Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
penting
Guardrails diterapkan hanya untuk input dan respon yang dihasilkan dari LLM. Mereka tidak diterapkan pada referensi yang diambil dari Pangkalan Pengetahuan saat runtime.
Setelah basis pengetahuan Anda disiapkan, Anda dapat menanyainya dan menghasilkan respons berdasarkan potongan yang diambil dari data sumber Anda dengan menggunakan RetrieveAndGenerateOperasi API. Tanggapan dikembalikan dengan kutipan ke data sumber asli. Anda juga dapat menggunakan model reranking alih-alih ranker Amazon Bedrock Knowledge Bases default untuk memberi peringkat potongan sumber untuk relevansi selama pengambilan.
catatan
Gambar yang dikembalikan dari Retrieve respons selama RetrieveAndGenerate aliran disertakan dalam prompt untuk pembuatan respons. RetrieveAndGenerateRespons tidak dapat menyertakan gambar, tetapi dapat mengutip sumber yang berisi gambar.
Untuk mempelajari cara menanyakan basis pengetahuan Anda, pilih tab untuk metode pilihan Anda, lalu ikuti langkah-langkahnya:
Untuk menguji basis pengetahuan Anda
-
Masuk ke AWS Management Console menggunakan peran IAM dengan izin Amazon Bedrock, dan buka konsol Amazon Bedrock di. https://console.aws.amazon.com/bedrock/
-
Di panel navigasi kiri, pilih Basis pengetahuan.
-
Di bagian Basis pengetahuan, lakukan salah satu tindakan berikut:
-
Pilih tombol radio di sebelah basis pengetahuan yang ingin Anda uji dan pilih Uji basis pengetahuan. Jendela uji mengembang dari kanan.
-
Pilih basis pengetahuan yang ingin Anda uji. Jendela uji mengembang dari kanan.
-
-
Untuk menghasilkan tanggapan berdasarkan informasi yang diambil dari basis pengetahuan Anda, aktifkan Hasilkan tanggapan untuk kueri Anda. Amazon Bedrock akan menghasilkan tanggapan berdasarkan sumber data Anda dan mengutip informasi yang diberikannya dengan catatan kaki.
-
Untuk memilih model yang akan digunakan untuk menghasilkan respons, pilih Pilih model. Kemudian pilih Terapkan.
-
(Opsional) Pilih ikon konfigurasi (
) untuk membuka Konfigurasi. Untuk informasi tentang konfigurasi, lihatKonfigurasikan dan sesuaikan kueri dan pembuatan respons. -
Masukkan kueri di kotak teks di jendela obrolan dan pilih Jalankan untuk mengembalikan respons dari basis pengetahuan.
-
Pilih catatan kaki untuk melihat kutipan dari sumber yang dikutip untuk bagian respons tersebut. Pilih tautan untuk menavigasi ke objek S3 yang berisi file.
-
Untuk melihat detail tentang potongan yang dikembalikan, pilih Tampilkan detail sumber.
-
Untuk melihat konfigurasi yang Anda tetapkan untuk kueri, perluas konfigurasi Kueri.
-
Untuk melihat detail tentang potongan sumber, perluas dengan memilih panah kanan (
) di sebelahnya. Anda dapat melihat informasi berikut:-
Teks mentah dari potongan sumber. Untuk menyalin teks ini, pilih ikon salin (
). Jika Anda menggunakan Amazon S3 untuk menyimpan data, pilih ikon tautan eksternal (
) untuk menavigasi ke objek S3 yang berisi file. -
Metadata yang terkait dengan potongan sumber, jika Anda menggunakan Amazon S3 untuk menyimpan data Anda. Kunci atribut/bidang dan nilai didefinisikan dalam
.metadata.jsonfile yang terkait dengan dokumen sumber. Untuk informasi selengkapnya, lihat bagian Metadata dan pemfilteran di. Konfigurasikan dan sesuaikan kueri dan pembuatan respons
-
-
Opsi obrolan
-
Untuk menggunakan model yang berbeda untuk menghasilkan respons, Pilih Ubah model. Jika Anda mengubah model, teks di jendela obrolan akan sepenuhnya dihapus.
-
Beralih ke mengambil potongan sumber secara langsung dengan membersihkan Hasilkan respons. Jika Anda mengubah pengaturan, teks di jendela obrolan akan sepenuhnya dihapus.
-
Untuk menghapus jendela obrolan, pilih ikon sapu (
). -
Untuk menyalin semua output di jendela obrolan, pilih ikon salin (
).
catatan
Jika Anda menerima kesalahan bahwa prompt melebihi batas karakter saat menghasilkan respons, Anda dapat mempersingkat prompt dengan cara berikut:
-
Kurangi jumlah maksimum hasil yang diambil (ini mempersingkat apa yang diisi untuk placeholder $search_results$ di). Templat prompt basis pengetahuan: orkestrasi & pembuatan
-
Buat ulang sumber data dengan strategi chunking yang menggunakan potongan yang lebih kecil (ini mempersingkat apa yang diisi untuk placeholder $search_results$ di). Templat prompt basis pengetahuan: orkestrasi & pembuatan
-
Persingkat template prompt.
-
Persingkat kueri pengguna (ini mempersingkat apa yang diisi untuk placeholder $query$ di). Templat prompt basis pengetahuan: orkestrasi & pembuatan
