Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Creación de una base de conocimiento con gráficos de Análisis por Amazon Neptune
Bases de conocimiento de Amazon Bedrock Bases ofrece una característica de GraphRAG totalmente administrada con Amazon Neptune. GraphRAG es una funcionalidad incluida en Bases de conocimiento de Amazon Bedrock que combina el modelado de gráficos con la IA generativa para mejorar la generación aumentada por recuperación (RAG). Esta característica combina la búsqueda vectorial con la capacidad de analizar rápidamente grandes cantidades de datos gráficos de Amazon Neptune en aplicaciones RAG.
GraphRag identifica y usa automáticamente las relaciones entre entidades y elementos estructurales dentro de los documentos ingeridos en las bases de conocimiento. Esto permite obtener respuestas más completas y contextualmente pertinentes a partir de los modelos fundacionales, especialmente cuando la información debe estar conectada a través de varios pasos lógicos. Esto significa que las aplicaciones de IA generativa pueden ofrecer respuestas más pertinentes en los casos en que sea necesario conectar los datos y razonar en varios fragmentos de documentos. Esto permite que aplicaciones como los chatbots ofrezcan respuestas más relevantes a partir de modelos básicos (FM) en los casos en que se necesiten hechos, entidades y relaciones relacionados derivados de múltiples fuentes de documentos para responder a las preguntas.
Disponibilidad de GraphRAG por región
GraphRAG está disponible en las siguientes Regiones de AWS:
-
Europa (Fráncfort)
-
Europa (Londres)
-
Europa (Irlanda)
-
Oeste de EE. UU. (Oregón)
-
Este de EE. UU. (Norte de Virginia)
-
Asia-Pacífico (Tokio)
-
Asia-Pacífico (Singapur)
Ventajas de utilizar GraphRAG
Bases de conocimiento de Amazon Bedrock con GraphRAG ofrece las siguientes ventajas:
-
Respuestas más relevantes y completas mediante la identificación automática y el uso de las relaciones entre las entidades y los elementos estructurales (como los títulos de las secciones) en varias fuentes de documentos que se incorporan a las bases de conocimiento de Amazon Bedrock.
-
Capacidad mejorada para realizar búsquedas exhaustivas que conecten diferentes partes del contenido mediante varios pasos lógicos, lo que mejora las técnicas tradicionales de RAG.
-
Mejores capacidades de razonamiento entre documentos, lo que permite obtener respuestas más precisas y contextualmente exactas al conectar la información de varios orígenes, lo que ayuda a mejorar aún más la precisión y minimizar las alucinaciones.
Cómo funciona GraphRAG
Tras realizar una búsqueda vectorial inicial de los nodos correspondientes, GraphRAG de Bases de conocimiento de Amazon Bedrock lleva a cabo los siguientes pasos para generar una respuesta mejor:
-
Recupera los nodos gráficos relacionados o los identificadores de fragmentos que están vinculados a los fragmentos de documentos recuperados.
-
Amplía estos fragmentos relacionados recorriendo el gráfico y recuperando sus detalles de la base de datos de gráficos.
-
Proporciona respuestas más significativas al comprender las entidades relevantes y centrarse en las conexiones clave utilizando este contexto enriquecido.
Consideraciones y limitaciones de GraphRAG
Las siguientes son algunas limitaciones del uso de Bases de conocimiento de Amazon Bedrock con GraphRAG.
-
No se admiten las opciones de configuración para personalizar la creación de gráficos.
-
Los gráficos de Análisis por Amazon Neptune no admiten el escalado automático.
-
GraphRAG solo admite Amazon S3 como origen de datos.
-
Cuando crea una base de conocimientos o configura una fuente de datos, elige un modelo básico para la construcción de gráficos. La selección de un modelo de construcción de gráficos permite enriquecer automáticamente el contexto. Para obtener más información, consulte Elija y actualice el modelo de construcción del gráfico.
-
Cada origen de datos puede tener hasta 1000 archivos. Puede solicitar que se aumente este límite hasta un máximo de 10 000 archivos por origen de datos. También puede dividir su bucket de Amazon S3 en carpetas, donde cada carpeta puede contener hasta 1000 archivos.
-
Si utiliza la fragmentación jerárquica como estrategia de fragmentación, GraphRAG recupera solo los fragmentos secundarios durante la operación de búsqueda. No reemplaza los fragmentos secundarios con sus correspondientes fragmentos principales. Esto significa que los resultados de la búsqueda incluyen el contenido específico y detallado de los fragmentos secundarios en lugar del contexto más amplio de los fragmentos principales.
nota
Al eliminar una base de conocimiento que utiliza Análisis por Amazon Neptune, elimine primero la base de conocimiento y, a continuación, elimine el gráfico de Análisis por Amazon Neptune. Si se elimina una base de conocimiento, no se elimina automáticamente el gráfico subyacente. Es posible que se incurra en cargos adicionales hasta que elimine el gráfico de forma explícita. Como alternativa, configure la política de eliminación de orígenes de datos en el modo RETENER para eliminar primero el gráfico sin que se produzcan errores. Para obtener más información, consulte Eliminación de un origen de datos de la base de conocimientos de Amazon Bedrock.
importante
Los modelos básicos pueden llegar al final de su vida útil o quedar obsoletos. Por ejemplo, Claude 3 Haiku ha pasado al estado Legado. Le recomendamos que seleccione un modelo compatible actualmente para la construcción de gráficos. Para comprobar el estado de los modelos disponibles, consulte el ciclo de vida del modelo. Para obtener información sobre cómo elegir o actualizar el modelo de construcción de gráficos, consulteElija y actualice el modelo de construcción del gráfico.
