Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Ambil data dan hasilkan respons AI dengan Pangkalan Pengetahuan Amazon Bedrock
Sementara model foundation memiliki pengetahuan umum, Anda dapat lebih meningkatkan responsnya dengan menggunakan Retrieval Augmented Generation (RAG). RAG adalah teknik yang menggunakan informasi dari sumber data untuk meningkatkan relevansi dan akurasi respons yang dihasilkan. Dengan Amazon Bedrock Knowledge Bases, Anda dapat mengintegrasikan informasi kepemilikan ke dalam aplikasi Generative-AI Anda. Ketika kueri dibuat, basis pengetahuan mencari data Anda untuk menemukan informasi yang relevan untuk menjawab kueri. Informasi yang diambil kemudian dapat digunakan untuk meningkatkan respons yang dihasilkan. Amazon Bedrock Knowledge Bases membantu membangun aplikasi AI agen tingkat perusahaan yang aman dengan memanfaatkan pengambilan secara aman melalui kumpulan data skala besar.
penting
Untuk akurasi pengambilan yang dioptimalkan dan pengalaman terkelola, kami merekomendasikan Amazon Bedrock Managed Knowledge Base.
Amazon Bedrock Knowledge Bases menawarkan dua jenis basis pengetahuan:
-
Basis Pengetahuan Terkelola — Amazon Bedrock mengelola infrastruktur konsumsi, pengindeksan, penyimpanan, dan pengambilan data yang mendasarinya sehingga Anda dapat fokus pada logika aplikasi dan agen Anda. Managed Knowledge Base menawarkan kemampuan canggih termasuk konsumsi data multi-modal, auto-scaling penyimpanan, pengambilan agen untuk penalaran multi-hop, dan banyak lagi sambil terus menawarkan penyesuaian utama sehingga Anda dapat menyesuaikan agen dengan kasus penggunaan Anda. Anda menghubungkan sumber data dan Amazon Bedrock mengelola penyematan, peringkat ulang, dan penalaran dengan model yang dikelola layanan secara default (dengan opsi untuk memilih model Anda sendiri). Basis Pengetahuan Terkelola terintegrasi secara native dengan AgentCore Gateway sehingga kerangka kerja MCP-compatible agen apa pun dapat menemukan dan memanggil Basis Pengetahuan Anda sebagai alat tanpa kode khusus. Pengetahuan Terkelola menawarkan konektor untuk Amazon S3,, Confluence SharePoint, Google Drive,, Web Crawler OneDrive, bersama dengan pemfilteran izin tingkat dokumen menggunakan Daftar Kontrol Akses (kecuali untuk Perayap Web) pada waktu pengambilan. Fitur Smart Parsing secara otomatis memilih strategi parsing per jenis dokumen termasuk PDF, PPTX, DOCX, dokumen dengan visual tertanam, audio, video, dan dokumen yang dipindai. Agentic Retrieval mendukung penalaran multi-hop, menguraikan kueri kompleks menjadi sub-kueri, mengambil berulang di beberapa basis pengetahuan, dan mengevaluasi kecukupan tanggapan. Integrasi asli dengan AgentCore Observability menawarkan pemantauan bawaan, jejak pengambilan, jejak agen, dan metrik basis per pengetahuan.
-
Customer-managed Basis Pengetahuan — Ini memungkinkan Anda mengatur dan mengelola pipeline RAG Anda sendiri, termasuk penyimpanan vektor (seperti Amazon OpenSearch Tanpa Server, Amazon Aurora, dan Amazon Neptunus), serta memiliki kontrol penuh atas konfigurasi konsumsi, penguraian, pengindeksan, dan penyimpanan data. Anda perlu mengatur dan mengelola infrastruktur dan konfigurasi terkait seperti parsing untuk data multimodal. Perhatikan bahwa beberapa kemampuan seperti konektor pihak ketiga, izin tingkat dokumen, dan integrasi AgentCore Gateway asli hanya tersedia untuk Pangkalan Pengetahuan Terkelola.
Dengan Pangkalan Pengetahuan Amazon Bedrock, Anda dapat:
-
Jawab pertanyaan pengguna dengan mengembalikan informasi yang relevan dari sumber data.
-
Gunakan informasi yang diambil dari sumber data untuk membantu menghasilkan respons yang akurat dan relevan terhadap kueri pengguna.
-
Tingkatkan permintaan Anda sendiri dengan memasukkan informasi relevan yang dikembalikan ke dalam prompt.
-
Sertakan kutipan dalam respons yang dihasilkan sehingga sumber data asli dapat direferensikan dan akurasi dapat diperiksa.
-
Sertakan dokumen dengan sumber daya visual yang banyak, dari mana gambar dapat diekstraksi dan diambil sebagai tanggapan terhadap pertanyaan. Jika Anda menghasilkan respons berdasarkan data yang diambil, model dapat memberikan wawasan tambahan berdasarkan gambar-gambar ini.
-
Cari menggunakan gambar sebagai kueri untuk menemukan konten yang mirip secara visual, atau gabungkan teks dan gambar dalam kueri untuk hasil yang lebih tepat menggunakan model penyematan multimodal.
-
Gunakan model reranking untuk memengaruhi hasil yang diambil dari sumber data Anda.
Topik
