Opciones de modelo de incrustación Conectores de fuentes de datos compatibles

Creación de una base de conocimiento

Cuando crea una base de conocimientos gestionada, Amazon Bedrock AgentCore administra la infraestructura de almacenamiento, indexación y recuperación por usted. De forma predeterminada, se utiliza un modelo de incrustación administrado por servicios y no es necesario seleccionar ni configurar ningún modelo. En su lugar, si lo prefiere, puede proporcionar su propio modelo de incrustación de Bedrock. Si lo desea, también puede proporcionar una clave KMS para el cifrado del almacén vectorial gestionado.

Tras crear la base de conocimientos, conéctela a una fuente de datos e inicie la ingestión. Para obtener más información sobre cómo conectar una fuente de datos, consulte Conectar una fuente de datos. Para sincronizar una fuente de datos, usa la StartIngestionJob API. Para obtener más información, consulte Sincronización de los datos con la base de conocimientos de Amazon Bedrock.

nota

Después de crear y sincronizar una base de conocimientos gestionada, utilice la Retrieve API para consultarla. En el retrievalConfiguration campo, especifiquemanagedSearchConfiguration. El vectorSearchConfiguration campo solo se aplica a las bases de conocimiento personalizadas. Para ver ejemplos de solicitudes y consideraciones adicionales, consulteConsulta de una base de conocimiento y recuperación de datos.

Para obtener información sobre cómo crear una base de conocimientos gestionada, elija la pestaña correspondiente al método que prefiera:

Console

Para crear una base de conocimientos gestionada

Inicie sesión Consola de administración de AWS y navegue hasta Amazon Bedrock AgentCore > Built-in herramientas > Base de conocimientos.
Seleccione Crear una base de conocimientos gestionada.
(Opcional) Amplíe la sección de detalles de las configuraciones adicionales de la base de conocimientos para configurar lo siguiente:
- Añada una descripción.
- Elija un tipo de modelo de incrustación:
  - Administrado (predeterminado): se usa un modelo de incrustación administrado por servicios. No es necesario seleccionar ni configurar ningún modelo.
  - Personalizado: seleccione un modelo de incrustación de Bedrock. Elija el modelo para abrir el selector de modelos, que muestra los proveedores (Amazon, Cohere) y los modelos disponibles.
  - Modelo de incrustación multimodal personalizado: seleccione un modelo de incrustación multimodal. En la actualidad, solo se admite TwelveLabs Marengo Embed 3.0. Este modelo procesa archivos de imagen, audio y vídeo de forma nativa. Al elegir este modelo, también debe proporcionar un destino de almacenamiento multimodal: el bucket de Amazon S3 que se utiliza para procesar e incorporar su contenido multimodal. Amazon Bedrock Knowledge Bases crea una carpeta de aws/ prefijos dentro de su bucket para facilitar el acceso. Para obtener más información, consulte Procesamiento multimodal nativo.
- Configure los permisos de IAM: elija Crear y usar un nuevo rol de servicio (recomendado) o seleccione un rol existente.
- Configure el AWS KMS cifrado para el almacén vectorial AWS gestionado (clave gestionada de forma predeterminada o seleccione una clave de KMS personalizada).
En Fuente de datos, proporciona un nombre para la fuente de datos.
Selecciona el tipo de fuente de datos en el menú desplegable: Amazon S3, Confluence, Custom, Google Drive o Web SharePoint Crawler. OneDrive
Configure los ajustes de conexión de la fuente de datos para el tipo de fuente de datos seleccionado.
(Opcional) Amplíe el análisis y la fragmentación del contenido para configurar lo siguiente:
- La estrategia de análisis está configurada como analizador administrado de forma predeterminada.
- Seleccione una estrategia de fragmentación de texto en el menú desplegable:
  - Fragmentación predeterminada (recomendada): divide el texto en fragmentos de tamaño fijo.
  - Fixed-size fragmentación: divide el texto en el tamaño de ficha aproximado que hayas establecido.
  - Sin fragmentación: para documentos preprocesados o predivididos.
(Opcional) Amplíe las configuraciones avanzadas para configurar la indexación avanzada. En Indexación de contenido, la opción predeterminada indexa el contenido basado en texto de los documentos comunes. Activa la indexación avanzada para otras modalidades:
- Contenido visual en documentos: procesa archivos de imagen independientes (.png, .jpg, .jpeg, .jpe, .tif, .tiff, .gif, .bmp, .webp, .svg, .jp2, .heic) y elementos visuales incrustados en archivos .pdf, .docx, .ppt, .pptx.
- Archivos de audio: procesa archivos.mp3, .wav, .m4a, .flac, .ogg.
- Archivos de vídeo: procesa archivos.mp4, .mov, .m4v.
Si lo desea, defina un tamaño máximo de archivo (MB) y configure la protección contra la eliminación de documentos.
(Opcional) Configure la entrega de registros para enviar los registros de ingesta de la base de conocimientos a un destino como CloudWatch Logs, Amazon S3 o Firehose.
Elija Crear base de conocimientos.
Espere a que se creen la base de conocimientos y la fuente de datos (de 2 a 5 minutos). Si crea una base de conocimientos gestionada con una clave gestionada por el cliente, la creación puede llevar más tiempo.

API

El siguiente es un ejemplo de cómo crear una base de conocimientos gestionada y configurar la fuente de datos mediante la API con el SDK AWS CLI o un SDK compatible, como Python. Después de llamar CreateKnowledgeBase, llamas CreateDataSource para crear tu fuente de datos con la información de conexión introducida. dataSourceConfiguration

Para obtener información sobre las personalizaciones que puede aplicar a la ingesta mediante la inclusión del campo vectorIngestionConfiguration opcional, consulte Personalización de la ingesta de un origen de datos.

AWS Command Line Interface

Paso 1: Crear la base de conocimientos

Con un modelo de incrustación administrado (predeterminado):


aws bedrock-agent create-knowledge-base \
 --name "my-managed-kb" \
 --role-arn "arn:aws:iam::123456789012:role/BedrockKBRole" \
 --description "My managed knowledge base" \
 --knowledge-base-configuration file://kb-config.json

kb-config.json
{
    "type": "MANAGED",
    "managedKnowledgeBaseConfiguration": {
        "embeddingModelType": "MANAGED"
    }
}

Con un modelo de incrustación personalizado (modelo Bedrock proporcionado por el cliente):


aws bedrock-agent create-knowledge-base \
 --name "my-custom-embed-kb" \
 --role-arn "arn:aws:iam::123456789012:role/BedrockKBRole" \
 --description "My managed knowledge base with custom embedding" \
 --knowledge-base-configuration file://kb-config.json

kb-config.json
{
    "type": "MANAGED",
    "managedKnowledgeBaseConfiguration": {
        "embeddingModelType": "CUSTOM",
        "embeddingModelArn": "arn:aws:bedrock:us-west-2::foundation-model/amazon.titan-embed-text-v2:0",
        "embeddingModelConfiguration": {
            "bedrockEmbeddingModelConfiguration": {
                "dimensions": 1024
            }
        }
    }
}

nota

Cuando se omiteembeddingModelType, el valor predeterminado es. MANAGED Cuando lo utiliceMANAGED, no debe especificar embeddingModelArn o. embeddingModelConfiguration Cuando se usaCUSTOM, ambos campos son obligatorios.

Con un modelo de incrustación multimodal personalizado ()TwelveLabs Marengo Embed 3.0:

Un modelo de incrustación multimodal utiliza lo mismo que un modelo de incrustación de CUSTOM embeddingModelType texto. La diferencia es que bedrockEmbeddingModelConfiguration acepta un modelConfiguration campo adicional, en el que se introducen ajustes específicos del modelo, y en el que se debe especificar un campo supplementalDataStorageConfiguration para el destino de almacenamiento multimodal.


aws bedrock-agent create-knowledge-base \
 --name "my-multimodal-embed-kb" \
 --role-arn "arn:aws:iam::123456789012:role/BedrockKBRole" \
 --description "My managed knowledge base with multimodal embedding" \
 --knowledge-base-configuration file://kb-config.json

kb-config.json
{
    "type": "MANAGED",
    "managedKnowledgeBaseConfiguration": {
        "embeddingModelType": "CUSTOM",
        "embeddingModelArn": "arn:aws:bedrock:us-east-1::foundation-model/twelvelabs.marengo-embed-3-0-v1:0",
        "embeddingModelConfiguration": {
            "bedrockEmbeddingModelConfiguration": {
                "embeddingDataType": "FLOAT",
                "modelConfiguration": {
                    "version": "1",
                    "audio": {
                        "segmentation": {
                            "method": "dynamic",
                            "dynamic": {
                                "minDurationSec": 4
                            }
                        }
                    },
                    "video": {
                        "segmentation": {
                            "method": "fixed",
                            "fixed": {
                                "durationSec": 6
                            }
                        }
                    }
                }
            }
        },
        "supplementalDataStorageConfiguration": {
            "storageLocations": [
                {
                    "s3Location": {
                        "uri": "s3://amzn-s3-demo-bucket"
                    },
                    "type": "S3"
                }
            ]
        }
    }
}

El modelConfiguration campo es un objeto JSON cuyo contenido es específico del modelo de incrustación que elijas. El version campo es obligatorio y se debe establecer 1 en. Para cada una de las video modalidades audio y, puede establecer una segmentation method opción entredynamic, que toma un minDurationSec valor, ofixed, que toma un durationSec valor. Para ver la configuración que TwelveLabs Marengo Embed 3.0 acepta, consulteTwelveLabs Marengo Embedd 3.0.

nota

Debe proporcionar un supplementalDataStorageConfiguration cuando utilice el TwelveLabs Marengo Embed 3.0 modelo.

Paso 2: Crear una fuente de datos


aws bedrock-agent create-data-source \
 --name "S3-connector" \
 --description "S3 data source connector for Amazon Bedrock to use content in S3" \
 --knowledge-base-id "your-knowledge-base-id" \
 --data-source-configuration file://bedrock-s3-managed-connector-configuration.json \
 --data-deletion-policy "DELETE" \
 --vector-ingestion-configuration '{"parsingConfiguration":{"parsingStrategy":"SMART_PARSING"}}'

bedrock-s3-managed-connector-configuration.json
{
    "type": "MANAGED_KNOWLEDGE_BASE_CONNECTOR",
    "managedKnowledgeBaseConnectorConfiguration": {
        "mediaExtractionConfiguration": {
            "imageExtractionConfiguration": {
                "imageExtractionStatus": "ENABLED"
            }
        },
        "connectorParameters": {
            "type": "S3",
            "version": "1",
            "connectionConfiguration": {
                "bucketName": "your-test-s3-bucket",
                "bucketOwnerAccountId": "123456789012"
            },
            "deletionProtectionConfiguration": {
                "enableDeletionProtection": false
            }
        }
    }
}

Opciones de modelo de incrustación

Las bases de conocimiento administradas admiten los siguientes tipos de modelos de incrustación:

Incrustación gestionada (predeterminada): un modelo de incrustación gestionado por servicios se utiliza automáticamente. No es necesario seleccionar un modelo, configurar las dimensiones ni gestionar los límites del servicio de Bedrock para la incrustación. El servicio gestiona la selección, el alojamiento y el escalado del modelo de forma transparente.
Incrustación personalizada: usted proporciona su propio ARN del modelo de incrustación de Bedrock. Cuando utilice un modelo de incrustación personalizado, debe especificar las dimensiones del modelo (1024) y el tipo de datos de incrustación de float32. Se admiten los siguientes modelos de incrustación de Bedrock:
- Amazon Titan Text Embeddings V2
- Cohere Embed English v3
- Cohere Embed Multilingual v3
- Cohere Embed v4
- Incrustaciones multimodales de Amazon Nova
Incrustación multimodal personalizada: usted proporciona el ARN de un modelo de incrustación multimodal, que procesa de forma nativa archivos de imagen, audio y vídeo además del texto. Actualmente, TwelveLabs Marengo Embed 3.0 (twelvelabs.marengo-embed-3-0-v1:0) es el único modelo de incrustación multimodal compatible. Esta opción requiere un destino de almacenamiento multimodal.

nota

No puede cambiar el tipo de modelo de incrustación después de crear la base de conocimientos. Para cambiar entre la incrustación gestionada y la personalizada, debe crear una nueva base de conocimientos.

importante

Si crea una base de conocimientos con un modelo de incrustación personalizado, el reclasificador administrado no estará disponible para esa base de conocimientos. Para usar el reordenador administrado, cree su base de conocimientos con el modelo de incrustación administrada predeterminado.

Conectores de fuentes de datos compatibles

Las bases de conocimiento administradas admiten los siguientes conectores de fuentes de datos:

Amazon S3
Box
Confluence Cloud
Centro de datos de Confluence
Microsoft SharePoint en línea
Google Drive
Microsoft OneDrive
ServiceNow
Web Crawler de
Conector personalizado

Para obtener información sobre la configuración de los conectores de fuentes de datos, consulte Conectar una fuente de datos.

Aviso JavaScript está desactivado o no está disponible en su navegador.

Para utilizar la documentación de AWS, debe estar habilitado JavaScript. Para obtener más información, consulte las páginas de ayuda de su navegador.

Convenciones del documento

Rol de servicio de la base de conocimientos

Conexión de un origen de datos