Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Crie uma base de conhecimento nas bases de conhecimento Amazon Bedrock

Modo de foco
Crie uma base de conhecimento nas bases de conhecimento Amazon Bedrock - Amazon Bedrock

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As bases de conhecimento do Amazon Bedrock permitem que você integre informações proprietárias em seus aplicativos de IA generativa para criar soluções de recuperação de geração aumentada (). RAG Uma base de conhecimento pesquisa seus dados para encontrar as informações mais úteis e pode usá-las para responder perguntas de linguagem natural.

nota

Você não pode criar uma base de conhecimento com um usuário-raiz. Faça login com um IAM usuário antes de iniciar essas etapas.

Ao criar uma base de conhecimento, você configura as configurações e permissões da base de conhecimento, escolhe uma fonte de dados à qual se conectar, o modelo de incorporação para converter os dados em incorporações e o armazenamento de vetores para manter as incorporações vetoriais. Escolha a guia do seu método preferido e siga as etapas:

Console
Para definir as configurações e permissões de uma base de conhecimento
  1. Faça login no AWS Management Console usando uma IAMfunção com as permissões do Amazon Bedrock e abra o console do Amazon Bedrock em. https://console.aws.amazon.com/bedrock/

  2. No painel de navegação esquerdo, escolha Bases de conhecimento.

  3. Na seção Bases de conhecimento, selecione o botão criar.

  4. (Opcional) Altere o nome padrão e forneça uma descrição para sua base de conhecimento.

  5. Escolha uma função AWS Identity and Access Management (IAM) que forneça permissão ao Amazon Bedrock para acessar outros AWS serviços necessários. Você pode permitir que o Amazon Bedrock crie o perfil de serviço ou escolher um perfil personalizado criado por você.

  6. Escolha uma fonte de dados à qual conectar sua base de conhecimento.

  7. (Opcional) Adicione tags à base de conhecimento. Para obter mais informações, consulte Marcação de recursos do Amazon Bedrock.

  8. (Opcional) Configure serviços para os quais fornecer registros de atividades para sua base de conhecimento.

  9. Vá para a próxima seção e siga as etapas em Conecte uma fonte de dados à sua base de conhecimento para configurar uma fonte de dados.

  10. Escolha um modelo de incorporação para converter seus dados em incorporações vetoriais.

  11. (Opcional) Expanda a seção Configurações adicionais para ver as seguintes opções de configuração (nem todos os modelos oferecem suporte a todas as configurações):

    • Tipo de incorporação — Seja para converter os dados em incorporações vetoriais de ponto flutuante (float32) (mais precisas, mas mais caras) ou incorporações vetoriais binárias (menos precisas, mas menos caras). Para saber quais modelos de incorporação oferecem suporte a vetores binários, consulte os modelos de incorporação compatíveis.

    • Dimensões vetoriais — Valores mais altos melhoram a precisão, mas aumentam o custo e a latência.

  12. Escolha um armazenamento de vetores para armazenar as incorporações vetoriais que serão usadas para consulta. Você tem as seguintes opções:

    • Crie rapidamente uma nova loja de vetores — escolha uma das lojas de vetores disponíveis para o Amazon Bedrock criar.

      • Amazon OpenSearch Serverless — O Amazon Bedrock Knowledge Bases cria uma coleção e um índice de pesquisa vetorial Amazon OpenSearch Serverless e os configura com os campos obrigatórios para você.

      • Amazon Aurora Postgre SQL Serverless — O Amazon Bedrock configura um armazenamento vetorial Amazon Aurora Postgre Serverless. SQL Esse processo pega dados de texto não estruturados de um bucket do Amazon S3, os transforma em blocos de texto e vetores e os armazena em um banco de dados Postgre. SQL Para obter mais informações, consulte Criação rápida de uma base de SQL conhecimento do Aurora Postgre para o Amazon Bedrock.

      • Amazon Neptune Analytics — O Amazon Bedrock usa técnicas de recuperação de geração aumentada RAG () combinadas com gráficos para aprimorar aplicativos de IA generativa para que os usuários finais possam obter respostas mais precisas e abrangentes.

    • Escolha um armazenamento vetorial que você criou — Selecione um armazenamento vetorial compatível e identifique os nomes dos campos vetoriais e os nomes dos campos de metadados no índice vetorial. Para obter mais informações, consulte Pré-requisitos referentes ao seu armazenamento de vetores para uma base de conhecimento.

      nota

      Se sua fonte de dados for uma instância do Confluence SharePoint, Microsoft ou Salesforce, o único serviço de armazenamento vetorial compatível é o Amazon Serverless. OpenSearch

  13. Se sua fonte de dados contiver imagens, especifique um Amazon S3 URI no qual armazenar as imagens que o analisador extrairá dos dados. As imagens podem ser retornadas durante a consulta.

    nota

    Os dados multimodais só são compatíveis com o Amazon S3 e fontes de dados personalizadas.

  14. Verifique os detalhes da base de conhecimento. É possível editar qualquer seção antes de começar a criar a base de conhecimento.

    nota

    O tempo necessário para criar a base de conhecimento depende de suas configurações específicas. Quando a criação da base de conhecimento é concluída, o status da base de conhecimento muda para o estado pronto ou disponível.

    Quando a base de conhecimento estiver pronta e disponível, sincronize a fonte de dados pela primeira vez e sempre que quiser manter o conteúdo atualizado. Selecione a base de conhecimento no console e escolha Sincronizar na seção de visão geral da fonte de dados.

API

Para criar uma base de conhecimento, envie uma CreateKnowledgeBasesolicitação com um endpoint de tempo de construção do Agents for Amazon Bedrock.

nota

Se você estiver se conectando a uma fonte de dados não estruturada e preferir deixar o Amazon Bedrock criar e gerenciar um armazenamento vetorial para você no Amazon OpenSearch Service, use o console. Para obter mais informações, consulte Crie uma base de conhecimento nas bases de conhecimento Amazon Bedrock.

Os campos a seguir são obrigatórios:

Campo Descrição básica
nome Um nome para a base de conhecimento
roleArn A ARN de uma função de serviço da base de conhecimento.
knowledgeBaseConfiguration Contém configurações para a base de conhecimento. Veja os detalhes abaixo.
storageConfiguration (Exigido somente se você estiver se conectando a uma fonte de dados não estruturada).Contém configurações para o serviço de fonte de dados que você escolher.

NoknowledgeBaseConfiguration, especifique a fonte type de dados à qual você planeja conectar a base de conhecimento e, em seguida, especifique o modelo ARN de incorporação a ser usado e as configurações para ele. Para obter mais informações, consulte VectorKnowledgeBaseConfiguration. Você pode especificar os seguintes tipos:

  • VECTOR— Para fontes de dados não estruturadas. Especifique o modelo ARN de incorporação a ser usado e as configurações para ele. Para obter mais informações, consulte VectorKnowledgeBaseConfiguration.

  • STRUCTURED— Para armazenamentos de dados estruturados. Especifique o tipo de armazenamento de dados estruturado a ser usado e as configurações desse armazenamento de dados.

Os seguintes campos são opcionais:

Campo Caso de uso
description Uma descrição para a base de conhecimento.
clientToken Para garantir que a API solicitação seja concluída apenas uma vez. Para obter mais informações, consulte Ensuring idempotency.
tags Para associar tags ao fluxo. Para obter mais informações, consulte Marcação de recursos do Amazon Bedrock.

O knowledgeBaseConfiguration campo é mapeado para um KnowledgeBaseConfigurationobjeto. Nele, especifique VECTOR no type campo. No VectorKnowledgeBaseConfiguration, especifique o modelo ARN de incorporação a ser usado e suas configurações.

O storageConfiguration campo é mapeado para um StorageConfigurationobjeto. Nele, especifique o armazenamento vetorial ao qual você planeja se conectar no type campo e inclua o campo que corresponde a esse armazenamento vetorial. Consulte cada tipo de configuração de armazenamento de vetores em StorageConfigurationpara obter detalhes sobre as informações que você precisa fornecer.

Para definir as configurações e permissões de uma base de conhecimento
  1. Faça login no AWS Management Console usando uma IAMfunção com as permissões do Amazon Bedrock e abra o console do Amazon Bedrock em. https://console.aws.amazon.com/bedrock/

  2. No painel de navegação esquerdo, escolha Bases de conhecimento.

  3. Na seção Bases de conhecimento, selecione o botão criar.

  4. (Opcional) Altere o nome padrão e forneça uma descrição para sua base de conhecimento.

  5. Escolha uma função AWS Identity and Access Management (IAM) que forneça permissão ao Amazon Bedrock para acessar outros AWS serviços necessários. Você pode permitir que o Amazon Bedrock crie o perfil de serviço ou escolher um perfil personalizado criado por você.

  6. Escolha uma fonte de dados à qual conectar sua base de conhecimento.

  7. (Opcional) Adicione tags à base de conhecimento. Para obter mais informações, consulte Marcação de recursos do Amazon Bedrock.

  8. (Opcional) Configure serviços para os quais fornecer registros de atividades para sua base de conhecimento.

  9. Vá para a próxima seção e siga as etapas em Conecte uma fonte de dados à sua base de conhecimento para configurar uma fonte de dados.

  10. Escolha um modelo de incorporação para converter seus dados em incorporações vetoriais.

  11. (Opcional) Expanda a seção Configurações adicionais para ver as seguintes opções de configuração (nem todos os modelos oferecem suporte a todas as configurações):

    • Tipo de incorporação — Seja para converter os dados em incorporações vetoriais de ponto flutuante (float32) (mais precisas, mas mais caras) ou incorporações vetoriais binárias (menos precisas, mas menos caras). Para saber quais modelos de incorporação oferecem suporte a vetores binários, consulte os modelos de incorporação compatíveis.

    • Dimensões vetoriais — Valores mais altos melhoram a precisão, mas aumentam o custo e a latência.

  12. Escolha um armazenamento de vetores para armazenar as incorporações vetoriais que serão usadas para consulta. Você tem as seguintes opções:

    • Crie rapidamente uma nova loja de vetores — escolha uma das lojas de vetores disponíveis para o Amazon Bedrock criar.

      • Amazon OpenSearch Serverless — O Amazon Bedrock Knowledge Bases cria uma coleção e um índice de pesquisa vetorial Amazon OpenSearch Serverless e os configura com os campos obrigatórios para você.

      • Amazon Aurora Postgre SQL Serverless — O Amazon Bedrock configura um armazenamento vetorial Amazon Aurora Postgre Serverless. SQL Esse processo pega dados de texto não estruturados de um bucket do Amazon S3, os transforma em blocos de texto e vetores e os armazena em um banco de dados Postgre. SQL Para obter mais informações, consulte Criação rápida de uma base de SQL conhecimento do Aurora Postgre para o Amazon Bedrock.

      • Amazon Neptune Analytics — O Amazon Bedrock usa técnicas de recuperação de geração aumentada RAG () combinadas com gráficos para aprimorar aplicativos de IA generativa para que os usuários finais possam obter respostas mais precisas e abrangentes.

    • Escolha um armazenamento vetorial que você criou — Selecione um armazenamento vetorial compatível e identifique os nomes dos campos vetoriais e os nomes dos campos de metadados no índice vetorial. Para obter mais informações, consulte Pré-requisitos referentes ao seu armazenamento de vetores para uma base de conhecimento.

      nota

      Se sua fonte de dados for uma instância do Confluence SharePoint, Microsoft ou Salesforce, o único serviço de armazenamento vetorial compatível é o Amazon Serverless. OpenSearch

  13. Se sua fonte de dados contiver imagens, especifique um Amazon S3 URI no qual armazenar as imagens que o analisador extrairá dos dados. As imagens podem ser retornadas durante a consulta.

    nota

    Os dados multimodais só são compatíveis com o Amazon S3 e fontes de dados personalizadas.

  14. Verifique os detalhes da base de conhecimento. É possível editar qualquer seção antes de começar a criar a base de conhecimento.

    nota

    O tempo necessário para criar a base de conhecimento depende de suas configurações específicas. Quando a criação da base de conhecimento é concluída, o status da base de conhecimento muda para o estado pronto ou disponível.

    Quando a base de conhecimento estiver pronta e disponível, sincronize a fonte de dados pela primeira vez e sempre que quiser manter o conteúdo atualizado. Selecione a base de conhecimento no console e escolha Sincronizar na seção de visão geral da fonte de dados.

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.