Basi di conoscenza di Amazon Bedrock

Per dotare i modelli di fondazione (FM) di informazioni aggiornate e proprietarie, le organizzazioni utilizzano Retrieval Augmented Generation (RAG), una tecnica che recupera dati dalle origini dati aziendali e arricchisce il prompt per fornire risposte più pertinenti e accurate. Amazon Bedrock Knowledge Bases è una funzionalità completamente gestita che consente di implementare l'intero flusso di lavoro RAG, dall'importazione al recupero fino all'arricchimento dei prompt, senza dover sviluppare integrazioni personalizzate per le origini dati né gestire i flussi di dati. In alternativa, puoi porre domande e riepilogare i dati da un singolo documento senza configurare un database vettoriale. Puoi anche disporre della gestione del contesto della sessione integrata; in tal modo, l'applicazione è in grado di supportare conversazioni su più turni fin da subito.

Una volta indicata l'ubicazione dei dati proprietari, Amazon Bedrock Knowledge Bases recupera automaticamente i documenti. È possibile importare contenuti dal web e da repository tra cui Amazon Simple Storage Service (Amazon S3), Confluence (anteprima), Salesforce (anteprima), SharePoint (anteprima). Una volta importato il contenuto, Amazon Bedrock Knowledge Bases lo suddivide in blocchi di testo, converte il testo in embedding e archivia questi ultimi nel database vettoriale.
Amazon Bedrock Knowledge Bases gestisce anche le complessità del flusso di lavoro, tra cui il confronto dei contenuti, la gestione dei guasti, il controllo del throughput, la crittografia e altro ancora. Se non disponi di un database vettoriale esistente, Amazon Bedrock crea per te un archivio vettoriale per Amazon OpenSearch Serverless. In alternativa, è possibile specificare un archivio vettoriale esistente in uno dei database supportati, tra cui Amazon OpenSearch serverless, Pinecone e Redis Enterprise Cloud, Amazon Aurora e MongoDB.

È ora possibile ottimizzare il recupero e l'importazione per ottenere una maggiore precisione in tutti i casi d'uso. Sfrutta le opzioni di analisi avanzate per comprendere dati non strutturati (ad esempio PDF, immagini scansionate) con contenuti complessi (ad esempio tabelle). Utilizzando opzioni avanzate di suddivisioni dei dati tra cui una suddivisione personalizzata, è possibile scrivere il proprio codice come funzione Lamda e persino utilizzare componenti standard di framework come LangChain e LlamaIndex. Se si preferisce, è possibile anche utilizzare una delle strategie di suddivisione in blocchi integrate, tra cui la suddivisione in blocchi predefinita, a dimensione fissa, di non suddivisione, gerarchica o semantica. Al momento del recupero, è possibile utilizzare la riformulazione delle query per migliorare la capacità del sistema di comprensione di quelle complesse.

È possibile utilizzare l'API Retrieve per recuperare dalle knowledge base i risultati pertinenti per una richiesta dell'utente. L'API RetrieveAndGenerate si spinge anche oltre e utilizza direttamente i risultati recuperati per migliorare il prompt FM e restituire la risposta. È anche possibile aggiungere Amazon Bedrock Knowledge Bases ad Amazon Bedrock Agents per offrire agli agenti informazioni contestuali.

Tutte le informazioni recuperate da Amazon Bedrock Knowledge Bases vengono fornite con le rispettive citazioni per migliorare la trasparenza e ridurre al minimo le allucinazioni.