Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Konfigurasi kueri
Anda dapat memodifikasi konfigurasi saat Anda menanyakan basis pengetahuan untuk menyesuaikan pengambilan dan pembuatan respons. Untuk mempelajari lebih lanjut tentang konfigurasi dan cara memodifikasinya di konsol atau API, pilih dari topik berikut.
Jenis pencarian menentukan bagaimana sumber data dalam basis pengetahuan ditanyakan. Jenis pencarian berikut dimungkinkan:
-
Default — Amazon Bedrock memutuskan strategi pencarian untuk Anda.
-
Hybrid — Menggabungkan embeddings vektor pencarian (pencarian semantik) dengan mencari melalui teks mentah. Pencarian hibrida saat ini hanya didukung untuk penyimpanan vektor Amazon OpenSearch Tanpa Server yang berisi bidang teks yang dapat difilter. Jika Anda menggunakan penyimpanan vektor yang berbeda atau penyimpanan vektor Amazon OpenSearch Tanpa Server Anda tidak berisi bidang teks yang dapat difilter, kueri menggunakan penelusuran semantik.
-
Semantik — Hanya mencari embeddings vektor.
Untuk mempelajari cara menentukan jenis pencarian, pilih tab yang sesuai dengan metode pilihan Anda dan ikuti langkah-langkahnya.
Dekomposisi kueri adalah teknik yang digunakan untuk memecah kueri kompleks menjadi sub-kueri yang lebih kecil dan lebih mudah dikelola. Pendekatan ini dapat membantu dalam mengambil informasi yang lebih akurat dan relevan, terutama ketika kueri awal multifaset atau terlalu luas. Mengaktifkan opsi ini dapat mengakibatkan beberapa kueri dieksekusi terhadap Basis Pengetahuan Anda, yang dapat membantu dalam respons akhir yang lebih akurat.
Misalnya, untuk pertanyaan seperti “Siapa yang mencetak gol lebih tinggi di Piala Dunia FIFA 2022, Argentina atau Prancis?” , Basis pengetahuan Amazon Bedrock pertama-tama dapat menghasilkan sub-kueri berikut, sebelum menghasilkan jawaban akhir:
-
Berapa banyak gol yang dicetak Argentina di final Piala Dunia FIFA 2022?
-
Berapa banyak gol yang dicetak Prancis di final Piala Dunia FIFA 2022?
Saat menghasilkan respons berdasarkan pengambilan informasi, Anda dapat menggunakan parameter inferensi untuk mendapatkan kontrol lebih besar atas perilaku model selama inferensi dan memengaruhi keluaran model. Untuk mempelajari cara memodifikasi parameter inferensi, pilih tab yang sesuai dengan metode pilihan Anda dan ikuti langkah-langkahnya.
Saat Anda menanyakan basis pengetahuan, Amazon Bedrock mengembalikan hingga lima hasil dalam respons secara default. Setiap hasil sesuai dengan potongan sumber. Untuk mengubah jumlah hasil maksimum yang akan dikembalikan, pilih tab yang sesuai dengan metode pilihan Anda dan ikuti langkah-langkahnya.
Sumber data Anda dapat menyertakan atribut/bidang metadata dokumen untuk difilter seperti “last_updated” atau jumlah hari sejak dokumen terakhir diperbarui dari tanggal saat ini. Untuk menggunakan filter saat menanyakan basis pengetahuan, periksa apakah basis pengetahuan Anda memenuhi persyaratan berikut:
-
Saat mengonfigurasi konektor sumber data Anda, sebagian besar konektor merayapi fitur metadata utama dokumen Anda. Jika menggunakan bucket Amazon S3 sebagai sumber data Anda, bucket harus menyertakan setidaknya satu
.metadata.json
file dengan nama yang sama dengan dokumen sumber yang terkait dengannya. -
Jika indeks vektor basis pengetahuan Anda ada di penyimpanan vektor Amazon OpenSearch Tanpa Server, periksa apakah indeks vektor dikonfigurasi dengan mesin.
faiss
Jika indeks vektor dikonfigurasi dengannmslib
mesin, Anda harus melakukan salah satu hal berikut:-
Buat basis pengetahuan baru di konsol dan biarkan Amazon Bedrock secara otomatis membuat indeks vektor di Amazon OpenSearch Tanpa Server untuk Anda.
-
Buat indeks vektor lain di toko vektor dan pilih
faiss
sebagai Mesin. Kemudian Buat basis pengetahuan baru dan tentukan indeks vektor baru.
-
Anda dapat menggunakan operator pemfilteran berikut untuk memfilter hasil saat Anda melakukan kueri:
Operator penyaringan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Operator | Konsol | Nama filter API | Tipe data atribut yang didukung | Hasil yang difilter | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Setara | = | sama | string, nomor, boolean | Atribut cocok dengan nilai yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tidak sama | != | CatatanQuals | string, nomor, boolean | Atribut tidak cocok dengan nilai yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Lebih besar dari | > | GreaterThan | number | Atribut lebih besar dari nilai yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Lebih besar dari atau sama | >= | greaterThanOrSama dengan | number | Atribut lebih besar dari atau sama dengan nilai yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Kurang dari | < | Kurang dari | number | Atribut kurang dari nilai yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Kurang dari atau sama | <= | lessThanOrSama dengan | number | Atribut kurang dari atau sama dengan nilai yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Masuk | : | di | daftar string | Atribut ada dalam daftar yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tidak di | !: | TidakIn | daftar string | Atribut tidak ada dalam daftar yang Anda berikan | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Starts with | ^ | MulaiDengan | string | Atribut dimulai dengan string yang Anda berikan (hanya didukung untuk penyimpanan vektor Amazon OpenSearch Tanpa Server) |
Untuk menggabungkan operator penyaringan, Anda dapat menggunakan operator logis berikut:
Untuk mempelajari cara memfilter hasil menggunakan metadata, pilih tab yang sesuai dengan metode pilihan Anda dan ikuti langkah-langkahnya.
Saat Anda menanyakan basis pengetahuan dan pembuatan respons permintaan, Amazon Bedrock menggunakan templat prompt yang menggabungkan instruksi dan konteks dengan kueri pengguna untuk membuat prompt yang dikirim ke model untuk pembuatan respons. Anda dapat merekayasa template prompt dengan alat-alat berikut:
-
Placeholder prompt — Variabel yang telah ditentukan sebelumnya dalam basis Pengetahuan untuk Amazon Bedrock yang diisi secara dinamis saat runtime selama kueri basis pengetahuan. Dalam prompt sistem, Anda akan melihat placeholder ini dikelilingi oleh simbol.
$
Daftar berikut menjelaskan placeholder yang dapat Anda gunakan:Variabel Digantikan oleh Model Diperlukan? $pertanyaan$ Kueri pengguna dikirim ke basis pengetahuan. AnthropicClaude Instant, Anthropic Claude v2.x Ya Anthropic Claude 3 Sonnet Tidak (secara otomatis disertakan dalam input model) $search_results$ Hasil yang diambil untuk kueri pengguna. Semua Ya $output_format_instruksi$ Instruksi yang mendasari untuk memformat generasi respons dan kutipan. Berbeda dengan model. Jika Anda menentukan instruksi pemformatan Anda sendiri, kami sarankan Anda menghapus placeholder ini. Tanpa placeholder ini, respons tidak akan berisi kutipan. Semua Tidak $current_time$ Waktu saat ini. Semua Tidak -
Tag Anthropic XML—model mendukung penggunaan tag XMLuntuk menyusun dan menggambarkan petunjuk Anda. Gunakan nama tag deskriptif untuk hasil yang optimal. Misalnya, dalam prompt sistem default, Anda akan melihat
<database>
tag yang digunakan untuk menggambarkan database pertanyaan yang diajukan sebelumnya). Untuk informasi selengkapnya, lihat Menggunakan tag XMLdipanduan Anthropic pengguna .
Untuk pedoman teknik cepat umum, lihat Pedoman rekayasa yang cepat.
Pilih tab yang sesuai dengan metode pilihan Anda dan ikuti langkah-langkahnya.
Anda dapat menerapkan perlindungan untuk basis pengetahuan Anda untuk kasus penggunaan dan kebijakan AI yang bertanggung jawab. Anda dapat membuat beberapa pagar pembatas yang disesuaikan dengan kasus penggunaan yang berbeda dan menerapkannya di beberapa kondisi permintaan dan respons, memberikan pengalaman pengguna yang konsisten dan menstandarisasi kontrol keselamatan di seluruh basis pengetahuan Anda. Anda dapat mengonfigurasi topik yang ditolak untuk melarang topik dan filter konten yang tidak diinginkan untuk memblokir konten berbahaya dalam input dan tanggapan model. Untuk informasi selengkapnya, lihat Pagar pembatas untuk Amazon Bedrock.
catatan
Menggunakan pagar pembatas dengan landasan kontekstual untuk basis pengetahuan saat ini tidak didukung pada Claude 3 Soneta dan Haiku.
Untuk pedoman teknik cepat umum, lihat Pedoman rekayasa yang cepat.
Pilih tab yang sesuai dengan metode pilihan Anda dan ikuti langkah-langkahnya.