Ajouter des sources de données et démarrer l'ingestion

Pour ajouter une source de données depuis la console

1. Sur la page de détails de votre base de connaissances, sélectionnez Ajouter une source de données.

2. Choisissez Amazon S3 comme type de source de données.

3. Donnez un nom et une description à votre source de données.

4. Configurez l'emplacement Amazon S3 contenant vos fichiers multimodaux en fournissant l'URI du compartiment et les éventuels préfixes d'inclusion.

5. Sous Analyse et segmentation du contenu, configurez vos méthodes d'analyse et de segmentation :

   Note

   Les modèles d'intégration de texte limitent l'extraction au contenu uniquement textuel, mais vous pouvez activer la récupération multimodale via du texte en sélectionnant Amazon Bedrock Data Automation (pour l'audio, la vidéo et les images) ou Foundation Model comme analyseurs (pour les images).

   Choisissez l'une des trois stratégies d'analyse syntaxique suivantes :

   • Analyseur par défaut Bedrock : recommandé pour l'analyse du texte uniquement. Cet analyseur ignore le contenu multimodal et est couramment utilisé avec les modèles d'intégration multimodaux.

   • Bedrock Data Automation en tant qu'analyseur : permet d'analyser et de stocker du contenu multimodal sous forme de texte, de support, d'images PDFs, de fichiers audio et vidéo.

   • Modèle de base en tant qu'analyseur : fournit une analyse avancée pour les images et les documents structurés, les supports PDFs, les images, les tableaux et les documents visuellement riches.

6. Choisissez Ajouter une source de données pour créer la source de données.

Pour ajouter une source de données à l'aide du AWS CLI

• Créez une source de données pour votre contenu multimodal. Envoyez une CreateDataSourcedemande :

  aws bedrock-agent create-data-source \
  --knowledge-base-id <knowledge-base-id> \
  --cli-input-json file://ds-multimodal.json

  Pour les intégrations multimodales Nova (aucune configuration d'analyse spéciale n'est requise), utilisez ce contenu : ds-multimodal.json

  {
      "dataSourceConfiguration": {
          "type": "S3",
          "s3Configuration": {
              "bucketArn": "arn:aws:s3:::<data-source-bucket>",
              "inclusionPrefixes": ["<folder-path>"]
          }
      },
      "name": "multimodal_data_source",
      "description": "Data source with multimodal content",
      "dataDeletionPolicy": "RETAIN"
  }

  Pour l'approche d'analyse BDA, utilisez cette configuration :

  {
      "dataSourceConfiguration": {
          "type": "S3",
          "s3Configuration": {
              "bucketArn": "arn:aws:s3:::<data-source-bucket>",
              "inclusionPrefixes": ["<folder-path>"]
          }
      },
      "name": "multimodal_data_source_bda",
      "description": "Data source with BDA multimodal parsing",
      "dataDeletionPolicy": "RETAIN",
      "vectorIngestionConfiguration": {
          "parsingConfiguration": {
              "bedrockDataAutomationConfiguration": {
                  "parsingModality": "MULTIMODAL"
              }
          }
      }
  }

Pour démarrer l'ingestion depuis la console

1. Sur la page de détails de votre source de données, choisissez Sync.

2. Surveillez l'état de synchronisation sur la page de la source de données. L'ingestion peut prendre plusieurs minutes en fonction de la taille et du nombre de vos fichiers multimodaux.

3. Une fois la synchronisation terminée, votre contenu multimodal est prêt à être interrogé.

Pour commencer l'ingestion à l'aide du AWS CLI

1. Commencez une opération d'ingestion. Envoyez une StartIngestionJobdemande :

   aws bedrock-agent start-ingestion-job \
   --knowledge-base-id <knowledge-base-id> \
   --data-source-id <data-source-id>

   Remplacez les espaces réservés par :

   • <knowledge-base-id>- Identifiant issu de la création de la base de connaissances

   • <data-source-id>- ID issu de la création de la source de données

2. Surveillez l'état de la tâche d'ingestion à l'aide de GetIngestionJob.