Prérequis pour votre propre magasin de vecteurs pour une base de connaissances

1. Pour configurer les autorisations et créer une collection de recherche vectorielle dans Amazon OpenSearch Serverless dans le AWS Management Console, suivez les étapes 1 et 2 de la section Utilisation des collections de recherche vectorielle dans le manuel Amazon OpenSearch Service Developer Guide. Tenez compte des considérations suivantes lors de la configuration de votre collection :

   1. Donnez à la collection un nom et une description de votre choix.

   2. Pour rendre votre collection privée, sélectionnez Création standard dans la section Sécurité. Ensuite, dans la section Paramètres d'accès au réseau, sélectionnez VPC comme type d'accès et choisissez un point de terminaison VPC. Pour plus d'informations sur la configuration d'un point de terminaison VPC pour une collection Amazon Serverless, consultez Access Amazon OpenSearch OpenSearch Serverless à l'aide d'un point de terminaison d'interface ()AWS PrivateLink dans le manuel Amazon OpenSearch Service Developer Guide.

2. Une fois la collection créée, prenez note de l'ARN de la collection lorsque vous créez la base de connaissances.

3. Dans le volet de navigation de gauche, sélectionnez Collections sous Serverless. Sélectionnez ensuite votre collection de recherche vectorielle.

4. Sélectionnez l'onglet Indexes. Choisissez ensuite Créer un index vectoriel.

5. Dans la section Détails de l'index vectoriel, entrez le nom de votre index dans le champ Nom de l'index vectoriel.

6. Dans la section Champs vectoriels, choisissez Ajouter un champ vectoriel. Amazon Bedrock stocke les intégrations vectorielles de votre source de données dans ce champ. Fournissez les configurations suivantes :

   • Nom du champ vectoriel — Donnez un nom au champ (par exemple,embeddings).

   • Moteur — Le moteur vectoriel utilisé pour la recherche. Sélectionnez Faiss.

   • Dimensions : nombre de dimensions du vecteur. Reportez-vous au tableau suivant pour déterminer le nombre de dimensions que le vecteur doit contenir :

     Modèle	Dimensions
     Titan Intégrations G1 - Texte	1 536
     Titan Embeddings V2 - Texte	1,024
     Cohere Embed Anglais	1,024
     Cohere Embed Multilingue	1,024

   • Métrique de distance : métrique utilisée pour mesurer la similarité entre les vecteurs. Nous vous recommandons d'utiliser Euclidean.

7. Développez la section Gestion des métadonnées et ajoutez deux champs pour configurer l'index vectoriel afin de stocker des métadonnées supplémentaires qu'une base de connaissances peut récupérer à l'aide de vecteurs. Le tableau suivant décrit les champs et les valeurs à spécifier pour chaque champ :

   Description du champ	Champ de mappage	Type de données	Filtrable
   Amazon Bedrock découpe le texte brut de vos données et stocke les fragments dans ce champ.	Nom de votre choix (par exemple,text)	Chaîne	True
   Amazon Bedrock stocke les métadonnées relatives à votre base de connaissances dans ce domaine.	Nom de votre choix (par exemple,bedrock-metadata)	Chaîne	False

8. Prenez note des noms que vous choisissez pour le nom de l'index vectoriel, le nom du champ vectoriel et les noms des champs de mappage de gestion des métadonnées lorsque vous créez votre base de connaissances. Ensuite, choisissez Créer.

1. Créez un cluster, un schéma et une table de base de données (DB) Amazon Aurora en suivant les étapes décrites dans la section Utilisation d'Aurora PostgreSQL comme base de connaissances. Lorsque vous créez la table, configurez-la avec les colonnes et types de données suivants. Vous pouvez utiliser les noms de colonne de votre choix au lieu de ceux répertoriés dans le tableau suivant. Prenez note des noms de colonne que vous choisissez afin de pouvoir les fournir lors de la configuration de la base de connaissances.

   Nom de la colonne	Type de données	Champ correspondant dans la configuration de la base de connaissances (console)	Champ correspondant dans la configuration de la base de connaissances (API)	Description
   id	Clé primaire UUID	Clé primaire	primaryKeyField	Contient des identifiants uniques pour chaque enregistrement.
   embedding	Vector	Champ vectoriel	vectorField	Contient les intégrations vectorielles des sources de données.
   morceaux	Texte	Champ de texte	textField	Contient les segments de texte brut provenant de vos sources de données.
   métadonnées	JSON	Champ de métadonnées géré par Bedrock	metadataField	Contient les métadonnées nécessaires pour effectuer l’attribution de la source et pour permettre l’ingestion et l’interrogation des données

2. (Facultatif) Si vous avez ajouté des métadonnées à vos fichiers à des fins de filtrage, vous devez également créer une colonne pour chaque attribut de métadonnées de vos fichiers et spécifier le type de données (texte, nombre ou booléen). Par exemple, si l'attribut genre existe dans votre source de données, vous devez ajouter une colonne nommée genre et spécifier text comme type de données. Lors de l'ingestion des données, ces colonnes seront remplies avec les valeurs d'attribut correspondantes.

3. Configurez un AWS Secrets Manager secret pour votre cluster de base de données Aurora en suivant les étapes décrites dans Gestion des mots de passe avec Amazon Aurora et AWS Secrets Manager.

4. Prenez note des informations suivantes après avoir le votre cluster de bases de données et après avoir configuré le secret.

   Champ dans la configuration de la base de connaissances (console)	Champ dans la configuration de la base de connaissances (API)	Description
   ARN du cluster de bases de données Amazon Aurora	resourceArn	ARN du cluster de bases de données.
   Nom de base de données	databaseName	Nom de la base de données.
   Nom de la table	tableName	Nom de la table dans le cluster de bases de données
   ARN du secret	credentialsSecretArn	L'ARN de la AWS Secrets Manager clé pour votre cluster de base de données

Pour définir un secret pour votre Pinecone configuration

1. Suivez les étapes décrites dans Créer un AWS Secrets Manager secret, en définissant la clé apiKey et la valeur comme clé d'API pour accéder à votre Pinecone indice.

2. Pour trouver votre clé d’API, ouvrez la console Pinecone et sélectionnez Clés d’API.

3. Après avoir créé le secret, prenez note de l’ARN de la clé KMS.

4. Associez des autorisations à votre fonction du service pour déchiffrer l’ARN de la clé KMS en suivant les étapes décrites dans Autorisations permettant de déchiffrer un AWS Secrets Manager secret pour le magasin de vecteurs contenant votre base de connaissances.

5. Ultérieurement, lorsque vous créerez votre base de connaissances, entrez l’ARN dans le champ ARN secret des informations d’identification.

Pour définir un secret pour votre Redis Enterprise Cloud configuration

1. Activez TLS pour utiliser la base de données avec Amazon Bedrock en suivant les étapes décrites dans Transport Layer Security (TLS).

2. Suivez les étapes décrites dans la section Créer un AWS Secrets Manager secret. Configurez les touches suivantes avec les valeurs appropriées de votre Redis Enterprise Cloud configuration dans le secret :

   • username— Le nom d'utilisateur pour accéder à votre Redis Enterprise Cloud base de données. Pour trouver votre nom d’utilisateur, consultez la section Sécurité de votre base de données dans la console Redis.

   • password— Le mot de passe pour accéder à votre Redis Enterprise Cloud base de données. Pour trouver votre mot de passe, consultez la section Sécurité de votre base de données dans la console Redis.

   • serverCertificate : contenu du certificat délivré par l’autorité de certification Redis Cloud. Téléchargez le certificat de serveur depuis la console d’administration Redis en suivant les étapes de la section Télécharger les certificats.

   • clientPrivateKey : clé privée du certificat délivré par l’autorité de certification Redis Cloud. Téléchargez le certificat de serveur depuis la console d’administration Redis en suivant les étapes de la section Télécharger les certificats.

   • clientCertificate : clé publique du certificat délivré par l’autorité de certification Redis Cloud. Téléchargez le certificat de serveur depuis la console d’administration Redis en suivant les étapes de la section Télécharger les certificats.

3. Après avoir créé le secret, prenez note de son ARN. Ultérieurement, lorsque vous créerez votre base de connaissances, entrez l’ARN dans le champ ARN secret des informations d’identification.