使用知識庫擷取資料並產生 AI 回應 - Amazon Bedrock

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

使用知識庫擷取資料並產生 AI 回應

您可以使用 Amazon 基岩知識庫，將專有資訊整合到您的產生 AI 應用程式中。使用擷取增強產生 (RAG) 技術，知識庫會搜尋您的資料以尋找最有用的資訊，然後使用它來回答自然語言問題。

設定知識庫之後，您就可以利用下列方式的知識庫：

  • 將您的應用RAG程式設定為使用RetrieveAndGenerateAPI來查詢您的知識庫，並從擷取的資訊產生回應。您也可以呼叫「擷取」，API使用直接從知識庫擷取的資訊來查詢您的知識庫。

  • 將您的知識庫與代理程式建立關聯 (如需詳細資訊，請參閱使用對話式代理程式自動化應用程式中的任務)，藉由協助代理程式完成協助使用者所採取的步驟來推理代理程式。RAG

知識庫不僅可以用來回答使用者查詢和分析文件，還可以用來增強提供給基礎模型的提示提示。回答使用者查詢時，知識庫會保留交談內容。知識庫還會在引用文獻中找到答案，以便使用者可以透過查詢回應所依據的確切文字來尋找更多資訊，並檢查回應是否合理且事實正確。

您採取下列步驟設定和使用知識庫。

  1. 收集源文檔以添加到您的知識庫中。

  2. 將來源文件儲存在支援的資料來源中。

  3. (如果使用 Amazon S3 存放來源文件，則為選用) 為每個來源文件建立中繼資料檔案，以便在知識庫查詢期間篩選結果。

  4. (選擇性) 設定您自己支援的向量存放區，以索引資料的向量嵌入表示法。您可以使用 Amazon 基岩主控台為您建立 Amazon OpenSearch 無伺服器向量存放區。

  5. 建立和設定您的知識庫。您必須啟用模型存取權，才能使用知識庫支援的模型。

    如果您使用 Amazon 基岩API，請記下將資料轉換為向量嵌入以及知識庫擷取和產生所需的 Amazon 資源名稱 (ARN) 模型。複製所選模型的模型 ID 以供知識庫ARN使用，並遵循模型資源類型提供的ARN範例，使用模型 (資源) ID 建構模型。

    如果您使用 Amazon 基岩主控台，則不需要建構模型ARN，因為您可以選取可用的模型作為建立知識庫步驟的一部分。

  6. 設定您的應用程式或代理程式以查詢知識庫，並傳回增強的回應。

主題