使用亚马逊 Neptune Analytics 图表创建亚马逊 Bedrock 知识库

AWS Management Console 使用具有 Amazon Bedrock 权限的 IAM 角色登录，然后通过以下网址打开 Amazon Bedrock 控制台。https://console.aws.amazon.com/bedrock/

在左侧导航窗格中，选择知识库。

在 “知识库” 部分中，选择 “创建”，然后选择 “带矢量存储的知识库”。

（可选）在知识库详细信息下，更改默认名称并提供知识库描述。

在 IAM 权限下，选择一个提供 Amazon Bedrock 访问其他所需 AWS 服务权限的 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为 Neptune Analytics 创建的自定义角色。有关示例，请参阅在 Amazon Neptune Analytics 中访问你的矢量数据库的权限。

请务必选择 Amazon S3 作为您的数据源，然后选择 “下一步” 来配置您的数据源。

提供文件的 S3 URI，该文件将用作将您的知识库连接到 Amazon Neptune Analytics 并与之集成的数据源。有关您可以提供的其他步骤和可选信息，请参阅将数据源连接到您的知识库。

在嵌入模型部分，选择一个嵌入模型，将您的数据转换为矢量嵌入。或者，您可以使用其他配置部分来指定向量尺寸。对于嵌入类型，我们建议您使用浮点向量嵌入。

在矢量数据库部分，选择创建矢量存储的方法，然后选择 Amazon Neptune Analytics (GraphRag) 作为矢量存储，以存储将用于查询的嵌入内容。要创建矢量存储，可以使用以下任一方法：

选择 “下一步”，查看知识库的详细信息。在继续创建知识库之前，您可以编辑任何部分。

选择 “创建知识库”。当 Amazon Bedrock 创建知识库时，您应该会看到状态为 “进行中”。必须等待创建完成后才能同步数据源。

在 Amazon Bedrock 完成知识库创建后，要配置数据源，请按照中的将数据源连接到您的知识库说明进行操作。

首先使用上下文丰富配置创建数据源。要执行此操作，请使用 Amazon Bedrock 构建时终端节点代理发送CreateDataSource请求。下面显示了 CLI 命令示例。

aws bedrock-agent create-data-source \
    --name graph_rag_source \
    --description data_source_for_graph_rag \
    --knowledge-base-id LDBBY2K5AG \
    --cli-input-json "file://input.json"

以下代码显示了 input.json 文件的内容。

{
    "dataSourceConfiguration": { 
        "s3Configuration": { 
            "bucketArn": "arn:aws:s3:::<example-graphrag-datasets>",
            "bucketOwnerAccountId": "<ABCDEFGHIJ>",
            "inclusionPrefixes": [ <"example-dataset"> ]
        },
        "type": "S3",
    },
    "VectorIngestionConfiguration": {
        "contextEnrichmentConfiguration":
            "type": "BEDROCK_FOUNDATION_MODEL",
            "bedrockFoundationModelConfiguration": {
                "modelArn": "arn:aws:bedrock:<region>::foundation-model/anthropic.claude-3-haiku-20240307-v1:0",
                "enrichmentStrategyConfiguration": {
                    "method": "CHUNK_ENTITY_EXTRACTION"
            }
        }
    }
}

要创建知识库，请使用适用于 Amazon Bedrock 的代理构建时终端节点发送CreateKnowledgeBase请求。下面显示了 CLI 命令示例。

aws bi create-knowledge-base \
--name <"knowledge-base-graphrag"> \
--role-arn arn:aws:iam::<accountId>:role/<BedrockExecutionRoleForKnowledgeBase> \
--cli-input-json "file://input.json"

下面显示的是 input.json 文件的内容。

{
    "storageConfiguration": {
        "type": "NEPTUNE_ANALYTICS"
        "neptuneAnalyticsConfiguration": {
            "graphArn": "arn:aws:neptune-graph:<region>:<>:graph/<graphID>",
            "fieldMapping": {
                "metadataField": "metadata",
                "textField": "text"
            },
        }
    },
    "knowledgeBaseConfiguration": {
        "type": "VECTOR",
        "vectorKnowledgeBaseConfiguration": {
            "embeddingModelArn": "arn:aws:bedrock:<region>::foundation-model/cohere.embed-english-v3"
        }
    }
}

在基于 Graphrag 的应用程序运行时，您可以继续使用知识库 API 操作为最终用户提供更全面、更相关和更易于解释的响应。以下各节介绍如何使用 CLI 命令启动摄取和执行检索查询。