기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon Bedrock Knowledge Bases를 사용하여 데이터 검색 및 AI 응답 생성
<a name="knowledge-base"></a>

파운데이션 모델에는 일반적인 지식이 있지만 검색 증강 생성(RAG)을 사용하여 응답을 더욱 개선할 수 있습니다. RAG는 데이터 소스의 정보를 사용하여 생성된 응답의 관련성과 정확도를 개선하는 기법입니다. Amazon Bedrock Knowledge Bases를 사용하면 독점 정보를 생성형 AI 애플리케이션에 통합할 수 있습니다. 쿼리가 생성되면 지식 기반이 데이터를 검색하여 쿼리에 답변할 관련 정보를 찾습니다. 그런 다음 검색된 정보를 사용하여 생성된 응답을 개선할 수 있습니다. Amazon Bedrock 지식 기반은 대규모 데이터 세트에서 검색을 안전하게 활용하여 안전한 엔터프라이즈급 에이전트 AI 애플리케이션을 구축하는 데 도움이 됩니다.

**중요**  
검색 정확도와 관리형 환경을 최적화하려면 [Amazon Bedrock 관리형 지식 기반을](kb-build-managed.md) 사용하는 것이 좋습니다.

Amazon Bedrock 지식 기반은 두 가지 유형의 지식 기반을 제공합니다.
+ **관리형 지식 기반** - Amazon Bedrock은 애플리케이션 및 에이전트 로직에 집중할 수 있도록 기본 데이터 수집, 인덱싱, 스토리지 및 검색 인프라를 관리합니다. 관리형 지식 기반은 다중 모달 데이터 수집, 스토리지 Auto Scaling, 다중 홉 추론을 위한 에이전트 검색 등 고급 기능을 제공하는 동시에 주요 사용자 지정을 계속 제공하므로 에이전트를 사용 사례에 맞게 조정할 수 있습니다. 데이터 소스를 연결하면 Amazon Bedrock은 기본적으로 서비스 관리형 모델을 사용하여 임베딩, 순위 조정 및 추론을 관리합니다(자체 모델을 선택할 수 있는 옵션 사용). 관리형 지식 기반은 기본적으로 AgentCore Gateway와 통합되어 모든 MCP 호환 에이전트 프레임워크가 사용자 지정 코드 없이 지식 기반을 도구로 검색하고 호출할 수 있습니다. 관리형 지식은 Amazon S3, SharePoint, Confluence, Google Drive, OneDrive, Web Crawler용 커넥터와 검색 시 액세스 제어 목록(웹 크롤러 제외)을 사용한 문서 수준 권한 필터링을 제공합니다. 스마트 구문 분석 기능은 PDFs, PPTX, DOCX, 임베디드 시각적 객체, 오디오, 비디오 및 스캔 문서가 있는 문서를 포함하여 문서 유형별로 구문 분석 전략을 자동으로 선택합니다. 에이전트 검색은 다중 홉 추론을 지원하고, 복잡한 쿼리를 하위 쿼리로 분해하고, 여러 지식 기반에서 반복적으로 검색하고, 응답의 충분성을 평가합니다. AgentCore 관찰성과의 기본 통합은 내장된 모니터링, 검색 추적, 에이전트 추적 및 지식별 기본 지표를 제공합니다.
+ **고객 관리형 지식 기반 -** 이를 통해 벡터 스토어(예: Amazon OpenSearch Serverless, Amazon Aurora, Amazon Neptune)를 포함한 자체 RAG 파이프라인을 설정하고 관리할 수 있으며 데이터 수집, 구문 분석, 인덱싱 및 스토리지 구성을 완벽하게 제어할 수 있습니다. 멀티모달 데이터 구문 분석과 같은 관련 인프라 및 구성을 설정하고 관리해야 합니다. 타사 커넥터, 문서 수준 권한 및 기본 AgentCore Gateway 통합과 같은 여러 기능은 관리형 지식 기반에서만 사용할 수 있습니다.

Amazon Bedrock Knowledge Bases를 사용하면 다음을 수행할 수 있습니다.
+ 데이터 소스에서 관련 정보를 반환하여 사용자 쿼리에 응답합니다.
+ 데이터 소스에서 가져온 정보를 사용하여 사용자 쿼리에 대한 정확하고 관련성 있는 응답을 생성할 수 있습니다.
+ 반환된 관련 정보를 프롬프트에 제공하여 자체 프롬프트를 보강합니다.
+ 원본 데이터 소스를 참조하고 정확도를 확인할 수 있도록 생성된 응답에 인용을 포함합니다.
+ 쿼리에 대한 응답에서 이미지를 추출하고 검색할 수 있는 방대한 시각적 리소스가 포함된 문서를 포함합니다. 검색된 데이터를 기반으로 응답을 생성하면 모델은 이러한 이미지를 기반으로 추가 인사이트를 제공할 수 있습니다.
+ 이미지를 쿼리로 사용하여 검색하여 시각적으로 유사한 콘텐츠를 찾거나, 멀티모달 임베딩 모델을 사용하여 보다 정확한 결과를 얻기 위해 텍스트와 이미지를 쿼리로 결합합니다.
+ 순위 조정 모델을 사용하여 데이터 소스에서 검색되는 결과에 영향을 줍니다.

**Topics**
+ [지식 기반 작동 방식](kb-how-it-works.md)
+ [지원되는 모델 및 리전](knowledge-base-supported.md)
+ [설정 없이 문서와의 채팅](knowledge-base-chatdoc.md)
+ [지식 기반을 생성 및 관리할 수 있는 권한 설정](knowledge-base-prereq-permissions-general.md)
+ [관리형 지식 기반 구축](kb-build-managed.md)
+ [벡터 스토어를 사용하여 지식 기반 구축](knowledge-base-build.md)
+ [구조화된 데이터 스토어에 연결하여 지식 기반 빌드](knowledge-base-build-structured.md)
+ [Amazon Kendra GenAI 인덱스를 사용하여 지식 기반 구축](knowledge-base-build-kendra-genai-index.md)
+ [Amazon Neptune Analytics 그래프를 사용하여 지식 기반 구축](knowledge-base-build-graphs.md)
+ [쿼리 및 응답을 사용하여 지식 기반 테스트](knowledge-base-test.md)
+ [애플리케이션을 위한 지식 기반 배포](knowledge-base-deploy.md)
+ [지식 기반과 관련된 정보 확인](kb-info.md)
+ [지식 기반 수정](kb-update.md)
+ [지식 기반 삭제](kb-delete.md)