为多模态内容创建知识库

从控制台创建多模态知识库

1. 使用有权使用亚马逊 Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在以下位置打开亚马逊 Bedrock 控制台。 https://console.aws.amazon.com/bedrock

2. 在左侧导航窗格中，选择知识库。

3. 在知识库部分中，选择创建，然后选择带有向量存储的知识库。

4. （可选）在知识库详细信息下方，更改默认名称并为知识库提供描述。

5. 在 IAM 权限下，选择一个能够向 Amazon Bedrock 授予对其他所需 AWS 服务的访问权限的 IAM 角色。您可以让 Amazon Bedrock 为您创建服务角色，也可以选择使用自己的自定义角色。有关多模式权限，请参阅多模态内容的权限。

6. 选择 Amazon S3 作为您的数据源，然后选择 Next 来配置您的数据源。

   注意

   在知识库创建期间，您最多可以添加 5 个 Amazon S3 数据源。创建知识库后，可以添加其他数据源。

7. 提供包含您的多模式内容的存储桶的 S3 URI，并在需要时配置包含前缀。包含前缀是一个文件夹路径，可用于限制收录的内容。

8. 在 “分块和解析配置” 下，选择您的解析策略：

   • Bedrock 默认解析器：推荐用于纯文本内容处理。该解析器处理常见的文本格式，同时忽略多模态文件。支持文本文档，包括 Word、Excel、HTML、Markdown、TXT 和 CSV 文件。

   • 基岩数据自动化 (BDA)：将多模态内容转换为可搜索的文本表示。处理 PDF、图像、音频和视频文件以提取文本，为视觉内容生成描述，并为音频和视频内容创建转录。

   • 基础模型解析器：为复杂的文档结构提供高级解析功能。处理 PDF、图像、结构化文档、表格和具有丰富视觉效果的内容，以提取文本并为视觉元素生成描述。

9. 选择 Next 并选择您的嵌入模型和多模态处理方法。

   • 亚马逊 Nova 多模态嵌入 V1.0：选择亚马逊 Nova 嵌入 V1.0进行直接的视觉和音频相似度搜索。配置音频和视频区块持续时间（1-30 秒，默认为 5 秒）以控制内容的分段方式。

     注意

     音频和视频分块参数是在嵌入模型级别配置的，而不是在数据源级别配置的。如果您为非多模态嵌入模型提供此配置，则会发生验证异常。配置音频和视频区块持续时间（默认值：5 秒，范围：1-30 秒）以控制内容的分段方式。较短的区块可实现精确的内容检索，而较长的块可保留更多的语义上下文。

     重要

     亚马逊 Nova 嵌入 v1.0 对在 audio/video 数据中搜索语音内容的支持有限。如果你需要支持语音，可以使用 Bedrock 数据自动化作为解析器。

   • 使用 BDA 进行文本嵌入：使用 BDA 处理时，选择文本嵌入模型（例如 Titan 文本嵌入 v2）。文本嵌入模型将检索限制为纯文本内容，但您可以通过选择 “ Amazon Bedrock 数据自动化” 或 “基础模型” 作为解析器来启用多模式检索。

     注意

     如果您将 BDA 解析器与 Nova 多模态嵌入一起使用，亚马逊基岩知识库将首先使用 BDA 解析。在这种情况下，嵌入模型不会为图像、音频和视频生成原生多模态嵌入，因为 BDA 将它们转换为文本表示。

10. 如果使用 Nova 多模式嵌入，请通过指定 Amazon S3 存储桶来配置多模式存储目的地，处理过的文件将在其中存储以供检索。知识库会将解析后的图像存储到单个 Amazon S3 存储桶中，该存储桶使用.bda 创建的文件夹，便于访问。

    生命周期策略建议

    使用 Nova 多模态嵌入时，Amazon Bedrock 会将瞬态数据存储在您的多模式存储目的地中，并在处理完成后尝试将其删除。我们建议对临时数据路径应用生命周期策略，以确保进行适当的清理。有关详细说明，请参阅使用 Amazon S3 生命周期策略管理临时数据。

11. 在矢量数据库部分，选择矢量存储方法，并根据所选的嵌入模型配置适当的维度。

12. 选择 “下一步” 并查看知识库配置的详细信息，然后选择 “创建知识库” 。

要使用创建多模态知识库 AWS CLI

• 使用 Nova 多模态嵌入创建知识库。发送CreateKnowledgeBase请求：

  aws bedrock-agent create-knowledge-base \
  --cli-input-json file://kb-nova-mme.json

  的内容kb-nova-mme.json（用您的特定配置替换占位符值）：

  {
      "knowledgeBaseConfiguration": {
          "vectorKnowledgeBaseConfiguration": {
              "embeddingModelArn": "arn:aws:bedrock:us-east-1::foundation-model/amazon.nova-2-multimodal-embeddings-v1:0",
              "supplementalDataStorageConfiguration": {
                  "storageLocations": [
                      {
                          "type": "S3",
                          "s3Location": {
                              "uri": "s3://<multimodal-storage-bucket>/"
                          }
                      }
                  ]
              }
          },
          "type": "VECTOR"
      },
      "storageConfiguration": {
          "opensearchServerlessConfiguration": {
              "collectionArn": "arn:aws:aoss:us-east-1:<account-id>:collection/<collection-id>",
              "vectorIndexName": "<index-name>",
              "fieldMapping": {
                  "vectorField": "<vector-field>",
                  "textField": "<text-field>",
                  "metadataField": "<metadata-field>"
              }
          },
          "type": "OPENSEARCH_SERVERLESS"
      },
      "name": "<knowledge-base-name>",
      "description": "Multimodal knowledge base with Nova Multimodal Embeddings"
  }

  替换以下占位符：

  • <multimodal-storage-bucket>-用于存储多模式文件的 S3 存储桶

  • <account-id>-您的 AWS 账户 ID

  • <collection-id>- OpenSearch 无服务器集合 ID

  • <index-name>- OpenSearch 集合中的矢量索引名称（为所选嵌入模型配置了相应的维度）

  • <vector-field>-用于存储嵌入的字段名称

  • <text-field>-用于存储文本内容的字段名称

  • <metadata-field>-用于存储元数据的字段名称