Basis Pengetahuan Amazon Bedrock

Dengan Basis Pengetahuan Amazon Bedrock, Anda dapat memberikan informasi kontekstual kepada FM dan agen dari sumber data privat perusahaan Anda untuk RAG guna memberikan respons yang lebih relevan, akurat, dan disesuaikan

Dukungan terkelola sepenuhnya untuk alur kerja RAG menyeluruh

Untuk melengkapi model fondasi (FM) dengan informasi terkini dan eksklusif, organisasi menggunakan Retrieval Augmented Generation (RAG), sebuah teknik yang mengambil data dari sumber data perusahaan dan memperkaya perintah untuk memberikan respons yang lebih relevan serta akurat. Basis Pengetahuan Amazon Bedrock adalah kemampuan terkelola penuh yang membantu Anda mengimplementasikan seluruh alur kerja RAG, mulai dari penyerapan hingga pengambilan dan augmentasi prompt tanpa harus membangun integrasi kustom ke sumber data dan mengelola alur data. Selain itu, Anda dapat mengajukan pertanyaan dan meringkas data dari satu dokumen, tanpa menyiapkan basis data vektor. Manajemen konteks Sesi sudah terpasang, sehingga aplikasi Anda dapat dengan mudah mendukung percakapan multi-putaran.

Penggambaran formal dari gambaran umum dasar pengetahuan

Hubungkan FM dan agen dengan aman ke sumber data

Setelah menunjuk lokasi data kepemilikan Anda, Basis Pengetahuan Amazon Bedrock akan mengambil dokumen secara otomatis. Anda dapat mengambil konten dari web dan dari repositori seperti Amazon Simple Storage Service (Amazon S3), Confluence (pratinjau), Salesforce (pratinjau), SharePoint (pratinjau). Setelah konten diserap, Basis Pengetahuan Amazon Bedrock membagi konten menjadi beberapa blok teks, mengubah teks menjadi sematan, dan menyimpan sematan dalam basis data vektor Anda.
Basis Pengetahuan Amazon Bedrock juga mengelola kompleksitas alur kerja, seperti perbandingan konten, penanganan kegagalan, kontrol throughput, enkripsi, dan banyak lagi. Jika Anda tidak memiliki basis data vektor, Amazon Bedrock membuat penyimpanan vektor Amazon OpenSearch Nirserver untuk Anda. Atau, Anda dapat menentukan penyimpanan vektor yang ada di salah satu basis data yang didukung, termasuk Amazon OpenSearch Nirserver, Pinecone, dan Redis Enterprise Cloud, Amazon Aurora, dan MongoDB.

layar untuk membuat dasar pengetahuan dan menyiapkan sumber data

Kustomisasikan Basis Pengetahuan Amazon Bedrock untuk memberikan respons yang akurat saat runtime

Anda sekarang dapat menyempurnakan pengambilan dan penyerapan untuk mencapai akurasi yang lebih baik di seluruh kasus penggunaan. Manfaatkan opsi penguraian lanjutan untuk memahami data tidak terstruktur (misalnya PDF, gambar yang dipindai) dengan konten kompleks (misalnya, tabel). Menggunakan opsi pemotongan data lanjutan seperti chunking khusus, Anda dapat menulis kode chunking Anda sendiri sebagai fungsi Lamda, dan bahkan menggunakan komponen off-shelf dari kerangka kerja seperti LangChain dan LlamaIndex. Jika mau, Anda juga dapat menggunakan salah satu strategi chunking bawaan kami termasuk default, ukuran tetap, tanpa potongan, chunking hierarkis, atau pemotongan semantik. Pada saat pengambilan, manfaatkan reformulasi kueri untuk meningkatkan kemampuan sistem untuk memahami kueri kompleks.

tangkapan layar konfigurasi penguraian chunking bedrock

Ambil data relevan dan tambahkan perintah

Anda dapat menggunakan API Retrieve untuk mengambil hasil yang relevan untuk kueri pengguna dari basis pengetahuan. API RetrieveAndGenerate melangkah lebih jauh dengan langsung menggunakan hasil yang diambil untuk menambah perintah FM dan mengembalikan respons. Anda juga dapat menambahkan Basis Pengetahuan Amazon Bedrock ke Agen Amazon Bedrock untuk memberikan informasi kontekstual kepada agen.

Berikan atribusi sumber

Semua informasi yang diambil dari Basis Pengetahuan Amazon Bedrock dilengkapi dengan kutipan untuk meningkatkan transparansi dan meminimalkan halusinasi.