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。
雖然基礎模型具有一般知識，但您可以使用擷取增強型產生 (RAG) 進一步改善其回應。RAG 是一種技術，使用來自資料來源的資訊來改善所產生回應的相關性和準確性。使用 Amazon Bedrock 知識庫，您可以將專屬資訊整合到您的生成式 AI 應用程式。進行查詢時，知識庫會搜尋您的資料，以尋找相關資訊來回答查詢。然後，擷取的資訊可用於改善產生的回應。您可以使用 Amazon Bedrock 知識庫的功能，建置自己的 RAG 型應用程式。
透過 Amazon Bedrock 知識庫，您可以：
-
從資料來源傳回相關資訊以回答使用者查詢。
-
使用從資料來源擷取的資訊，協助產生準確且相關的使用者查詢回應。
-
將傳回的相關資訊饋送至提示中，增強您自己的提示。
-
在產生的回應中包含引文，以便參考原始資料來源並檢查準確性。
-
包含具有大量視覺化資源的文件，可以從中擷取和擷取映像，以回應查詢。如果您根據擷取的資料產生回應，模型可以根據這些影像提供額外的洞見。
-
將自然語言轉換為針對結構化資料庫自訂的查詢 （例如 SQL 查詢）。這些查詢用於從結構化資料存放區擷取資料。
-
更新您的資料來源，並直接將變更擷取至知識庫，以便立即存取。
-
使用重排模型來影響從資料來源擷取的結果。
-
在 Amazon Bedrock Agents 工作流程中包含知識庫。
若要設定知識庫，您必須完成下列一般步驟：
-
（選用） 如果您將知識庫連接到非結構化資料來源，請設定自己的支援向量存放區，以編製資料向量內嵌表示法的索引。如果您打算使用 Amazon Bedrock 主控台來為您建立 Amazon OpenSearch Serverless 向量存放區，則可以略過此步驟。
-
將您的知識庫連接到非結構化或結構化資料來源。
-
將資料來源與您的知識庫同步。
-
設定您的應用程式或代理程式以執行下列動作：
-
查詢知識庫並傳回相關來源。
-
查詢知識庫，並根據擷取的結果產生自然語言回應。
-
（如果您查詢連接到結構化資料存放區的知識庫） 將查詢轉換為結構化資料語言特定查詢 （例如 SQL 查詢）。
-
主題
