Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Abfragen für verwaltete Wissensdatenbanken konfigurieren und anpassen
Sie können den Abruf konfigurieren und anpassen, um die Relevanz der Ergebnisse weiter zu verbessern. Sie können beispielsweise Filter auf Dokumentmetadaten anwenden, fields/attributes um die zuletzt aktualisierten Dokumente oder Dokumente mit den letzten Änderungszeiten zu verwenden.
Anmerkung
Alle folgenden Konfigurationen gelten nur für unstrukturierte Datenquellen.
Wählen Sie eines der folgenden Themen aus, um mehr über diese Konfigurationen in der Konsole oder API zu erfahren:
Wenn Sie eine Wissensdatenbank abfragen, gibt Amazon Bedrock standardmäßig bis zu fünf Ergebnisse in der Antwort zurück. Jedes Ergebnis entspricht einem Quellblock.
Anmerkung
Die tatsächliche Anzahl der Ergebnisse in der Antwort kann unter dem angegebenen numberOfResults-Wert liegen, da dieser Parameter die maximale Anzahl der zurückzugebenden Ergebnisse festlegt. Wenn Sie hierarchisches Chunking für Ihre Chunking-Strategie konfiguriert haben, entspricht der Parameter numberOfResults der Anzahl der untergeordneten Blöcke, die die Wissensdatenbank abrufen wird. Da untergeordnete Blöcke, die denselben übergeordneten Block teilen, in der endgültigen Antwort durch den übergeordneten Block ersetzt werden, kann die Anzahl der zurückgegebenen Ergebnisse geringer sein als die angeforderte Menge.
Wählen Sie die Registerkarte mit Ihrer bevorzugten Methode aus und gehen Sie dann wie folgt vor, um die maximale Anzahl zurückzugebender Ergebnisse zu modifizieren:
Sie können Filter auf Dokumente anwenden fields/attributes , um die Relevanz der Antworten weiter zu verbessern. Ihre Datenquellen können Dokumentmetadaten attributes/fields zum Filtern enthalten und angeben, welche Felder in die Einbettungen aufgenommen werden sollen.
Überlegungen zur verwalteten Wissensdatenbank
Wenn Sie die Metadatenfilterung mit einer verwalteten Wissensdatenbank verwenden:
-
Die Filter
startsWithund diestringContainsMetadatenfilter werden nicht unterstützt. Verwenden SieequalsstattdessengreaterThandienotInOperatorenlessThanin,,, oder. -
Die Bereichsoperatoren (
greaterThan,greaterThanOrEqualslessThan, undlessThanOrEquals) akzeptieren entweder eine Zahl oder einen Datums-/Uhrzeitwert. Um nach einem Datum und einer Uhrzeit zu filtern, geben Sie den Wert als Zeichenfolge im Offset-Datums-/Uhrzeitformat an ISO-8601 . Verwenden Sie das vollständige Offset-Formular, z. B.2026-03-02T19:02:18ZBereichsoperatoren unterstützen Zeichenfolgenwerte für Datum und Uhrzeit nur für verwaltete Wissensdatenbanken. -
Für benutzerdefinierte Wissensdatenbanken
x-amz-bedrocksind Metadatenfelder mit dem Präfix vom Dienst reserviert. Bei vollständig verwalteten Wissensdatenbanken verwenden reservierte Metadatenfelder ein Unterstrich-Präfix (z. B._source_uri,_data_source_id). Sie können reservierte Metadatenfelder in beiden Wissensdatenbanktypen nicht überschreiben.
Beispielsweise steht „epoch_modification_time“ für die Zeit in Sekunden seit dem 1. Januar 1970 (UTC), als das Dokument zuletzt aktualisiert wurde. Sie können nach den neuesten Daten filtern, wobei „epoch_modification_time“ größer als eine bestimmte Zahl ist. Diese neuesten Dokumente können für die Abfrage verwendet werden.
Überprüfen Sie, ob Ihre Wissensdatenbank die folgenden Anforderungen erfüllt, um bei der Abfrage einer Wissensdatenbank Filter zu verwenden:
-
Bei der Konfiguration Ihres Datenquellen-Connectors crawlen die meisten Connectors durch die wichtigsten Metadatenfelder Ihrer Dokumente. Wenn Sie einen Amazon-S3-Bucket als Datenquelle verwenden, muss der Bucket mindestens einen
fileName.extension.metadata.jsonenthalten, der der jeweiligen Datei oder dem Dokument zugeordnet ist. Weitere Informationen zur Konfiguration der Metadatendatei finden Sie in Konfiguration der Verbindung unter Dokumentmetadatenfelder. -
Wenn sich der Vektorindex Ihrer Wissensdatenbank in einem Amazon OpenSearch Serverless Vector Store befindet, überprüfen Sie, ob der Vektorindex mit der
faissEngine konfiguriert ist. Wenn der Vektorindex mit dernmslib-Engine konfiguriert ist, müssen Sie einen der folgenden Prozesse ausführen:-
Erstellen Sie eine neue Wissensdatenbank in der Konsole und lassen Sie Amazon Bedrock automatisch einen Vektorindex in Amazon OpenSearch Serverless für Sie erstellen.
-
Erstellen Sie einen weiteren Vektorindex im Vektorspeicher und wählen Sie
faissals Engine aus. Anschließend erstellen Sie eine neue Wissensdatenbank und geben den neuen Vektorindex an.
-
-
Wenn Ihre Wissensdatenbank einen Vektorindex in einem S3-Vektor-Bucket verwendet, können Sie die Filter
stringContainsundstartsWithnicht verwenden. -
Wenn Sie Metadaten zu einem bestehenden Vektorindex in einem Datenbank-Cluster unter Amazon Aurora hinzufügen, empfehlen wir, den Feldnamen der benutzerdefinierten Metadatenspalte anzugeben, um alle Ihre Metadaten in einer einzigen Spalte zu speichern. Diese Spalte wird während der Datenerfassung mit allen in den Metadatendateien enthaltenen Informationen aus Ihren Datenquellen gefüllt. Wenn Sie entscheiden, dieses Feld anzugeben, müssen Sie einen Index für diese Spalte erstellen.
-
Wenn Sie in der Konsole eine neue Wissensdatenbank erstellen und Amazon Bedrock Ihre Amazon-Aurora-Datenbank konfigurieren lassen, wird automatisch eine einzelne Spalte erstellt und mit den Informationen aus Ihren Metadatendateien befüllt.
-
Wenn Sie entscheiden, einen weiteren Vektorindex im Vektorspeicher zu erstellen, müssen Sie den Namen des benutzerdefinierten Metadatenfeldes angeben, um Informationen aus Ihren Metadatendateien zu speichern. Wenn Sie diesen Feldnamen nicht angeben, müssen Sie für jedes Metadatenattribut in Ihren Dateien eine Spalte erstellen und den Datentyp (Text, Zahl oder boolescher Wert) angeben. Wenn das Attribut
genrebeispielsweise in Ihrer Datenquelle vorhanden ist, würden Sie eine Spalte mit dem Namengenreund der Angabetextals Datentyp hinzufügen. Während der Aufnahme werden diese separaten Spalten mit den entsprechenden Attributwerten gefüllt.
-
Wenn Sie PDF-Dokumente in Ihrer Datenquelle haben und Amazon OpenSearch Serverless oder Amazon Aurora für Ihren Vector Store verwenden: Amazon Bedrock-Wissensdatenbanken generieren Dokumentseitenzahlen und speichern sie in einer Metadaten namens x-amz-bedrock-kb-document-page-number. field/attribute Beachten Sie, dass Seitenzahlen, die in einem Metadatenfeld gespeichert sind, nicht unterstützt werden, wenn Sie für Ihre Dokumente kein Chunking auswählen.
Sie können die folgenden Filteroperatoren verwenden, um bei der Abfrage die Ergebnisse zu filtern:
| Operator | Konsole | API-Filtername | Unterstützte Attributdatentypen | Gefilterte Ergebnisse |
|---|---|---|---|---|
| Gleich | = | equals | Zeichenfolge, Zahl, boolescher Wert | Das Attribut entspricht dem von Ihnen angegebenen Wert |
| Ungleich | != | notEquals | Zeichenfolge, Zahl, boolescher Wert | Das Attribut entspricht nicht dem von Ihnen angegebenen Wert |
| Größer als | > | Größer als | number | Das Attribut ist größer als der von Ihnen angegebene Wert |
| Größer als oder gleich | >= | größer ThanOrEquals | number | Das Attribut ist größer als oder gleich dem von Ihnen angegebenen Wert |
| Kleiner als | < | Weniger als | number | Das Attribut ist kleiner als der von Ihnen angegebene Wert |
| Kleiner als oder gleich | <= | weniger ThanOrEquals | number | Das Attribut ist kleiner als der oder gleich dem von Ihnen angegebenen Wert |
| In | : | in | Zeichenfolgenliste | Das Attribut befindet sich in der von Ihnen bereitgestellten Liste (derzeit am besten unterstützt von den GraphRag-Vektorspeichern von Amazon OpenSearch Serverless und Neptune Analytics) |
| NOT IN | !: | Nicht in | Zeichenfolgenliste | Das Attribut ist nicht in der von Ihnen angegebenen Liste enthalten (wird derzeit am besten mit den GraphRag-Vektorspeichern von Amazon OpenSearch Serverless und Neptune Analytics unterstützt) |
| Zeichenfolge enthält | Nicht verfügbar | stringContains | Zeichenfolge | Das Attribut muss eine Zeichenfolge sein. Der Attributname entspricht dem Schlüssel und dessen Wert eine Zeichenfolge ist, die den Wert enthält, den Sie als Teilzeichenfolge angegeben haben, oder eine Liste mit einem Element, das den Wert enthält, den Sie als Teilzeichenfolge angegeben haben (derzeit am besten mit Amazon Serverless Vector Store unterstützt). OpenSearch Der GraphRag-Vektorspeicher von Neptune Analytics unterstützt die Zeichenkettenvariante, aber nicht die Listenvariante dieses Filters). |
| Liste enthält | Nicht verfügbar | listContains | Zeichenfolge | Das Attribut muss eine Zeichenfolgenliste sein. Der Attributname entspricht dem Schlüssel und dessen Wert ist eine Liste, die den Wert enthält, den Sie als eines ihrer Mitglieder angegeben haben (derzeit am besten unterstützt von Amazon OpenSearch Serverless Vector Stores). |
Sie können die folgenden logischen Operatoren verwenden, um Filteroperatoren zu kombinieren:
Wählen Sie den Tab für Ihre bevorzugte Methode aus und führen Sie dann die Schritte aus, um zu erfahren, wie Sie Ergebnisse mithilfe von Metadaten filtern:
) neben der Gruppe. Um einen Filter zu entfernen, klicken Sie auf das Löschsymbol (
) neben dem Filter.
Sie können für Ihre Wissensdatenbank Schutzmaßnahmen für Ihre Anwendungsfälle und verantwortungsvolle KI-Richtlinien implementieren. Sie können mehrere Integritätsschutzmaßnahmen treffen, die auf verschiedene Anwendungsfälle zugeschnitten sind, und sie auf mehrere Anfrage- und Antwortbedingungen anwenden, um eine konsistente Benutzerumgebung zu gewährleisten und die Sicherheitskontrollen in Ihrer gesamten Wissensdatenbank zu standardisieren. Sie können abgelehnte Themen so konfigurieren, dass unerwünschte Themen und Inhaltsfilter schädliche Inhalte in Modelleingaben und -antworten blockieren. Weitere Informationen finden Sie unter So erkennen und filtern Sie schädliche Inhalte mithilfe vom Integritätsschutz für Amazon Bedrock.
Anmerkung
Die Verwendung eines Integritätsschutzes mit kontextueller Begründungsprüfung für Wissensdatenbanken wird aktuell in Claude 3 Sonnet und Haiku nicht unterstützt.
Allgemeine Leitfäden zum Prompt-Engineering finden Sie unter Prompt-Engineering-Konzepte.
Wählen Sie die Registerkarte für Ihre bevorzugte Methode aus und befolgen Sie dann die Schritte:
Sie können ein Reranker-Modell verwenden, um Ergebnisse aus einer Wissensdatenbankabfrage neu einzustufen. Folgen Sie den Konsolenschritten unter Abrufen einer Wissensdatenbank und Datenabruf. Wenn Sie den Bereich Konfigurationen öffnen, erweitern Sie den Abschnitt Neueinstufung. Wählen Sie ein Reranker-Modell aus, aktualisieren Sie die Berechtigungen falls erforderlich und modifizieren Sie bei Bedarf weitere Optionen. Geben Sie einen Prompt ein und klicken Sie auf Ausführen, um die Ergebnisse nach der Neueinstufung zu testen.
