Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Recupero di dati e generazione di risposte di IA con Knowledge Base per Amazon Bedrock
Sebbene i modelli di fondazione dispongano di conoscenze generali, puoi migliorare ulteriormente le loro risposte utilizzando la generazione potenziata da recupero dati (RAG). RAG è una tecnica che utilizza le informazioni provenienti dalle origini dati per migliorare la pertinenza e l’accuratezza delle risposte generate. Con Knowledge Base per Amazon Bedrock, puoi integrare informazioni proprietarie nelle tue applicazioni di IA generativa. Quando viene effettuata una query, una knowledge base cerca i dati per trovare informazioni pertinenti e rispondere alla query. Le informazioni recuperate possono quindi essere utilizzate per migliorare le risposte generate. Amazon Bedrock Knowledge Bases aiuta a creare applicazioni di intelligenza artificiale agentica sicure e di livello aziendale sfruttando il recupero in modo sicuro su set di dati su larga scala.
Importante
Per una precisione di recupero ottimizzata e un'esperienza gestita, consigliamo Amazon Bedrock Managed Knowledge Base.
Amazon Bedrock Knowledge Bases offre due tipi di knowledge base:
-
Knowledge Base gestita: Amazon Bedrock gestisce l'infrastruttura sottostante di acquisizione, indicizzazione, archiviazione e recupero dei dati in modo che tu possa concentrarti sulla logica delle applicazioni e degli agenti. La Managed Knowledge Base offre funzionalità avanzate tra cui l'inserimento di dati multimodali, l'auto-scaling dello storage, il recupero agentico per il ragionamento multi-hop e altro ancora, pur continuando a offrire personalizzazioni chiave per personalizzare gli agenti in base al caso d'uso. Collega le tue fonti di dati e Amazon Bedrock gestisce l'incorporamento, il riposizionamento e il ragionamento con modelli gestiti dai servizi per impostazione predefinita (con la possibilità di scegliere i tuoi modelli). Managed Knowledge Base si integra nativamente con AgentCore Gateway in modo che qualsiasi framework di MCP-compatible agenti possa scoprire e richiamare la tua Knowledge Base come strumento senza codice personalizzato. Managed Knowledge offre connettori per Amazon S3, Confluence SharePoint, Google Drive e Web Crawler, oltre al filtraggio delle autorizzazioni a livello di documento utilizzando gli elenchi di controllo degli accessi (ad eccezione di Web Crawler) al momento del recupero. OneDrive La funzione Smart Parsing seleziona automaticamente la strategia di analisi per tipo di documento, inclusi PDF, PPTX, DOCX, documenti con immagini, audio, video e documenti scansionati incorporati. Agentic Retrieval supporta il ragionamento multi-hop, scompone interrogazioni complesse in sottoquery, recupera in modo iterativo su più basi di conoscenza e valuta la sufficienza delle risposte. L'integrazione nativa con AgentCore Observability offre monitoraggio integrato, tracce di recupero, tracce agentiche e metriche di base basate sulla conoscenza.
-
Customer-managed Knowledge Base: consente di configurare e gestire la propria pipeline RAG, incluso il vector store (come Amazon OpenSearch Serverless, Amazon Aurora e Amazon Neptune) e di avere il pieno controllo sulle configurazioni di acquisizione, analisi, indicizzazione e archiviazione dei dati. Dovrai configurare e gestire l'infrastruttura e le configurazioni correlate, ad esempio l'analisi di dati multimodali. Tieni presente che diverse funzionalità, come connettori di terze parti, autorizzazioni a livello di documento e integrazione nativa con AgentCore Gateway, sono disponibili solo per le Managed Knowledge Base.
Con Knowledge Base per Amazon Bedrock puoi:
-
Rispondere alle query degli utenti restituendo informazioni pertinenti dalle origini dati.
-
Utilizzare le informazioni recuperate dalle origini dati per generare una risposta accurata e pertinente alle query degli utenti.
-
Migliorare i tuoi prompt inserendo in essi le informazioni pertinenti restituite.
-
Includere le citazioni nella risposta generata in modo da poter fare riferimento all’origine dati originale e verificare l’accuratezza.
-
Includere documenti con numerose risorse visive da cui è possibile estrarre immagini e recuperarle nelle risposte alle query. Se si genera una risposta in base ai dati recuperati, il modello può fornire ulteriori informazioni sulla base di queste immagini.
-
Effettua ricerche utilizzando immagini come query per trovare contenuti visivamente simili oppure combina testo e immagini nelle query per risultati più precisi utilizzando modelli di incorporamento multimodali.
-
Utilizzare i modelli di riclassificazione per influenzare i risultati recuperati dalla tua origine dati.
Argomenti
