Configura un indice vettoriale per la tua knowledge base in un archivio vettoriale supportato - Amazon Bedrock

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Configura un indice vettoriale per la tua knowledge base in un archivio vettoriale supportato

Puoi configurare un indice vettoriale supportato per indicizzare le tue fonti di dati creando campi per memorizzare i seguenti dati.

  • I vettori generati dal testo nella tua fonte di dati dal modello di incorporamento che scegli.

  • I blocchi di testo estratti dai file nella fonte di dati.

  • Metadati relativi alla tua knowledge base gestita da Amazon Bedrock.

  • (Se utilizzi un database Amazon Aurora e desideri configurare il filtraggio) Metadati che associ ai tuoi file di origine. Se prevedi di configurare il filtro in altri archivi vettoriali, non devi configurare questi campi per il filtraggio.

Seleziona la scheda corrispondente al servizio che utilizzerai per creare il tuo indice vettoriale.

Nota

Se preferisci che Amazon Bedrock crei automaticamente un indice vettoriale in Amazon OpenSearch Serverless per te, salta questo prerequisito e procedi con. Creazione di una knowledge base Per imparare a configurare un indice vettoriale, seleziona la scheda corrispondente al metodo che preferisci e segui i passaggi.

Amazon OpenSearch Serverless

  1. Per configurare le autorizzazioni e creare una raccolta di ricerca vettoriale in Amazon OpenSearch Serverless in AWS Management Console, segui i passaggi 1 e 2 in Lavorare con le raccolte di ricerca vettoriale nella Amazon OpenSearch Service Developer Guide. Tieni presente le seguenti considerazioni durante la configurazione della raccolta:

    1. Assegna alla collezione un nome e una descrizione a tua scelta.

    2. Per rendere privata la tua raccolta, seleziona Creazione standard nella sezione Sicurezza. Quindi, nella sezione Impostazioni di accesso alla rete, seleziona VPC come tipo di accesso e scegli un endpoint VPC. Per ulteriori informazioni sulla configurazione di un endpoint VPC per una raccolta Amazon Serverless, consulta Access Amazon OpenSearch OpenSearch Serverless using an interface endpoint ()AWS PrivateLink nella Amazon Service Developer Guide. OpenSearch

  2. Una volta creata la raccolta, prendi nota dell'ARN della collezione per quando crei la knowledge base.

  3. Nel riquadro di navigazione a sinistra, seleziona Raccolte in Serverless. Quindi seleziona la tua raccolta di ricerca vettoriale.

  4. Seleziona la scheda Indici. Quindi scegli Crea indice vettoriale.

  5. Nella sezione Dettagli dell'indice vettoriale, inserisci un nome per l'indice nel campo Nome dell'indice vettoriale.

  6. Nella sezione Campi vettoriali, scegli Aggiungi campo vettoriale. Amazon Bedrock memorizza gli incorporamenti vettoriali per la tua fonte di dati in questo campo. Fornisci le seguenti configurazioni:

    • Nome di campo vettoriale: fornisci un nome per il campo (ad esempio,embeddings).

    • Motore: il motore vettoriale utilizzato per la ricerca. Seleziona faiss.

    • Dimensioni: il numero di dimensioni nel vettore. Fate riferimento alla tabella seguente per determinare quante dimensioni deve contenere il vettore:

      Modello Dimensioni
      TitanIncorporamenti G1 - Testo 1.536
      CohereEmbedInglese 1,024
      CohereEmbedMultilingue 1,024

    • Metrica di distanza: la metrica utilizzata per misurare la similarità tra i vettori. Si consiglia di utilizzare Euclidean.

  7. Espandi la sezione Gestione dei metadati e aggiungi due campi per configurare l'indice vettoriale per archiviare metadati aggiuntivi che una knowledge base può recuperare con i vettori. La tabella seguente descrive i campi e i valori da specificare per ogni campo:

    Descrizione del campo Campo di mappatura Tipo di dati Filtrabile
    Amazon Bedrock suddivide il testo non elaborato dai tuoi dati e archivia i blocchi in questo campo. Nome a tua scelta (ad esempio,) text Stringa True
    Amazon Bedrock archivia i metadati relativi alla tua knowledge base in questo campo. Nome a tua scelta (ad esempio,) bedrock-metadata Stringa False

  8. Prendi nota dei nomi che scegli per il nome dell'indice vettoriale, il nome del campo vettoriale e i nomi dei campi di mappatura per la gestione dei metadati per la creazione della knowledge base. Quindi, scegli Crea.

Dopo aver creato l'indice vettoriale, puoi procedere con la creazione della tua knowledge base. La tabella seguente riassume dove inserirete ogni informazione di cui avete preso nota.

Campo Campo corrispondente nella configurazione della knowledge base (Console) Campo corrispondente nella configurazione della knowledge base (API) Descrizione
ARN raccolta ARN raccolta Collezione ARN L'Amazon Resource Name (ARN) della raccolta di ricerca vettoriale.
Nome dell'indice vettoriale Nome dell'indice vettoriale vectorIndexName Il nome dell'indice vettoriale.
Nome del campo vettoriale Campo vettoriale Campo vettoriale Il nome del campo in cui archiviare gli incorporamenti vettoriali per le fonti di dati.
Gestione dei metadati (primo campo di mappatura) Campo di testo Campo di testo Il nome del campo in cui memorizzare il testo non elaborato dalle fonti di dati.
Gestione dei metadati (secondo campo di mappatura) Campo di metadati gestito da Bedrock Campo di metadati Il nome del campo in cui archiviare i metadati gestiti da Amazon Bedrock.

Per una documentazione più dettagliata sulla configurazione di un archivio vettoriale in Amazon OpenSearch Serverless, consulta Working with vector search collections nella Amazon OpenSearch Service Developer Guide.

Amazon Aurora

  1. Crea un cluster, uno schema e una tabella di database Amazon Aurora (DB) seguendo i passaggi descritti in Preparazione di Aurora PostgreSQL da utilizzare come Knowledge Base. Quando crei la tabella, configurala con le seguenti colonne e tipi di dati. Puoi utilizzare i nomi delle colonne che preferisci anziché quelli elencati nella tabella seguente. Prendi nota dei nomi delle colonne che scegli in modo da poterli fornire durante la configurazione della knowledge base.

    Nome colonna Tipo di dati Campo corrispondente nella configurazione della knowledge base (Console) Campo corrispondente nella configurazione della knowledge base (API) Descrizione
    id UUID (chiave primaria) Chiave primaria primaryKeyField Contiene identificatori univoci per ogni record.
    incorporamento Vettore Campo vettoriale vectorField Contiene gli incorporamenti vettoriali delle origini dati.
    pezzi Testo Campo di testo textField Contiene i blocchi di testo non elaborato provenienti dalle origini dati.
    metadata JSON campo di metadati gestito da Bedrock metadataField Contiene i metadati necessari per eseguire l'attribuzione dell'origine e per consentire l'importazione dei dati e l'interrogazione

  2. (Facoltativo) Se hai aggiunto metadati ai file per filtrarli, devi anche creare una colonna per ogni attributo di metadati nei file e specificare il tipo di dati (testo, numero o booleano). Ad esempio, se l'attributo genre esiste nell'origine dati, è necessario aggiungere una colonna denominata genre e specificare text come tipo di dati. Durante l'inserimento, queste colonne verranno popolate con i valori degli attributi corrispondenti.

  3. Configura un AWS Secrets Manager segreto per il tuo cluster Aurora DB seguendo i passaggi descritti in Gestione delle password con Amazon Aurora e. AWS Secrets Manager

  4. Prendi nota delle seguenti informazioni dopo aver creato il cluster di database e impostato il segreto.

    Campo corrispondente nella configurazione della knowledge base (Console) Campo corrispondente nella configurazione della knowledge base (API) Descrizione
    Cluster di database Amazon Aurora resourceArn L'ARN del cluster di database.
    Nome del database databaseName Il nome del tuo database
    Nome tabella tableName Il nome della tabella nel cluster di database
    ARN del segreto credentialsSecretArn L'ARN della AWS Secrets Manager chiave per il tuo cluster DB
Pinecone
Nota

Se lo utilizziPinecone, accetti di autorizzare l'accesso AWS alla fonte terza designata per tuo conto al fine di fornirti i servizi di archiviazione vettoriale. Sei responsabile di rispettare tutti i termini di terze parti applicabili all'uso e al trasferimento dei dati dal servizio di terze parti.

Per una documentazione dettagliata sulla configurazione di un archivio vettoriale inPinecone, consulta Pinecone come Knowledge Base per Amazon Bedrock.

Mentre configuri l'archivio vettoriale, prendi nota delle informazioni seguenti, da inserire al momento della creazione di una knowledge base:

  • Stringa di connessione: l'URL dell'endpoint per la pagina di gestione dell'indice.

  • Namespace: (Facoltativo) Lo spazio dei nomi da utilizzare per scrivere nuovi dati nel database. Per ulteriori informazioni, consulta Utilizzo degli spazi dei nomi.

Esistono configurazioni aggiuntive che è necessario fornire durante la creazione di un indice: Pinecone

  • Nome: il nome dell'indice vettoriale. Scegli un nome valido. Successivamente, quando crei la knowledge base, inserisci il nome che scegli nel campo Nome dell'indice vettoriale.

  • Dimensioni: il numero di dimensioni nel vettore. Fate riferimento alla tabella seguente per determinare quante dimensioni deve contenere il vettore.

    Modello Dimensioni
    TitanIncorporamenti G1 - Testo 1.536
    CohereEmbedInglese 1,024
    CohereEmbedMultilingue 1,024

  • Metrica di distanza: la metrica utilizzata per misurare la similarità tra i vettori. Ti consigliamo di sperimentare metriche diverse per il tuo caso d'uso. Ti consigliamo di iniziare con la somiglianza del coseno.

Per accedere al tuo Pinecone indice, devi fornire la tua chiave Pinecone API ad Amazon Bedrock tramite. AWS Secrets Manager

Per impostare un segreto per la tua Pinecone configurazione

  1. Segui la procedura descritta in Crea un AWS Secrets Manager segreto, impostando la chiave come chiave apiKey e il valore come chiave API per accedere all'Pineconeindice.

  2. Per trovare la chiave API, apri la console Pinecone e seleziona API Keys.

  3. Dopo aver creato il segreto, prendi nota dell'ARN della chiave KMS.

  4. Allega le autorizzazioni al tuo ruolo di servizio per decrittare l'ARN della chiave KMS seguendo la procedura riportata in Autorizzazioni per decrittografare un AWS Secrets Manager segreto per l'archivio vettoriale contenente la tua knowledge base.

  5. Successivamente, quando crei la knowledge base, inserisci l'ARN nel campo ARN del segreto delle credenziali.

Redis Enterprise Cloud
Nota

Se utilizziRedis Enterprise Cloud, accetti di autorizzare l'accesso AWS alla fonte di terze parti designata per tuo conto al fine di fornirti i servizi di vector store. Sei responsabile del rispetto di tutti i termini di terze parti applicabili all'uso e al trasferimento dei dati dal servizio di terze parti.

Per una documentazione dettagliata sulla configurazione di un archivio vettoriale inRedis Enterprise Cloud, consulta Integrazione con Redis Enterprise Cloud Amazon Bedrock.

Mentre configuri l'archivio vettoriale, prendi nota delle informazioni seguenti, da inserire al momento della creazione di una knowledge base:

  • URL dell'endpoint: l'URL pubblico dell'endpoint per il tuo database.

  • Nome dell'indice vettoriale: il nome dell'indice vettoriale del database.

  • Campo vettoriale: il nome del campo in cui verranno archiviati gli incorporamenti vettoriali. Fate riferimento alla tabella seguente per determinare quante dimensioni deve contenere il vettore.

    Modello Dimensioni
    TitanIncorporamenti G1 - Testo 1.536
    CohereEmbedInglese 1,024
    CohereEmbedMultilingue 1,024

  • Campo di testo: il nome del campo in cui Amazon Bedrock archivia i blocchi di testo non elaborato.

  • Campo di metadati gestito da Bedrock: il nome del campo in cui Amazon Bedrock archivia i metadati relativi alla tua knowledge base.

Per accedere al tuo Redis Enterprise Cloud cluster, devi fornire la tua configurazione Redis Enterprise Cloud di sicurezza ad Amazon Bedrock tramite. AWS Secrets Manager

Per impostare un segreto per la tua Redis Enterprise Cloud configurazione

  1. Consenti al protocollo TLS di utilizzare il tuo database con Amazon Bedrock seguendo i passaggi descritti in Transport Layer Security (TLS).

  2. Segui la procedura descritta in Creare un AWS Secrets Manager segreto. Imposta le seguenti chiavi con i valori appropriati della tua Redis Enterprise Cloud configurazione nel segreto:

    • username— Il nome utente per accedere al Redis Enterprise Cloud database. Per trovare il nome utente, consulta la sezione Security del tuo database nella console Redis.

    • password— La password per accedere al Redis Enterprise Cloud database. Per trovare la password, consulta la sezione Security del tuo database nella console Redis.

    • serverCertificate: i contenuti del certificato rilasciato dall'autorità di certificazione Redis Cloud. Scarica il certificato del server dalla console di amministrazione Redis seguendo i passaggi in Download dei certificati.

    • clientPrivateKey: la chiave privata del certificato rilasciato dall'autorità di certificazione Redis Cloud. Scarica il certificato del server dalla console di amministrazione Redis seguendo i passaggi in Download dei certificati.

    • clientCertificate: la chiave pubblica del certificato rilasciato dall'autorità di certificazione Redis Cloud. Scarica il certificato del server dalla console di amministrazione Redis seguendo i passaggi in Download dei certificati.

  3. Dopo aver creato il segreto, prendi nota del relativo ARN. Successivamente, quando crei la knowledge base, inserisci l'ARN nel campo ARN del segreto delle credenziali.

MongoDB Atlas
Nota

Se utilizzi MongoDB Atlas, accetti di AWS autorizzare l'accesso alla fonte di terze parti designata per tuo conto al fine di fornirti servizi di archiviazione vettoriale. Sei responsabile di rispettare tutti i termini di terze parti applicabili all'uso e al trasferimento dei dati dal servizio di terze parti.

Per una documentazione dettagliata sulla configurazione di un archivio vettoriale in MongoDB Atlas, consulta MongoDB Atlas come Knowledge Base per Amazon Bedrock.

Quando configuri il vector store, prendi nota delle seguenti informazioni che aggiungerai quando creerai una knowledge base:

  • URL dell'endpoint: l'URL dell'endpoint del cluster MongoDB Atlas.

  • Nome del database: il nome del database nel cluster MongoDB Atlas.

  • Nome della raccolta: il nome della raccolta nel database.

  • ARN segreto delle credenziali: l'Amazon Resource Name (ARN) del segreto che hai creato in AWS Secrets Manager che contiene il nome utente e la password di un utente del database nel tuo cluster MongoDB Atlas.

  • (Facoltativo) Chiave KMS gestita dal cliente per l'ARN segreto delle credenziali: se hai crittografato l'ARN segreto delle credenziali, fornisci la chiave KMS in modo che Amazon Bedrock possa decrittografarla.

Esistono configurazioni aggiuntive per la mappatura dei campi che è necessario fornire durante la creazione di un indice MongoDB Atlas:

  • Nome dell'indice vettoriale: il nome dell'indice di ricerca vettoriale MongoDB Atlas nella tua raccolta.

  • Nome campo vettoriale: il nome del campo in cui Amazon Bedrock deve archiviare gli incorporamenti vettoriali.

  • Nome del campo di testo: il nome del campo in cui Amazon Bedrock deve archiviare il testo non elaborato.

  • Nome del campo di metadati: il nome del campo in cui Amazon Bedrock deve archiviare i metadati di attribuzione di origine.

(Facoltativo) Per fare in modo che Amazon Bedrock si connetta al tuo cluster MongoDB Atlas tramite PrivateLink AWS, consulta il flusso di lavoro RAG con MongoDB Atlas utilizzando Amazon Bedrock.