使用 Amazon Neptune Analytics 圖形建立 Amazon Bedrock 知識庫

AWS Management Console 使用具有 Amazon Bedrock 許可的 IAM 角色登入 ，然後開啟位於 https：//https://console.aws.amazon.com/bedrock/ 的 Amazon Bedrock 主控台。

在左側導覽窗格中，選擇知識庫。

在知識庫區段中，選擇建立，然後選擇具有向量存放區的知識庫。

（選用） 在知識庫詳細資訊下，變更預設名稱並提供知識庫的說明。

在 IAM 許可下，選擇提供 Amazon Bedrock 許可以存取其他必要 的 IAM 角色 AWS 服務。您可以讓 Amazon Bedrock 為您建立服務角色，也可以選擇使用您為 Neptune Analytics 建立的自訂角色。如需範例，請參閱「在 Amazon Neptune Analytics 中存取向量資料庫的許可」。

請務必選擇 Amazon S3 做為資料來源，然後選擇下一步來設定資料來源。

提供將用作資料來源的檔案的 S3 URI，以將知識庫連接到 ，並與 Amazon Neptune Analytics 整合。如需您可以提供的其他步驟和選用資訊，請參閱 將資料來源連接至您的知識庫。

在內嵌模型區段中，選擇內嵌模型，將您的資料轉換為向量內嵌。或者，您可以使用其他組態區段來指定向量維度。對於內嵌類型，我們建議您使用浮點向量內嵌。

在向量資料庫區段中，選擇建立向量存放區的方法，然後選擇 Amazon Neptune Analytics (GraphRAG) 做為向量存放區，以存放將用於查詢的內嵌。若要建立向量存放區，您可以使用下列其中一種方法：

選擇下一步並檢閱知識庫的詳細資訊。您可以在繼續和建立知識庫之前編輯任何區段。

選擇建立知識庫。當 Amazon Bedrock 正在建立知識庫時，您應該會看到進行中的狀態。您必須等待建立完成，才能同步資料來源。

Amazon Bedrock 完成建立知識庫後，若要設定資料來源，請遵循 中的指示將資料來源連接至您的知識庫。

首先使用內容擴充組態建立資料來源。若要執行此操作，請使用 Amazon Bedrock 建置時間端點的代理程式傳送CreateDataSource請求。下列顯示範例 CLI 命令。

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"

下列程式碼顯示 input.json 檔案的內容：

{
    "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"
            }
        }
    }
}

若要建立知識庫，請使用 Amazon Bedrock 建置時間端點的代理程式傳送CreateKnowledgeBase請求。下列顯示範例 CLI 命令。

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

下列顯示 input.json 檔案的內容。

{
    "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"
        }
    }
}

當您以 GraphRAG 為基礎的應用程式執行時，您可以繼續使用知識庫 API 操作，為最終使用者提供更全面、相關且可解釋的回應。下列各節說明如何使用 CLI 命令開始擷取和執行擷取查詢。