As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Embora os modelos básicos tenham conhecimento geral, você pode melhorar ainda mais suas respostas usando Retrieval Augmented Generation ()RAG. RAGé uma técnica que usa informações de fontes de dados para melhorar a relevância e a precisão das respostas geradas. Com as bases de conhecimento Amazon Bedrock, você pode integrar informações proprietárias em seus aplicativos de IA generativa. Quando uma consulta é feita, uma base de conhecimento pesquisa seus dados para encontrar informações relevantes para responder à consulta. As informações recuperadas podem então ser usadas para melhorar as respostas geradas. Você pode criar seu próprio aplicativo RAG baseado usando os recursos das Bases de Conhecimento Amazon Bedrock.
Com as bases de conhecimento Amazon Bedrock, você pode:
-
Responda às consultas dos usuários retornando informações relevantes das fontes de dados.
-
Use as informações recuperadas das fontes de dados para ajudar a gerar uma resposta precisa e relevante às consultas dos usuários.
-
Aumente suas próprias solicitações inserindo as informações relevantes retornadas na solicitação.
-
Inclua citações na resposta gerada para que a fonte de dados original possa ser referenciada e a precisão possa ser verificada.
-
Inclua documentos com muitos recursos visuais, dos quais as imagens podem ser extraídas e recuperadas em respostas a consultas. Se você gerar uma resposta com base nos dados recuperados, o modelo poderá fornecer informações adicionais com base nessas imagens.
-
Converta a linguagem natural em consultas (como SQL consultas) personalizadas para bancos de dados estruturados. Essas consultas são usadas para recuperar dados de armazenamentos de dados estruturados.
-
Atualize suas fontes de dados e inclua as alterações diretamente na base de conhecimento para que elas possam ser acessadas imediatamente.
-
Use modelos de reclassificação para influenciar os resultados que são recuperados da sua fonte de dados.
-
Inclua a base de conhecimento em um fluxo de trabalho do Amazon Bedrock Agents.
Para configurar uma base de conhecimento, você deve concluir as seguintes etapas gerais:
-
(Opcional) Se você conectar sua base de conhecimento a uma fonte de dados não estruturada, configure seu próprio armazenamento vetorial compatível para indexar a representação de incorporações vetoriais de seus dados. Você pode pular essa etapa se planeja usar o console Amazon Bedrock para criar um armazenamento vetorial Amazon OpenSearch Serverless para você.
-
Conecte sua base de conhecimento a uma fonte de dados estruturada ou não estruturada.
-
Sincronize sua fonte de dados com sua base de conhecimento.
-
Configure seu aplicativo ou agente para fazer o seguinte:
-
Consulte a base de conhecimento e retorne as fontes relevantes.
-
Consulte a base de conhecimento e gere respostas em linguagem natural com base nos resultados recuperados.
-
(Se você consultar uma base de conhecimento conectada a um armazenamento de dados estruturado) Transforme uma consulta em uma consulta específica da linguagem de dados estruturados (como uma SQL consulta).
-
Tópicos
- Como funcionam as bases de conhecimento
- Regiões e modelos compatíveis
- Conversar com seu documento sem nenhuma configuração
- Crie uma base de conhecimento conectando-se a uma fonte de dados
- Crie uma base de conhecimento conectando-se a um armazenamento de dados estruturado
- Crie uma base de conhecimento com um índice Amazon Kendra GenAI
- Crie uma base de conhecimento com gráficos
- Testar a base de conhecimento com consultas e respostas
- Implantar a base de conhecimento para a aplicação
- Visualizar informações sobre uma base de conhecimento
- Modificar uma base de conhecimento
- Excluir uma base de conhecimento