Création d'intégrations vectorielles et réalisation de recherches sémantiques avec s3vectors-embed-cli - Amazon Simple Storage Service

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Création d'intégrations vectorielles et réalisation de recherches sémantiques avec s3vectors-embed-cli

Note

Amazon S3 Vectors est en version préliminaire pour Amazon Simple Storage Service et est sujet à modification.

Amazon S3 Vectors fournit un outil open source autonome appelé Amazon S3 Vectors Embed CLI s3vectors-embed-cli () qui simplifie l'utilisation des données vectorielles en combinant la génération d'intégration avec les opérations vectorielles dans des commandes uniques. Cet outil CLI vous permet de démarrer rapidement avec les vecteurs S3 en automatisant la génération d'intégrations vectorielles avec les modèles de base Amazon Bedrock et les opérations de recherche sémantique dans vos index vectoriels.

La CLI S3 Vectors Embed fournit deux commandes principales pour intégrer les modèles d'intégration Amazon Bedrock aux opérations S3 Vectors :

  • s3vectors-embed put: générez et insérez des intégrations vectorielles dans un index vectoriel. Plus précisément, convertissez le texte et les images en intégrations vectorielles via les modèles Amazon Bedrock et stockez-les automatiquement dans votre index vectoriel.

  • s3vectors-embed query: générez des intégrations vectorielles à partir de votre requête via les modèles Amazon Bedrock et des vecteurs de requête dans votre index vectoriel.

La CLI Amazon S3 Vectors Embed est disponible dans le GitHub référentiel Amazon Web Services - Labs. Pour obtenir des instructions d'installation détaillées, des paramètres de commande, des exemples et des meilleures pratiques, consultez le GitHub référentiel Amazon S3 Vectors Embed CLI.

Pour les opérations d'API S3 Vectors de niveau inférieur qui offrent davantage de contrôle et de personnalisation, consultez Amazon S3 Vectors dans le manuel Amazon Simple Storage Service API Reference.