Récupérez des données et générez des réponses basées sur l'IA avec les bases de connaissances Amazon Bedrock - Amazon Bedrock

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.

Récupérez des données et générez des réponses basées sur l'IA avec les bases de connaissances Amazon Bedrock

Bien que les modèles de base aient des connaissances générales, vous pouvez encore améliorer leurs réponses en utilisant la génération augmentée de récupération (RAG). Le RAG est une technique qui utilise des informations provenant de sources de données pour améliorer la pertinence et la précision des réponses générées. Avec les bases de connaissances Amazon Bedrock, vous pouvez intégrer des informations propriétaires dans vos applications d'IA générative. Lorsqu'une requête est effectuée, une base de connaissances effectue une recherche dans vos données afin de trouver les informations pertinentes pour répondre à la requête. Les informations récupérées peuvent ensuite être utilisées pour améliorer les réponses générées. Vous pouvez créer votre propre application basée sur RAG en utilisant les fonctionnalités des bases de connaissances Amazon Bedrock.

Avec les bases de connaissances Amazon Bedrock, vous pouvez :

  • Répondez aux requêtes des utilisateurs en renvoyant des informations pertinentes provenant de sources de données.

  • Utilisez les informations extraites des sources de données pour générer une réponse précise et pertinente aux requêtes des utilisateurs.

  • Augmentez vos propres instructions en y introduisant les informations pertinentes renvoyées.

  • Incluez des citations dans la réponse générée afin que la source de données d'origine puisse être référencée et que l'exactitude puisse être vérifiée.

  • Incluez des documents contenant de nombreuses ressources visuelles, à partir desquels des images peuvent être extraites et récupérées en réponse à des requêtes. Si vous générez une réponse basée sur les données récupérées, le modèle peut fournir des informations supplémentaires basées sur ces images.

  • Convertissez le langage naturel en requêtes (telles que les requêtes SQL) personnalisées pour les bases de données structurées. Ces requêtes sont utilisées pour récupérer des données à partir de magasins de données structurés.

  • Mettez à jour vos sources de données et intégrez les modifications directement dans la base de connaissances afin qu'elles soient immédiatement accessibles.

  • Utilisez des modèles de reclassement pour influencer les résultats extraits de votre source de données.

  • Intégrez la base de connaissances dans un flux de travail Amazon Bedrock Agents.

Pour configurer une base de connaissances, vous devez suivre les étapes générales suivantes :

  1. (Facultatif) Si vous connectez votre base de connaissances à une source de données non structurée, configurez votre propre magasin vectoriel pris en charge pour indexer la représentation vectorielle incorporée de vos données. Vous pouvez ignorer cette étape si vous envisagez d'utiliser la console Amazon Bedrock pour créer une boutique vectorielle Amazon OpenSearch Serverless pour vous.

  2. Connectez votre base de connaissances à une source de données non structurée ou structurée.

  3. Synchronisez votre source de données avec votre base de connaissances.

  4. Configurez votre application ou votre agent pour effectuer les opérations suivantes :

    • Interrogez la base de connaissances et renvoyez les sources pertinentes.

    • Interrogez la base de connaissances et générez des réponses en langage naturel en fonction des résultats obtenus.

    • (Si vous interrogez une base de connaissances connectée à un magasin de données structurées) Transformez une requête en une requête spécifique au langage de données structurées (telle qu'une requête SQL).

Rubriques