View a markdown version of this page

Amazon Bedrock-Vorlagen - OpenSearch Amazon-Dienst

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Amazon Bedrock-Vorlagen

Die Amazon CloudFormation Bedrock-Vorlagen stellen die AWS Ressourcen bereit, die zum Erstellen von Verbindungen zwischen OpenSearch Service und Amazon Bedrock erforderlich sind.

Zunächst erstellt die Vorlage eine IAM-Rolle, die es der zukünftigen Lambda-Funktion ermöglicht, auf Ihre Service-Domain zuzugreifen. OpenSearch Die Vorlage erstellt dann die Lambda-Funktion, mit der die Domain mithilfe des ML Commons-Plug-ins einen Connector erstellt. Nachdem OpenSearch Service den Connector erstellt hat, ist die Einrichtung der Remote-Inferenz abgeschlossen und Sie können semantische Suchen mithilfe der Amazon Bedrock-API-Operationen ausführen.

Anmerkung

Da Amazon Bedrock seine eigenen ML-Modelle hostet, müssen Sie kein Modell für Runtime bereitstellen. SageMaker Stattdessen verwendet die Vorlage einen vordefinierten Endpunkt für Amazon Bedrock und überspringt die Schritte zur Bereitstellung von Endpunkten.

Um die Amazon Bedrock-Vorlage zu verwenden CloudFormation
  1. Öffnen Sie die Amazon OpenSearch Service Console.

  2. Wählen Sie im linken Navigationsbereich Integrationen aus.

  3. Wählen Sie unter Über Amazon Bedrock in das Amazon Titan Text Embedding-Modell integrieren die Option Domain konfigurieren und dann Public Domain konfigurieren aus.

  4. Folgen Sie der Aufforderung, um Ihr Modell einzurichten.

Anmerkung

OpenSearch Der Service bietet auch eine separate Vorlage für die Konfiguration einer Amazon VPC-Domain. Wenn Sie diese Vorlage verwenden, müssen Sie die Amazon VPC-ID für die Lambda-Funktion angeben.

Darüber hinaus stellt OpenSearch Service die folgenden Amazon Bedrock-Vorlagen zur Verfügung, um eine Verbindung zum Cohere-Modell und zum Amazon Titan Multimodal Embeddings-Modell herzustellen:

  • Integration with Cohere Embed through Amazon Bedrock

  • Integrate with Amazon Bedrock Titan Multi-modal