Menggunakan Aurora PostgreSQL sebagai Basis Pengetahuan untuk Amazon Bedrock

Dari Aurora PostgreSQL 15.4, 14.9, 13.12, 12.16 versi, Anda dapat menggunakan cluster Aurora PostgreSQL DB sebagai Basis Pengetahuan untuk Amazon Bedrock. Untuk informasi selengkapnya, lihat Membuat penyimpanan vektor di Amazon Aurora. Basis Pengetahuan secara otomatis mengambil data teks tidak terstruktur yang disimpan dalam bucket Amazon S3, mengubahnya menjadi potongan teks dan vektor, dan menyimpannya dalam database PostgreSQL. Dengan aplikasi AI generatif, Anda dapat menggunakan Agen untuk Amazon Bedrock untuk menanyakan data yang disimpan di Pangkalan Pengetahuan dan menggunakan hasil kueri tersebut untuk menambah jawaban yang disediakan oleh model dasar. Alur kerja ini disebut Retrieval Augmented Generation (RAG). Untuk informasi lebih lanjut tentang RAG, lihat Retrieval Augmented Generation (RAG).

Prasyarat

Biasakan diri Anda dengan prasyarat berikut untuk menggunakan klaster Aurora PostgreSQL sebagai Basis Pengetahuan untuk Amazon Bedrock. Pada tingkat tinggi, Anda perlu mengkonfigurasi layanan berikut untuk digunakan dengan Bedrock:

• Amazon Aurora PostgreSQL DB cluster dibuat dalam versi berikut:

  • 15.4 dan versi yang lebih tinggi

  • 14.9 dan versi yang lebih tinggi

  • 13.12 dan versi yang lebih tinggi

  • 12.16 dan versi yang lebih tinggi

  catatan

  Anda harus mengaktifkan pgvector ekstensi di database target Anda dan menggunakan versi 0.5.0 atau lebih tinggi. Untuk informasi lebih lanjut, lihat pgvector v0.5.0 dengan pengindeksan HNSW.

• Data API

• Pengguna yang dikelola di Secrets Manager. Untuk informasi selengkapnya, lihat Manajemen kata sandi dengan dan AWS Secrets Manager.

Mempersiapkan Aurora PostgreSQL untuk digunakan sebagai Basis Pengetahuan untuk Amazon Bedrock

Anda harus mengikuti langkah-langkah di bawah ini untuk membuat dan mengkonfigurasi cluster Aurora PostgreSQL DB untuk menggunakannya sebagai Basis Pengetahuan untuk Amazon Bedrock.

1. Buat cluster DB PostgreSQL Aurora. Lihat informasi yang lebih lengkap di Membuat dan terhubung ke klaster DB Aurora PostgreSQL

2. Aktifkan API Data saat membuat cluster Aurora PostgreSQL DB. Untuk informasi selengkapnya tentang versi yang didukung, lihatMenggunakan RDS Data API.

3. Perhatikan klaster Aurora PostgreSQL DB Nama Sumber Daya Amazon (ARN) untuk menggunakannya di Amazon Bedrock. Untuk informasi selengkapnya, lihat Nama Sumber Daya Amazon (ARN)

4. Masuk ke database dengan pengguna master Anda dan atur pgvector. Gunakan perintah berikut jika ekstensi tidak diinstal:

   CREATE EXTENSION IF NOT EXISTS vector;

   Gunakan pgvector 0.5.0 dan versi yang lebih tinggi yang mendukung pengindeksan HNSW. Untuk informasi lebih lanjut, lihat pgvector v0.5.0 dengan pengindeksan HNSW.

   Gunakan perintah berikut untuk memeriksa versi yang pg_vector diinstal:

   postgres=>SELECT extversion FROM pg_extension WHERE extname='vector';

5. Buat skema tertentu yang dapat digunakan Bedrock untuk menanyakan data. Gunakan perintah berikut untuk membuat skema:

   CREATE SCHEMA bedrock_integration;

6. Buat peran baru yang dapat digunakan Bedrock untuk menanyakan database. Gunakan perintah berikut untuk membuat peran baru:

   CREATE ROLE bedrock_user WITH PASSWORD password LOGIN;

   catatan

   Catat kata sandi ini karena Anda akan menggunakan kata sandi yang sama untuk membuat kata sandi Secrets Manager.

7. Untuk memberikan bedrock_user izin untuk mengelola bedrock_integration skema, sehingga mereka dapat membuat tabel atau indeks di dalamnya.

   GRANT ALL ON SCHEMA bedrock_integration to bedrock_user;

8. Login sebagai bedrock_user dan membuat tabel dibedrock_integration schema.

   CREATE TABLE bedrock_integration.bedrock_kb (id uuid PRIMARY KEY, embedding vector(1536), chunks text, metadata json);

9. Kami menyarankan Anda untuk membuat indeks dengan operator kosinus yang dapat digunakan batuan dasar untuk menanyakan data.

   CREATE INDEX on bedrock_integration.bedrock_kb USING hnsw (embedding vector_cosine_ops);

10. Buat rahasia AWS Secrets Manager database. Untuk informasi selengkapnya, lihat AWS Secrets Manager rahasia database.

Membuat basis pengetahuan di konsol Bedrock

Saat menyiapkan Aurora PostgreSQL untuk digunakan sebagai penyimpanan vektor untuk Pangkalan Pengetahuan, kumpulkan detail berikut yang perlu Anda suplai ke konsol Amazon Bedrock.

• Amazon Aurora DB klaster ARN

• Rahasia ARN

• Nama database (misalnya postgres)

• Nama tabel - Sarankan untuk memberikan nama skema yang memenuhi syarat, yaitu. BUAT TABEL bedrock_integration.bedrock_kb; yang akan membuat tabel bedrock_kb dalam skema bedrock_integration

• Bidang tabel:

  ID: (id)

  Potongan teks (potongan)

  Penyematan vektor (penyematan)

  Metadata (metadata)

Dengan detail ini Anda dapat membuat basis pengetahuan di konsol Bedrock. Untuk informasi selengkapnya, lihat Membuat penyimpanan vektor di Amazon Aurora.

Setelah Aurora ditambahkan sebagai basis pengetahuan, Anda menelan sumber data ke dalamnya. Untuk informasi selengkapnya, lihat Menyerap sumber data Anda ke dalam basis pengetahuan.