本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
使用 Amazon Neptune 中的图表建立知识库
注意
使用来自 Amazon Neptune 的图表构建知识库目前处于预览阶段，可能会发生变化。
亚马逊 Bedrock 知识库通过亚马逊 Neptune 提供完全托管的 GraphRag 功能。此功能使用检索增强生成 (RAG) 技术与图表相结合，以增强生成式 AI 应用程序，以便最终用户可以获得更准确、更全面的响应。
GraphRag 会自动识别和使用收录到 Amazon Bedrock 知识库中的文档中的相关实体和结构元素（例如章节标题）之间的关系。这意味着，在需要跨多个文档区块连接数据和推理的情况下，生成式 AI 应用程序可以提供更相关的响应。
Amazon Bedrock 知识库会自动管理来自 Amazon Neptune 的图表的创建和维护，因此您可以向最终用户提供相关的响应，而不必依赖图表技术方面的专业知识。
带有 GraphRag 的 Amazon Bedrock 知识库具有以下好处：
-
通过使用来自相关实体和文档章节的上下文信息，做出更相关的回应。
-
通过合并数据源中的关键内容，同时筛选出不必要的信息，从而更好地进行汇总。
-
通过了解数据集中不同实体之间的关系并提供引文，可以更容易解释的回应。
GraphRag 可在同时提供亚马逊 B edrock 知识库和亚马逊 Neptune Analyt ic s AWS 区域 的地方使用。
如何构建 GraphRag
GraphRag 已完全集成到亚马逊 Bedrock 知识库中，并使用亚马逊 Neptune Analytics 进行图形和矢量存储。您可以通过 AWS Management Console、或 SDK 开始在知识库中使用 GraphRag。 AWS CLI AWS
注意
在预览期间，GraphRag 仅支持亚马逊 S3 作为数据源。
要构建 GraphRag，你必须选择亚马逊 Neptune Analytics 作为矢量存储。如果你在亚马逊 Bedrock 控制台中使用快速创建新的矢量存储流程，也可以使用 Neptune Analytics，这不需要你拥有任何现有的 Neptune Analytics 资源。知识库会自动生成并存储在 Amazon Neptune 中的文档嵌入以及从文档语料库中派生的实体及其关系的图表表示形式。
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。
