지식 베이스로 데이터 검색 및 AI 응답 생성 - Amazon Bedrock

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

지식 베이스로 데이터 검색 및 AI 응답 생성

Amazon Bedrock 지식 베이스를 사용하여 독점 정보를 제너레이티브 AI 애플리케이션에 통합할 수 있습니다. 지식 기반은 Retrieval Augment Generation (RAG) 기법을 사용하여 데이터를 검색하여 가장 유용한 정보를 찾은 다음 이를 사용하여 자연어 질문에 답합니다.

지식베이스를 설정한 후에는 다음과 같은 방법으로 지식베이스를 활용할 수 있습니다.

  • 를 사용하여 지식창고를 쿼리하고 검색된 RetrieveAndGenerateAPI정보로 응답을 생성하도록 RAG 애플리케이션을 구성하십시오. 또한 Retrive를 API 호출하여 지식창고에서 직접 검색한 정보로 지식창고를 쿼리할 수 있습니다.

  • 지식창고를 상담원과 연결 (자세한 내용은 참조대화형 에이전트를 사용하여 애플리케이션에서 작업 자동화) 하여 최종 사용자를 돕기 위해 취할 수 있는 단계를 통해 상담원이 추론하도록 함으로써 상담원의 RAG 역량을 강화하세요.

지식창고는 사용자 질의에 답하고 문서를 분석하는 데 사용할 수 있을 뿐만 아니라 프롬프트에 컨텍스트를 제공하여 기초 모델에 제공되는 프롬프트를 강화하는 데에도 사용할 수 있습니다. 사용자 질의에 응답할 때 지식창고는 대화 상황을 유지합니다. 또한 지식창고는 답변의 근거를 인용하여 사용자가 응답의 근거가 되는 정확한 텍스트를 찾아보고 답변이 타당하고 사실적으로 정확한지 확인하여 추가 정보를 찾을 수 있도록 합니다.

지식 기반을 설정하고 사용하려면 다음 단계를 수행합니다.

  1. 소스 문서를 수집하여 지식창고에 추가하세요.

  2. 지원되는 데이터 소스에 소스 문서를 저장합니다.

  3. (Amazon S3를 사용하여 원본 문서를 저장하는 경우 선택 사항) 지식 기반 쿼리 중에 결과를 필터링할 수 있도록 각 소스 문서에 대한 메타데이터 파일을 생성합니다.

  4. (선택 사항) 지원되는 자체 벡터 저장소를 설정하여 데이터의 벡터 임베딩 표현을 인덱싱하십시오. Amazon Bedrock 콘솔을 사용하여 Amazon OpenSearch 서버리스 벡터 스토어를 자동으로 생성할 수 있습니다.

  5. 지식 베이스를 만들고 구성하십시오. 지식창고용으로 지원되는 모델을 사용하려면 모델 액세스를 활성화해야 합니다.

    Amazon API Bedrock을 사용하는 경우 데이터를 벡터 임베딩으로 변환하고 지식 기반 검색 및 생성에 필요한 Amazon Resource Name (ARN) 모델을 기록해 두십시오. 선택한 지식 기반용 모델의 모델 ID를 복사하고 모델 리소스 유형에 대해 제공된 ARN예제에 따라 모델 (리소스) ID를 ARN 사용하여 모델을 구성하십시오.

    Amazon Bedrock 콘솔을 사용하는 경우 지식 기반 생성 단계에서 사용 가능한 모델을 선택할 수 있으므로 모델을 구성할 필요가 없습니다. ARN

  6. 지식 기반을 쿼리하고 증강 응답을 반환하도록 애플리케이션 또는 에이전트를 설정합니다.

주제