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。
Amazon Bedrock 知识库允许您将专有信息集成到生成人工智能应用程序中，以创建检索增强生成 () 解决方案。RAG知识库会搜索您的数据以找到最有用的信息，并可以用它来回答自然语言问题。
注意
您无法使用根用户创建知识库。在开始这些步骤之前，请先IAM使用用户登录。
创建知识库时，需要设置知识库的配置和权限，选择要连接的数据源，选择将数据转换为嵌入的嵌入模型，以及用于保存矢量嵌入的矢量存储。选择您首选方法的选项卡，然后按照以下步骤操作：
为知识库设置配置和权限
-
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，选择创建按钮。
-
（可选）更改默认名称并提供知识库的描述。
-
选择一个向 Amazon Bedrock 提供访问其他所需 AWS 服务的权限的 AWS Identity and Access Management (IAM) 角色。您可以让 Amazon Bedrock 创建服务角色，也可以选择您已创建的自定义角色。
-
选择要连接知识库的数据源。
-
（可选）向知识库添加标签。有关更多信息，请参阅 标记 Amazon Bedrock 资源。
-
（可选）配置要为知识库提供活动日志的服务。
-
转至下一节并按照中的将数据源连接到您的知识库步骤配置数据源。
-
选择嵌入模型，将您的数据转换为矢量嵌入。
-
（可选）展开 “其他配置” 部分以查看以下配置选项（并非所有型号都支持所有配置）：
-
嵌入类型-是将数据转换为浮点 (float32) 向量嵌入（更精确，但成本更高）还是二进制向量嵌入（精度较低，但成本更低）。要了解哪些嵌入模型支持二进制向量，请参阅支持的嵌入模型。
-
矢量维度-值越高，精度越高，但会增加成本和延迟。
-
-
选择矢量存储来存储将用于查询的矢量嵌入。您有以下选项：
-
快速创建新的矢量存储库 — 选择一个可用的矢量库供亚马逊 Bedrock 创建。
-
Amazon OpenSearch Serverless — Amazon Bedrock 知识库创建了亚马逊 OpenSearch 无服务器矢量搜索集合和索引，并为您配置必填字段。
-
亚马逊 Aurora Postgre SQL Serverless — 亚马逊 Bedrock 开设了一家亚马逊 Aurora Postgre SQL 无服务器矢量商店。此过程从 Amazon S3 存储桶中获取非结构化文本数据，将其转换为文本块和矢量，然后将其存储在 Postgre 数据库中。SQL有关更多信息，请参阅为亚马逊 Bedrock 快速创建 Aurora Postgre SQL 知识库。
-
Amazon Neptune Analytics — Amazon Bedrock 使用检索增强生成 (RAG) 技术与图表相结合，增强生成式人工智能应用程序，以便最终用户可以获得更准确、更全面的响应。
-
-
选择已创建的矢量存储-选择支持的矢量存储，并在向量索引中标识矢量字段名称和元数据字段名称。有关更多信息，请参阅 将自己的向量存储用于知识库的先决条件。
注意
如果您的数据源是 Confluence SharePoint、Microsoft 或 Salesforce 实例，则唯一支持的矢量存储服务是 Amazon Serverless。 OpenSearch
-
-
如果您的数据源包含图像，请指定用于存储解析器将从数据URI中提取的图像的 Amazon S3。可以在查询期间返回图像。
注意
只有 Amazon S3 和自定义数据源支持多模式数据。
-
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。
注意
创建知识库所用的时间取决于您的特定配置。知识库创建完成后，知识库的状态将更改为“已就绪”或“可用”。
知识库准备就绪并可供使用后，您可以首次同步数据来源，并在想要更新数据来源时进行同步。在控制台中选择知识库，然后在数据来源概述部分中选择同步。
