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:
Para definir as configurações e permissões de uma base de conhecimento
-
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/
-
No painel de navegação esquerdo, escolha Bases de conhecimento.
-
Na seção Bases de conhecimento, selecione o botão criar.
-
(Opcional) Altere o nome padrão e forneça uma descrição para sua base de conhecimento.
-
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.
-
Escolha uma fonte de dados à qual conectar sua base de conhecimento.
-
(Opcional) Adicione tags à base de conhecimento. Para obter mais informações, consulte Marcação de recursos do Amazon Bedrock.
-
(Opcional) Configure serviços para os quais fornecer registros de atividades para sua base de conhecimento.
-
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.
-
Escolha um modelo de incorporação para converter seus dados em incorporações vetoriais.
-
(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.
-
-
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
-
-
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.
-
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.