擷取段落

您可以使用 RetrieveAPI 作為檢索增強生成（RAG）系統的檢索器。

RAG 系統使用生成人工智慧來建置問答應用程式。RAG 系統包括一個檢索器和大型語言模型（LLM）。給定一個查詢，檢索器從文檔的語料庫中識別最相關的文本塊，並將其提供給 LLM 以提供最有用的答案。然後，LLM 分析相關的文本塊或段落，並為查詢生成全面的響應。

RetrieveAPI 會查看稱為段落的文字區塊或摘錄，並傳回與查詢最相關的頂部段落。

如同 QueryAPI，RetrieveAPI 也會使用語意搜尋來搜尋相關資訊。語意搜尋會考量搜尋查詢的內容，以及索引文件中的所有可用資訊。但是，默認情況下，QueryAPI 僅返回多達 100 個令牌單詞的摘錄段落。使用 Retrieve API，您可以檢索多達 200 個令牌單詞的較長段落和多達 100 個與語義相關的段落。這不包括索引中的問題答案或常見問題解答類型回應。這些段落是文本摘錄，可以從多個文檔和同一文檔的多個部分語義中提取。如果在極端情況下，您的文件使用 Retrieve API 產生零段落，您也可以使用 Query API 及其回應類型。

您也可以使用 Retrieve API 執行以下操作：

• 在索引層級覆寫提升

• 根據文件欄位或屬性進行篩選

• 根據使用者或其群組對文件的存取權進行篩選

• 檢視已擷取之通道結果的可信度分數時段。信賴值區會提供相對排名，指出回應與查詢相關的信 Amazon Kendra 心程度。

  注意

  信心分數值區目前僅適用於英文。

您還可以在響應中包含某些字段，這些字段可能會提供有用的其他信息。

RetrieveAPI 目前不支援 Query API 支援的所有功能。不支援下列功能：使用進階查詢語法進行查詢、建議的查詢拼字校正、Facting、自動完成搜尋查詢的查詢建議，以及增量學習。請注意，並非所有功能都適用於 Retrieve API。任何 future 版本的 Retrieve API 都會記錄在本指南中。

RetrieveAPI 會共用您為索引設定的查詢容量單位數量。如需單一容量單位包含的內容以及索引的預設基本容量的詳細資訊，請參閱調整容量。

注意

如果您使用的是 Amazon Kendra 開發人員版，則無法新增容量；您只能在使用 Amazon Kendra 企業版時增加容量。如需開發人員和企業版所包含內容的詳細資訊，請參閱Amazon Kendra 版本。

以下是使用 Retrieve API 從查詢索引中的文件擷取前 100 個最相關段落的範例 "how does amazon kendra work?"

Python

import boto3
import pprint

kendra = boto3.client("kendra")

# Provide the index ID
index_id = "index-id"
# Provide the query text
query = "how does amazon kendra work?"
# You can retrieve up to 100 relevant passages
# You can paginate 100 passages across 10 pages, for example
page_size = 10
page_number = 10

result = kendra.retrieve(
        IndexId = index_id,
        QueryText = query,
        PageSize = page_size,
        PageNumber = page_number)

print("\nRetrieved passage results for query: " + query + "\n")        

for retrieve_result in result["ResultItems"]:

    print("-------------------")
    print("Title: " + str(retrieve_result["DocumentTitle"]))
    print("URI: " + str(retrieve_result["DocumentURI"]))
    print("Passage content: " + str(retrieve_result["Content"]))
    print("------------------\n\n")

Java

package com.amazonaws.kendra;

import software.amazon.awssdk.services.kendra.KendraClient;
import software.amazon.awssdk.services.kendra.model.RetrieveRequest;
import software.amazon.awssdk.services.kendra.model.RetrieveResult;
import software.amazon.awssdk.services.kendra.model.RetrieveResultItem;

public class RetrievePassageExample {
    public static void main(String[] args) {
        KendraClient kendra = KendraClient.builder().build();
        
        String indxId = "index-id";
        String query = "how does amazon kendra work?";
        Integer pgSize = 10;
        Integer pgNumber = 10;

        RetrieveRequest retrieveRequest = retrieveRequest
            .builder()
            .indexId(indxId)
            .queryText(query)
            .pageSize(pgSize)
            .pageNumber(pgNumber)
            .build();

        RetrieveResult retrieveResult = kendra.retrieve(retrieveRequest);

        System.out.println(String.format("\nRetrieved passage results for query: %s", query));
        for(RetrieveResultItem item: retrieveResult.resultItems()) {
            System.out.println("----------------------");
            System.out.println(String.format("Title: %s", documentTitle));
            System.out.println(String.format("URI: %s", documentURI));
            System.out.println(String.format("Passage content: %s", content));
            System.out.println("-----------------------\n");
        }
    }
}