기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon Bedrock 지식 기반을 사용하면 생성형 AI 애플리케이션에 독점 정보를 통합하여 검색 증강 세대(RAG) 솔루션을 생성할 수 있습니다. 지식 기반은 데이터를 검색하여 가장 유용한 정보를 찾고 이를 사용하여 자연어 질문에 답변할 수 있습니다.
참고
루트 사용자로는 지식 기반을 생성할 수 없습니다. 다음 단계를 시작하기 전에 IAM 사용자로 로그인합니다.
지식 기반을 생성할 때 지식 기반의 구성 및 권한을 설정하고 연결할 데이터 소스, 데이터를 임베딩으로 변환할 임베딩 모델, 벡터 임베딩을 유지할 벡터 스토어를 선택합니다. 원하는 메서드의 탭을 선택한 다음 다음 단계를 따릅니다.
지식 기반에 대한 구성 및 권한을 설정하려면
-
IAM Amazon Bedrock 권한이 있는 역할을 AWS Management Console 사용하여에 로그인하고에서 Amazon Bedrock 콘솔을 엽니다https://console.aws.amazon.com/bedrock/
. -
왼쪽 탐색 창에서 지식 기반을 선택합니다.
-
지식 기반 섹션에서 생성 버튼을 선택합니다.
-
(선택 사항) 기본 이름을 변경하고 지식 기반에 대한 설명을 제공합니다.
-
다른 필수 AWS 서비스에 액세스할 수 있는 Amazon Bedrock 권한을 제공하는 AWS Identity and Access Management (IAM) 역할을 선택합니다. Amazon Bedrock이 서비스 역할을 만들도록 하거나 이전에 만든 사용자 지정 역할을 선택할 수 있습니다.
-
지식 기반을 연결할 데이터 소스를 선택합니다.
-
(선택 사항) 지식 기반에 태그를 추가합니다. 자세한 내용은 Amazon Bedrock 리소스 태그 지정 단원을 참조하십시오.
-
(선택 사항) 지식 기반에 대한 활동 로그를 전달할 서비스를 구성합니다.
-
다음 섹션으로 이동하여의 단계에 따라 데이터 소스를 데이터 소스를 지식 기반에 연결 구성합니다.
-
임베딩 모델을 선택하여 데이터를 벡터 임베딩으로 변환합니다.
-
(선택 사항) 추가 구성 섹션을 확장하여 다음 구성 옵션을 확인합니다(일부 모델은 모든 구성을 지원하지 않음).
-
임베딩 유형 - 데이터를 부동 소수점(float32) 벡터 임베딩(더 정확하지만 비용이 많이 드는) 또는 바이너리 벡터 임베딩(더 정확하지 않지만 비용이 적게 드는)으로 변환할지 여부입니다. 바이너리 벡터를 지원하는 임베딩 모델에 대해 알아보려면 지원되는 임베딩 모델을 참조하세요.
-
벡터 차원 - 값이 높을수록 정확도는 향상되지만 비용과 지연 시간은 증가합니다.
-
-
벡터 스토어를 선택하여 쿼리에 사용할 벡터 임베딩을 저장합니다. 다음과 같은 옵션이 있습니다:
-
새 벡터 스토어 빠른 생성 - Amazon Bedrock에서 생성할 수 있는 벡터 스토어 중 하나를 선택합니다.
-
Amazon OpenSearch Serverless - Amazon Bedrock 지식 기반은 Amazon OpenSearch Serverless 벡터 검색 컬렉션 및 인덱스를 생성하고 필요한 필드로 구성합니다.
-
Amazon Aurora PostgreSQL Serverless – Amazon Bedrock은 Amazon Aurora PostgreSQL Serverless 벡터 스토어를 설정합니다. 이 프로세스는 Amazon S3 버킷에서 비정형 텍스트 데이터를 가져와 텍스트 청크와 벡터로 변환한 다음 PostgreSQL 데이터베이스에 저장합니다. 자세한 내용은 Amazon Bedrock용 Aurora PostgreSQL 지식 기반 빠른 생성을 참조하세요.
-
Amazon Neptune Analytics - Amazon Bedrock은 그래프와 결합된 Retrieval Augmented Generation(RAG) 기술을 사용하여 생성형 AI 애플리케이션을 개선하여 최종 사용자가 더 정확하고 포괄적인 응답을 얻을 수 있도록 합니다.
-
-
생성한 벡터 스토어 선택 - 지원되는 벡터 스토어를 선택하고 벡터 인덱스에서 벡터 필드 이름과 메타데이터 필드 이름을 식별합니다. 자세한 내용은 지식 기반에 대한 자체 벡터 저장소의 사전 조건 단원을 참조하십시오.
참고
데이터 소스가 Confluence, Microsoft SharePoint또는 Salesforce 인스턴스인 경우 지원되는 유일한 벡터 스토어 서비스는 Amazon OpenSearch Serverless입니다.
-
-
데이터 소스URI에 이미지가 포함된 경우 파서가 데이터에서 추출할 이미지를 저장할 Amazon S3를 지정합니다. 쿼리 중에 이미지를 반환할 수 있습니다.
참고
다중 모드 데이터는 Amazon S3 및 사용자 지정 데이터 소스에서만 지원됩니다.
-
지식 기반 세부 정보를 확인합니다. 계속해서 지식 기반을 만들기 전에 모든 섹션을 편집할 수 있습니다.
참고
지식 기반을 만드는 데 걸리는 시간은 구체적인 구성에 따라 달라집니다. 지식 기반 생성이 완료되면 지식 기반 상태가 준비 또는 사용 가능 상태로 변경됩니다.
지식 기반이 준비되고 사용 가능해지면 데이터 소스를 최초로 한 번 동기화하고, 이후에는 콘텐츠를 최신 상태로 유지하고 싶을 때마다 동기화하세요. 콘솔에서 지식 기반을 선택하고 데이터 소스 개요 섹션에서 동기화를 선택하면 됩니다.
