conocimientos.
knowledgeBaseConfiguration Contiene configuraciones para la base de conocimientos. Consulte los detalles a continuación.
storageConfiguration (Solo es necesario si se está conectando a una fuente de datos no estructurada).Contiene las configuraciones para el servicio de fuente de datos que elija.

En elknowledgeBaseConfiguration, especifique la fuente type de datos a la que planea conectar la base de conocimientos y, a continuación, especifique el modelo ARN de incrustación que va a utilizar y sus configuraciones. Para obtener más información, consulte VectorKnowledgeBaseConfiguration. Puede especificar los siguientes tipos:

  • VECTOR— Para fuentes de datos no estructuradas. Especifique el modelo ARN de incrustación que se va a utilizar y las configuraciones correspondientes. Para obtener más información, consulte VectorKnowledgeBaseConfiguration.

  • STRUCTURED— Para almacenes de datos estructurados. Especifique el tipo de banco de datos estructurado que se va a utilizar y las configuraciones de ese banco de datos.

Los siguientes campos son opcionales:

Campo Caso de uso
description Una descripción de la base de conocimientos.
clientToken Para garantizar que la API solicitud se complete solo una vez. Para obtener más información, consulte Ensuring idempotency.
tags Para asociar etiquetas con el flujo. Para obtener más información, consulte Etiquetado de los recursos de Amazon Bedrock.

El knowledgeBaseConfiguration campo se asigna a un KnowledgeBaseConfigurationobjeto. En él, especifique VECTOR en el type campo. En el VectorKnowledgeBaseConfiguration, especifique el modelo ARN de incrustación que se va a utilizar y sus configuraciones.

El storageConfiguration campo se asigna a un StorageConfigurationobjeto. En él, especifique el almacén de vectores al que se va a conectar en el type campo e incluya el campo que corresponda a ese almacén de vectores. Consulte cada tipo de configuración de almacén de vectores en StorageConfigurationpara obtener detalles sobre la información que debe proporcionar.

Temas