使用 Amazon Bedrock 知识库检索数据并生成 AI 响应 - Amazon Bedrock

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 Bedrock 知识库检索数据并生成 AI 响应

虽然基础模型具有常识，但您可以使用检索增强生成 (RAG) 进一步改善其响应。 RAG是一种使用来自数据源的信息来提高所生成响应的相关性和准确性的技术。借助 Amazon Bedrock 知识库，您可以将专有信息集成到您的生成人工智能应用程序中。进行查询时，知识库会搜索您的数据以查找相关信息来回答查询。然后，检索到的信息可用于改进生成的响应。您可以使用 Amazon Bedrock 知识库的功能构建自己的RAG应用程序。

借助 Amazon Bedrock 知识库，您可以：

  • 通过返回来自数据源的相关信息来回答用户查询。

  • 使用从数据源检索到的信息，帮助生成对用户查询的准确且相关的响应。

  • 通过将返回的相关信息输入到提示中，来增强您自己的提示。

  • 在生成的响应中加入引文，以便可以引用原始数据源并检查准确性。

  • 包括具有大量视觉资源的文档，可以从中提取和检索图像以响应查询。如果您根据检索到的数据生成响应，则模型可以根据这些图像提供更多见解。

  • 将自然语言转换为为结构化数据库定制的SQL查询（例如查询）。这些查询用于从结构化数据存储中检索数据。

  • 更新您的数据源并将更改直接提取到知识库中，以便可以立即访问它们。

  • 使用重新排序模型来影响从您的数据源中检索到的结果。

  • 将知识库包含在 Amazon Bedrock Agen ts 工作流程中。

要设置知识库，必须完成以下常规步骤：

  1. （可选）如果将知识库连接到非结构化数据源，请设置自己支持的矢量存储以索引数据的矢量嵌入表示形式。如果您计划使用 Amazon Bedrock 控制台为您创建亚马逊 OpenSearch 无服务器矢量存储，则可以跳过此步骤。

  2. 将您的知识库连接到非结构化或结构化数据源。

  3. 将您的数据源与知识库同步。

  4. 设置您的应用程序或代理以执行以下操作：

    • 查询知识库并返回相关来源。

    • 查询知识库并根据检索到的结果生成自然语言响应。

    • （如果您查询与结构化数据存储相关的知识库）将查询转换为特定于结构化数据语言的查询（例如SQL查询）。

主题