Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Les bases de connaissances Amazon Bedrock vous permettent d'intégrer des informations propriétaires dans vos applications d'IA générative afin de créer des solutions de génération augmentée () de récupération. RAG Une base de connaissances recherche dans vos données les informations les plus utiles et peut les utiliser pour répondre à des questions en langage naturel.
Note
Vous ne pouvez pas créer une base de connaissances avec un utilisateur root. Connectez-vous avec un IAM utilisateur avant de commencer ces étapes.
Lorsque vous créez une base de connaissances, vous définissez les configurations et les autorisations de la base de connaissances, vous choisissez une source de données à laquelle vous souhaitez vous connecter, le modèle d'intégration pour convertir les données en intégrations et le magasin de vecteurs pour conserver les intégrations vectorielles. Choisissez l'onglet correspondant à votre méthode préférée, puis suivez les étapes suivantes :
Pour configurer les configurations et les autorisations d'une base de connaissances
-
Connectez-vous à l' AWS Management Console aide d'un IAMrôle avec les autorisations Amazon Bedrock et ouvrez la console Amazon Bedrock à l'adresse. https://console.aws.amazon.com/bedrock/
-
Dans le volet de navigation de gauche, sélectionnez Knowledge bases.
-
Dans la section Bases de connaissances, sélectionnez le bouton Créer.
-
(Facultatif) Modifiez le nom par défaut et fournissez une description de votre base de connaissances.
-
Choisissez un rôle AWS Identity and Access Management (IAM) qui autorise Amazon Bedrock à accéder aux autres AWS services requis. Vous pouvez laisser Amazon Bedrock créer le rôle de service ou choisir un rôle personnalisé que vous avez créé.
-
Choisissez une source de données à laquelle connecter votre base de connaissances.
-
(Facultatif) Ajoutez des balises à votre base de connaissances. Pour de plus amples informations, veuillez consulter Marquer les ressources Amazon Bedrock.
-
(Facultatif) Configurez les services pour lesquels vous souhaitez fournir des journaux d'activité pour votre base de connaissances.
-
Passez à la section suivante et suivez les étapes décrites Connect une source de données à votre base de connaissances pour configurer une source de données.
-
Choisissez un modèle d'intégration pour convertir vos données en intégrations vectorielles.
-
(Facultatif) Développez la section Configurations supplémentaires pour voir les options de configuration suivantes (tous les modèles ne prennent pas en charge toutes les configurations) :
-
Type d'intégration : s'il faut convertir les données en intégrations vectorielles à virgule flottante (float32) (plus précises, mais plus coûteuses) ou en intégrations vectorielles binaires (moins précises, mais moins coûteuses). Pour savoir quels modèles d'intégration prennent en charge les vecteurs binaires, reportez-vous à la section Modèles d'intégration pris en charge.
-
Dimensions du vecteur : des valeurs plus élevées améliorent la précision, mais augmentent le coût et la latence.
-
-
Choisissez un magasin vectoriel pour stocker les intégrations vectorielles qui seront utilisées pour la requête. Vous avez les options suivantes :
-
Créez rapidement une nouvelle boutique vectorielle : choisissez l'une des boutiques vectorielles disponibles pour Amazon Bedrock.
-
Amazon OpenSearch Serverless — Amazon Bedrock Knowledge Bases crée une collection et un index de recherche vectorielle Amazon OpenSearch Serverless et les configure avec les champs obligatoires pour vous.
-
Amazon Aurora Postgre SQL Serverless — Amazon Bedrock met en place une boutique vectorielle Amazon Aurora Postgre SQL Serverless. Ce processus extrait les données texte non structurées d'un compartiment Amazon S3, les transforme en fragments de texte et en vecteurs, puis les stocke dans une base de données SQL Postgre. Pour plus d'informations, consultez Création rapide d'une base de SQL connaissances Aurora Postgre pour Amazon Bedrock.
-
Amazon Neptune Analytics — Amazon Bedrock utilise des techniques de génération augmentée (RAG) de récupération associées à des graphiques pour améliorer les applications d'IA générative afin que les utilisateurs finaux puissent obtenir des réponses plus précises et complètes.
-
-
Choisissez un magasin de vecteurs que vous avez créé : sélectionnez un magasin de vecteurs pris en charge et identifiez les noms des champs vectoriels et les noms des champs de métadonnées dans l'index vectoriel. Pour de plus amples informations, veuillez consulter Prérequis pour votre propre magasin de vecteurs pour une base de connaissances.
Note
Si votre source de données est une instance Confluence, Microsoft ou Salesforce SharePoint, le seul service de boutique vectorielle pris en charge est Amazon OpenSearch Serverless.
-
-
Si votre source de données contient des images, spécifiez un Amazon S3 URI dans lequel stocker les images que l'analyseur va extraire des données. Les images peuvent être renvoyées lors de la requête.
Note
Les données multimodales ne sont prises en charge qu'avec Amazon S3 et les sources de données personnalisées.
-
Consultez les détails de votre base de connaissances. Vous pouvez modifier n'importe quelle section avant de créer votre base de connaissances.
Note
Le temps nécessaire à la création de la base de connaissances dépend de vos configurations spécifiques. Lorsque la création de la base de connaissances est terminée, le statut de la base de connaissances change pour indiquer qu'elle est prête ou disponible.
Une fois que votre base de connaissances est prête et disponible, synchronisez votre source de données pour la première fois et chaque fois que vous souhaitez maintenir votre contenu à jour. Sélectionnez votre base de connaissances dans la console et sélectionnez Synchroniser dans la section de présentation des sources de données.