Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Test de votre base de connaissances avec des requêtes et des réponses
<a name="knowledge-base-test"></a>

Après avoir configuré votre base de connaissances, vous pouvez tester son comportement comme suit :
+ Envoyez des requêtes et récupérez les informations pertinentes à partir de vos sources de données à l’aide de l’opération [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html).
+ Envoyez des requêtes et générez des réponses aux requêtes en fonction des informations récupérées à partir de vos sources de données à l’aide de l’opération [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html).
+ Récupérez des sources plus pertinentes à l’aide d’un modèle de reclassement à la place du modèle de reclassement Amazon Bedrock Knowledge Bases par défaut lorsque vous utilisez [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) ou [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html).
+ Spécifiez les documents de votre source de données qui peuvent être utilisés à l’aide de filtres de métadonnées facultatifs avec l’API `Retrieve` ou `RetrieveAndGenerate`.

Une fois que le comportement de votre base de connaissances vous convient, vous pouvez configurer votre application pour interroger cette base ou l’associer à un agent en suivant les instructions sous [Déploiement de votre base de connaissances pour votre application d’IA](knowledge-base-deploy.md).

Choisissez une rubrique pour en savoir plus.

**Topics**
+ [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md)
+ [Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md)
+ [Génération d’une requête pour des données structurées](knowledge-base-generate-query.md)
+ [Interrogation d’une base de connaissances connectée à un index GenAI Amazon Kendra](kb-test-kendra.md)
+ [Interrogation d’une base de connaissances connectée à un graphe d’analytique Amazon Neptune](kb-test-neptune.md)
+ [Configuration et personnalisation de la génération de requêtes et de réponses](kb-test-config.md)
+ [Configuration de la génération de réponses pour les modèles de raisonnement avec les bases de connaissances](kb-test-configure-reasoning.md)

# Interrogation d’une base de connaissances et extraction des données
<a name="kb-test-retrieve"></a>

**Important**  
Les barrières de protection ne sont appliquées qu’à l’entrée et qu’à la réponse générée par le LLM. Elles ne sont pas appliqués aux références récupérées des bases de connaissances lors de l’exécution.

Une fois votre base de données configurée, vous pouvez l’interroger et extraire des fragments de vos données sources qui sont pertinentes pour la requête à l’aide de l’opération d’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html). Vous pouvez également [utiliser un modèle de reclassement](rerank.md) au lieu du modèle de classement de bases de données Amazon Bedrock par défaut pour classer les fragments de source en fonction de leur pertinence lors de leur récupération.

Pour découvrir comment interroger une base de connaissances, cliquez sur l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

**Pour tester votre base de connaissances**

1. Connectez-vous au AWS Management Console avec une identité IAM autorisée à utiliser la console Amazon Bedrock. Ouvrez ensuite la console Amazon Bedrock à l'adresse [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock)

1. Dans le volet de navigation de gauche, sélectionnez **Bases de connaissances**.

1. Dans la section **Bases de connaissances**, effectuez l’une des actions suivantes :
   + Cliquez sur la case d’option en regard de la base de connaissances que vous souhaitez tester, puis sélectionnez **Tester la base de connaissances**. Une fenêtre de test s’ouvre sur la droite.
   + Choisissez la base de connaissances que vous souhaitez tester. Une fenêtre de test s’ouvre sur la droite.

1. Dans la fenêtre de test, désélectionnez **Générer des réponses pour votre requête** afin de renvoyer les informations extraites directement de votre base de connaissances.

1. (Facultatif) Sélectionnez l’icône de configuration (![\[Three horizontal sliders with adjustable circular controls for settings or parameters.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/configurations.png)) pour ouvrir **Configurations**. Pour en savoir plus sur la configuration, consultez [Configuration et personnalisation de la génération de requêtes et de réponses](kb-test-config.md).

1. Entrez une requête dans la zone de texte de la fenêtre de chat et sélectionnez **Exécuter** pour renvoyer les réponses de la base de connaissances.

1. Les fragments sources sont renvoyés directement par ordre de pertinence. Les images extraites de votre source de données peuvent également être renvoyées sous forme de fragment source.

1. Pour consulter les informations des fragments renvoyés, sélectionnez **Afficher les détails de la source**.
   + Pour voir les configurations que vous avez définies pour la requête, développez **Configurations des requêtes**.
   + Pour afficher les détails d’un fragment source, développez-le en cliquant sur la flèche droite (![\[Play button icon with a triangular shape pointing to the right.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/caret-right-filled.png)) près de celui-ci. Vous pouvez consulter les informations suivantes :
     + Le texte brut issu du bloc source. Pour copier ce texte, cliquez sur l’icône de copie (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/copy.png)). Si vous avez utilisé Amazon S3 pour stocker vos données, cliquez sur l’icône de lien externe (![\[Icon of a square with an arrow pointing outward from its top-right corner.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/external.png)) pour accéder à l’objet S3 contenant le fichier.
     + Les métadonnées associées au fragment source, si vous avez utilisé Amazon S3 pour stocker vos données. Les attribute/field clés et les valeurs sont définies dans le `.metadata.json` fichier associé au document source. Pour plus d’informations, consultez la section **Métadonnées et filtrage** dans [Configuration et personnalisation de la génération de requêtes et de réponses](kb-test-config.md).

**Options de chat**
+ Passez à la génération de réponses en fonction des fragments source extraits en activant l’option **Générer des réponses**. Si vous modifiez ce paramètre, le texte de la fenêtre de chat s’efface complètement.
+ Pour effacer la fenêtre de discussion, sélectionnez l'icône en forme de balai (![\[Magnifying glass icon with a checkmark inside, symbolizing search or inspection.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/broom.png)).
+ Pour copier tous les résultats dans la fenêtre de discussion, sélectionnez l'icône de copie (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/copy.png)).

------
#### [ API ]

Pour interroger une base de connaissances et ne renvoyer que le texte pertinent provenant des sources de données, envoyez une demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) avec un [point de terminaison d’exécution des agents Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt).

Les champs suivants sont obligatoires :


****  

| Champ | Description de base | 
| --- | --- | 
| knowledgeBaseId | Requête à envoyer à la base de connaissances interroger. | 
| retrievalQuery | Contient un champ text permettant de spécifier la requête. | 
| guardrailsConfiguration | Incluez des champs guardrailsConfiguration tels que guardrailsId et guardrailsVersion pour utiliser votre barrière de protection dans la demande | 

Les champs suivants sont facultatifs :


****  

| Champ | Cas d’utilisation | 
| --- | --- | 
| nextToken | Pour renvoyer le prochain lot de réponses (voir les champs de réponse ci-dessous). | 
| retrievalConfiguration | Pour inclure des [configurations de requête](kb-test-config.md) afin de personnaliser la recherche vectorielle. Pour plus d’informations, consultez [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html). | 

Vous pouvez utiliser un modèle de reclassement par rapport au modèle de classement par défaut des bases de connaissances Amazon Bedrock en incluant le `rerankingConfiguration` champ dans le. [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html) Le `rerankingConfiguration` champ correspond à un [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html)objet, dans lequel vous pouvez spécifier le modèle de reclassement à utiliser, les champs de demande supplémentaires à inclure, les attributs de métadonnées pour filtrer les documents lors du reclassement et le nombre de résultats à renvoyer après le reclassement. Pour de plus amples informations, veuillez consulter [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html).

**Note**  
Si la `numberOfRerankedResults` valeur que vous spécifiez est supérieure à celle du [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html), le nombre maximum de résultats renvoyés est la valeur pour`numberOfResults`. `numberOfResults` Il existe une exception si vous utilisez la décomposition des requêtes (pour plus d’informations, consultez la section **Modifications des requêtes** dans [Configuration et personnalisation de la génération de requêtes et de réponses](kb-test-config.md). Si vous utilisez la décomposition des requêtes, `numberOfRerankedResults` peut être jusqu’à cinq fois supérieur à `numberOfResults`.

La réponse renvoie les fragments de la source de données sous la forme d'un tableau d'[KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html)objets dans le `retrievalResults` champ. Chacun [KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html)contient les champs suivants :


****  

| Champ | Description | 
| --- | --- | 
| content | Contient un fragment de source de texte dans le champ text ou un fragment de source d’image dans le champ byteContent. Si le contenu est une image, l’URI de données du contenu codé en Base64 est renvoyé au format data:image/jpeg;base64,\$1\$1base64-encoded string\$1. | 
| metadata | Contient chaque attribut de métadonnées sous forme de clé et la valeur de métadonnées sous forme de valeur JSON à laquelle la clé correspond. | 
| location | Contient l’URI ou l’URL du document auquel appartient le fragment source. | 
| score | Le score de pertinence du document. Vous pouvez utiliser ce score pour analyser le classement des résultats. | 

Si le nombre de fragments sources dépasse ce que peut contenir la réponse, une valeur est renvoyée dans le champ `nextToken`. Utilisez cette valeur dans une autre demande pour renvoyer le prochain lot de résultats.

Si les données récupérées contiennent des images, la réponse renvoie également les en-têtes de réponse suivants, qui contiennent les métadonnées des blocs source renvoyés dans la réponse :
+ `x-amz-bedrock-kb-byte-content-source` : contient l’URI d’Amazon S3 de l’image.
+ `x-amz-bedrock-kb-description` : contient la chaîne encodée en Base64 pour l’image.

**Note**  
Vous ne pouvez pas filtrer sur ces en-têtes de réponse de métadonnées lorsque vous [configurez des filtres de métadonnées](kb-test-config.md).

**Requêtes multimodales**  
Pour les bases de connaissances utilisant des modèles d'intégration multimodaux, vous pouvez effectuer des requêtes avec du texte ou des images. Le `retrievalQuery` champ prend en charge un `multimodalInputList` champ pour les requêtes d'images :

**Note**  
Pour des conseils complets sur la mise en place et l'utilisation de bases de connaissances multimodales, y compris le choix entre les approches Nova et BDA, voir. [Création d'une base de connaissances pour le contenu multimodal](kb-multimodal.md)

Vous pouvez effectuer une requête avec des images en utilisant le `multimodalInputList` champ :

```
{
    "knowledgeBaseId": "EXAMPLE123", 
    "retrievalQuery": {
        "multimodalInputList": [
            {
                "content": {
                    "byteContent": "base64-encoded-image-data"
                },
                "modality": "IMAGE"
            }
        ]
    }
}
```

Vous pouvez également effectuer une requête avec du texte uniquement en utilisant le `text` champ :

```
{
    "knowledgeBaseId": "EXAMPLE123",
    "retrievalQuery": {
        "text": "Find similar shoes"
    }
}
```

**Modèles de requêtes multimodaux courants**  
Voici quelques modèles de requêtes courants :

Image-to-image rechercher  
Téléchargez une image pour trouver des images visuellement similaires. Exemple : téléchargez la photo d'une chaussure Nike rouge pour trouver des chaussures similaires dans votre catalogue de produits.

Recherche basée sur le texte  
Utilisez des requêtes textuelles pour trouver du contenu pertinent. Exemple : « Trouver des chaussures similaires » pour effectuer une recherche dans votre catalogue de produits à l'aide de descriptions textuelles.

Recherche visuelle de documents  
Recherchez des graphiques, des diagrammes ou des éléments visuels dans les documents. Exemple : téléchargez une image de graphique pour trouver des graphiques similaires dans votre collection de documents.

**Choisir entre Nova et BDA pour le contenu multimodal**  
Lorsque vous travaillez avec du contenu multimodal, choisissez votre approche en fonction de votre type de contenu et de vos modèles de requête :


**Matrice de décision Nova vs BDA**  

| Type de contenu | Utilisez les intégrations multimodales Nova | Utiliser l'analyseur Bedrock Data Automation (BDA) | 
| --- | --- | --- | 
| Contenu vidéo | Concentration sur la narration visuelle (sports, publicités, démonstrations), requêtes sur des éléments visuels, contenu vocal minimal | Important speech/narration (présentations, réunions, tutoriels), requêtes sur le contenu oral, besoin de transcriptions | 
| Contenu audio | Identification de musique ou d'effets sonores, analyse audio non vocale | Podcasts, interviews, réunions, tout contenu dont le discours doit être transcrit | 
| Contenu de l'image | Recherches de similarité visuelle, image-to-image récupération, analyse de contenu visuel | Extraction de texte à partir d'images, traitement des documents, exigences en matière d'OCR | 

**Note**  
Les intégrations multimodales Nova ne peuvent pas traiter directement le contenu vocal. Si vos fichiers audio ou vidéo contiennent des informations vocales importantes, utilisez d'abord l'analyseur BDA pour convertir la parole en texte, ou choisissez plutôt un modèle d'intégration de texte.

**Limites liées aux requêtes multimodales**  
Les requêtes multimodales présentent certaines limites :
+ Maximum d'une image par requête dans la version actuelle
+ Les requêtes d'image ne sont prises en charge qu'avec les modèles d'intégration multimodaux (Titan G1 ou Cohere Embed v3)
+ RetrieveAndGenerate L'API n'est pas prise en charge pour les bases de connaissances comportant des modèles d'intégration multimodaux et des compartiments de contenu S3
+ Si vous fournissez une requête d'image à une base de connaissances à l'aide de modèles d'intégration contenant uniquement du texte, une erreur 4xx sera renvoyée

**Structure de réponse d'API multimodale**  
Les réponses de récupération pour le contenu multimodal incluent des métadonnées supplémentaires :
+ **URI source :** pointe vers l'emplacement de votre compartiment S3 d'origine
+ **URI supplémentaire :** pointe vers la copie dans votre compartiment de stockage multimodal
+ **Métadonnées d'horodatage :** incluses pour les segments vidéo et audio afin de permettre un positionnement précis de la lecture

**Note**  
Lorsque vous utilisez l'API ou le SDK, vous devez gérer la récupération des fichiers et la navigation par horodatage dans votre application. La console gère cela automatiquement grâce à une lecture vidéo améliorée et à une navigation automatique par horodatage.

------

**Note**  
Si vous recevez un message d’erreur indiquant que l’invite dépasse la limite de caractères lors de la génération des réponses, vous pouvez raccourcir l’invite comme suit :  
Réduisez le nombre maximum de résultats récupérés (cela raccourcit ce qui est rempli dans l’espace réservé \$1search\$1results\$1 dans [Modèles d’invite de base de connaissances : orchestration et génération](kb-test-config.md#kb-test-config-prompt-template)).
Recréez la source de données à l’aide d’une stratégie de découpage qui utilise des blocs plus petits (cela raccourcit ce qui est rempli dans l’espace réservé \$1search\$1results\$1 dans [Modèles d’invite de base de connaissances : orchestration et génération](kb-test-config.md#kb-test-config-prompt-template)).
Raccourcissez le modèle d’invite.
Raccourcissez la requête utilisateur (cela raccourcit ce qui est rempli dans l’espace réservé \$1query\$1 dans [Modèles d’invite de base de connaissances : orchestration et génération](kb-test-config.md#kb-test-config-prompt-template)).

# Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées
<a name="kb-test-retrieve-generate"></a>

**Important**  
Les barrières de protection ne sont appliquées qu’à l’entrée et qu’à la réponse générée par le LLM. Elles ne sont pas appliqués aux références récupérées des bases de connaissances lors de l’exécution.

Une fois votre base de données configurée, vous pouvez l’interroger et générer des réponses basées sur les fragments récupérés de vos données sources à l’aide de l’opération d’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html). Les réponses sont renvoyées avec des citations des données sources d’origine. Vous pouvez également [utiliser un modèle de reclassement](rerank.md) au lieu du modèle de classement de bases de données Amazon Bedrock par défaut pour classer les fragments de source en fonction de leur pertinence lors de leur récupération.

**Limitations liées au contenu multimodal**  
`RetrieveAndGenerate`n'offre qu'un support limité pour le contenu multimodal. Lorsque vous utilisez Nova Multimodal Embeddings, la fonctionnalité RAG est limitée au contenu textuel uniquement. Pour une prise en charge multimodale complète, y compris le traitement audio et vidéo, utilisez BDA avec des modèles d'intégration de texte. Pour en savoir plus, consultez [Création d'une base de connaissances pour le contenu multimodal](kb-multimodal.md).

**Note**  
Les images renvoyées par la réponse `Retrieve` pendant le flux `RetrieveAndGenerate` sont incluses dans l’invite de génération de réponse. La réponse `RetrieveAndGenerate` ne peut pas inclure d’images, mais peut citer les sources qui en contiennent.

Pour découvrir comment interroger une base de connaissances, cliquez sur l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

**Pour tester votre base de connaissances**

1. Connectez-vous au AWS Management Console avec une identité IAM autorisée à utiliser la console Amazon Bedrock. Ouvrez ensuite la console Amazon Bedrock à l'adresse [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock)

1. Dans le volet de navigation de gauche, sélectionnez **Bases de connaissances**.

1. Dans la section **Bases de connaissances**, effectuez l’une des actions suivantes :
   + Cliquez sur la case d’option en regard de la base de connaissances que vous souhaitez tester, puis sélectionnez **Tester la base de connaissances**. Une fenêtre de test s’ouvre sur la droite.
   + Choisissez la base de connaissances que vous souhaitez tester. Une fenêtre de test s’ouvre sur la droite.

1. Pour générer des réponses basées sur les informations extraites de votre base de connaissances, activez **Générer des réponses pour votre requête**. Amazon Bedrock génère des réponses en fonction de vos sources de données et cite les informations fournies dans des notes de bas de page.

1. Pour choisir un modèle à utiliser pour la génération de réponses, choisissez **Sélectionner le modèle**. Sélectionnez ensuite **Appliquer**. 

1. (Facultatif) Sélectionnez l’icône de configuration (![\[Three horizontal sliders with adjustable circular controls for settings or parameters.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/configurations.png)) pour ouvrir **Configurations**. Pour en savoir plus sur la configuration, consultez [Configuration et personnalisation de la génération de requêtes et de réponses](kb-test-config.md).

1. Entrez une requête dans la zone de texte de la fenêtre de chat et sélectionnez **Exécuter** pour renvoyer les réponses de la base de connaissances.

1. Sélectionnez une note de bas de page pour consulter un extrait de la source citée pour cette partie de la réponse. Cliquez sur le lien pour accéder à l’objet S3 contenant le fichier.

1. Pour consulter les informations des fragments renvoyés, sélectionnez **Afficher les détails de la source**.
   + Pour voir les configurations que vous avez définies pour la requête, développez **Configurations des requêtes**.
   + Pour afficher les détails d’un fragment source, développez-le en cliquant sur la flèche droite (![\[Play button icon with a triangular shape pointing to the right.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/caret-right-filled.png)) près de celui-ci. Vous pouvez consulter les informations suivantes :
     + Le texte brut issu du bloc source. Pour copier ce texte, cliquez sur l’icône de copie (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/copy.png)). Si vous avez utilisé Amazon S3 pour stocker vos données, cliquez sur l’icône de lien externe (![\[Icon of a square with an arrow pointing outward from its top-right corner.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/external.png)) pour accéder à l’objet S3 contenant le fichier.
     + Les métadonnées associées au fragment source, si vous avez utilisé Amazon S3 pour stocker vos données. Les attribute/field clés et les valeurs sont définies dans le `.metadata.json` fichier associé au document source. Pour plus d’informations, consultez la section **Métadonnées et filtrage** dans [Configuration et personnalisation de la génération de requêtes et de réponses](kb-test-config.md).

**Options de chat**
+ Pour choisir un modèle à utiliser pour la génération de réponses, choisissez **Changer de modèle**. Si vous changez de modèle, le texte de la fenêtre de chat s’efface complètement.
+ Passez à la récupération directe des fragments source en désactivant la case **Générer des réponses**. Si vous modifiez ce paramètre, le texte de la fenêtre de chat s’efface complètement.
+ Pour effacer la fenêtre de discussion, sélectionnez l'icône en forme de balai (![\[Magnifying glass icon with a checkmark inside, symbolizing search or inspection.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/broom.png)).
+ Pour copier tous les résultats dans la fenêtre de discussion, sélectionnez l'icône de copie (![\[Icon representing a crop or resize function, with two overlapping rectangles.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/copy.png)).

------
#### [ API ]

Pour interroger une base de connaissances et utiliser un modèle de fondation afin de générer des réponses basées sur les résultats des sources de données, envoyez une demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) avec un [point de terminaison d’exécution des agents Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt).

L’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html) renvoie les données dans un format de streaming et vous permet d’accéder aux réponses générées par fragments sans attendre le résultat complet.

Les champs suivants sont obligatoires :

**Note**  
La réponse de l’API contient des événements de citation. Ce membre `citation` est devenu obsolète. Nous vous recommandons d’utiliser les champs `generatedResponse` et `retrievedReferences` à la place. Pour obtenir de la documentation de référence, consultez [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_CitationEvent.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_CitationEvent.html).


****  

| Champ | Description de base | 
| --- | --- | 
| input | Contient un champ text permettant de spécifier la requête. | 
| retrieveAndGenerateConfiguration | Contient un [RetrieveAndGenerateConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateConfiguration.html), qui spécifie les configurations pour la récupération et la génération. Voir ci-dessous pour plus d’informations. | 

Les champs suivants sont facultatifs :


****  

| Champ | Cas d’utilisation | 
| --- | --- | 
| sessionId | Utilisez la même valeur que lors d’une session précédente pour continuer cette session et conserver le contexte du modèle à partir de celle-ci. | 
| sessionConfiguration | Pour inclure une clé KMS personnalisée pour le chiffrement de la session. | 

Incluez le `knowledgeBaseConfiguration` champ dans le [RetrieveAndGenerateConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateConfiguration.html). Ce champ correspond à un [KnowledgeBaseRetrieveAndGenerateConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrieveAndGenerateConfiguration.html)objet qui contient les champs suivants :
+ Les champs suivants sont obligatoires :  
****    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/kb-test-retrieve-generate.html)
+ Les champs suivants sont facultatifs :  
****    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/kb-test-retrieve-generate.html)

Vous pouvez utiliser un modèle de reclassement par rapport au modèle de classement par défaut des bases de connaissances Amazon Bedrock en incluant le `rerankingConfiguration` champ dans le [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html). [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html) Le `rerankingConfiguration` champ correspond à un [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html)objet, dans lequel vous pouvez spécifier le modèle de reclassement à utiliser, les champs de demande supplémentaires à inclure, les attributs de métadonnées pour filtrer les documents lors du reclassement et le nombre de résultats à renvoyer après le reclassement. Pour de plus amples informations, veuillez consulter [VectorSearchRerankingConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_VectorSearchRerankingConfiguration.html).

**Note**  
Si la `numberOfRerankedResults` valeur que vous spécifiez est supérieure à celle du [KnowledgeBaseVectorSearchConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseVectorSearchConfiguration.html), le nombre maximum de résultats qui seront renvoyés est la valeur pour`numberOfResults`. `numberOfResults` Il existe une exception si vous utilisez la décomposition des requêtes (pour plus d’informations, consultez la section **Modifications des requêtes** dans [Configuration et personnalisation de la génération de requêtes et de réponses](kb-test-config.md). Si vous utilisez la décomposition des requêtes, `numberOfRerankedResults` peut être jusqu’à cinq fois supérieur à `numberOfResults`.

La réponse renvoie la réponse générée dans le champ `output` et les fragments source cités sous forme de tableau dans le champ `citations`. Chaque objet [Citation](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Citation.html) contient les champs suivants.


****  

| Champ | Description de base | 
| --- | --- | 
| generatedResponsePart | Dans le champ textResponsePart, le text auquel se rapporte la citation est inclus. Le champ span fournit les index de début et de fin de la partie de la sortie contenant une citation. | 
| retrievedReferences | Tableau d'[RetrievedReference](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievedReference.html)objets, chacun contenant le fragment content d'une source metadata associé au document, ainsi que l'URI ou l'URL location du document dans la source de données.  Si le contenu est une image, l’URI de données du contenu codé en Base64 est renvoyé au format data:image/jpeg;base64,\$1\$1base64-encoded string\$1. | 

La réponse renvoie également une valeur `sessionId` que vous pouvez réutiliser dans une autre demande pour maintenir la même conversation.

Si vous avez inclus `guardrailConfiguration` dans la demande, le champ `guardrailAction` vous indique si le contenu a été bloqué ou non.

Si les données récupérées contiennent des images, la réponse renvoie également les en-têtes de réponse suivants, qui contiennent les métadonnées des blocs source renvoyés dans la réponse :
+ `x-amz-bedrock-kb-byte-content-source` : contient l’URI d’Amazon S3 de l’image.
+ `x-amz-bedrock-kb-description` : contient la chaîne encodée en Base64 pour l’image.

**Note**  
Vous ne pouvez pas filtrer sur ces en-têtes de réponse de métadonnées lorsque vous [configurez des filtres de métadonnées](kb-test-config.md).

------

**Note**  
Si vous recevez un message d’erreur indiquant que l’invite dépasse la limite de caractères lors de la génération des réponses, vous pouvez raccourcir l’invite comme suit :  
Réduisez le nombre maximum de résultats récupérés (cela raccourcit ce qui est rempli dans l’espace réservé \$1search\$1results\$1 dans [Modèles d’invite de base de connaissances : orchestration et génération](kb-test-config.md#kb-test-config-prompt-template)).
Recréez la source de données à l’aide d’une stratégie de découpage qui utilise des blocs plus petits (cela raccourcit ce qui est rempli dans l’espace réservé \$1search\$1results\$1 dans [Modèles d’invite de base de connaissances : orchestration et génération](kb-test-config.md#kb-test-config-prompt-template)).
Raccourcissez le modèle d’invite.
Raccourcissez la requête utilisateur (cela raccourcit ce qui est rempli dans l’espace réservé \$1query\$1 dans [Modèles d’invite de base de connaissances : orchestration et génération](kb-test-config.md#kb-test-config-prompt-template)).

# Génération d’une requête pour des données structurées
<a name="knowledge-base-generate-query"></a>

Lorsque vous connectez un magasin de données structuré à votre base de connaissances, celle-ci peut l’interroger en convertissant la requête en langage naturel fournie par l’utilisateur en requête SQL, en fonction de la structure de la source de données interrogée. Lorsque vous utilisez :
+ [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) : la réponse renvoie le résultat de l’exécution de la requête SQL.
+ [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) : la réponse générée est basée sur le résultat de l’exécution de la requête SQL.
+ [GenerateQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerateQuery.html): Amazon Bedrock Knowledge Bases dissocie la conversion de la requête du processus de récupération. Cette opération d’API vous permet de transformer une requête en code SQL.

## Utilisation de l’API `GenerateQuery`
<a name="knowledge-base-generate-query-api"></a>

Vous pouvez utiliser la réponse de l’opération d’API `GenerateQuery` avec une action `Retrieve` ou `RetrieveAndGenerate` ultérieure, ou l’insérer dans d’autres flux de travail. `GenerateQuery` vous permet de transformer efficacement les requêtes en requêtes SQL en tenant compte de la structure de la source de données de votre base de connaissances.

Pour transformer une requête en langage naturel en requête SQL, soumettez une [GenerateQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerateQuery.html)demande avec un point de [terminaison Agents for Amazon Bedrock Runtime](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt). La demande `GenerateQuery` contient les champs suivants :
+ queryGenerationInput — Spécifiez `TEXT` en tant que `type` et incluez la requête dans le `text` champ.
**Note**  
Les requêtes doivent être écrites en anglais.
+ transformationConfiguration : spécifiez `TEXT_TO_SQL` comme `mode`. Dans le champ `textToSqlConfiguration`, spécifiez `KNOWLEDGE_BASE` comme `type`. Spécifiez ensuite l’ARN de la base de connaissances.

La réponse renvoie un tableau contenant un [GeneratedQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GeneratedQuery.html)objet dans le `queries` champ. L’objet contient une requête SQL pour la requête dans le champ `sql`.

## Considérations clés
<a name="knowledge-base-generate-query-considerations"></a>

Voici quelques points essentiels à prendre en compte lors de la génération d’une requête à l’aide de données structurées :
+ 

**Inférence interrégionale et récupération de données structurées**  
La récupération de données structurées utilise l'inférence interrégionale pour sélectionner la solution optimale au Région AWS sein de votre zone géographique afin de traiter votre demande d'inférence. Cela n’engendre aucuns frais supplémentaires et améliore l’expérience client en optimisant les ressources disponibles et la disponibilité des modèles.

  Les demandes d'inférence croisée sont conservées dans les Régions AWS limites de la zone géographique dans laquelle les données se trouvent à l'origine. Vos données restent stockées dans la région source, mais les invites d’entrée et les résultats de sortie peuvent être déplacés en dehors de cette région. Toutes les données sont transmises chiffrées sur l’ensemble du réseau sécurisé d’Amazon.

  Pour de plus amples informations, veuillez consulter [Augmentez le débit grâce à l’inférence entre régions](cross-region-inference.md).
+ 

**Précision des requêtes SQL générées**  
La précision d’une requête SQL générée peut varier en fonction du contexte, des schémas de table et de l’intention de la requête utilisateur. Évaluez les requêtes générées pour vous assurer qu’elles correspondent à votre cas d’utilisation avant de les utiliser dans votre charge de travail.
+ 

**Nombre de résultats récupérés**  
Les restrictions suivantes s’appliquent lors de la génération de la réponse :
  + Lors de l’utilisation des opérations d’API `InvokeAgent`, `RetrieveAndGenerate` et `RetrieveAndGenerateStream`, seuls 10 résultats récupérés sont utilisés lors de la génération de la réponse.
  + Lors de l’utilisation de l’API `InvokeAgent`, s’il y a plus de 10 lignes de résultats récupérés, le nombre total de lignes récupérées n’est pas transmis à l’agent pour générer la réponse. Si vous utilisez plutôt l’API `RetrieveAndGenerate`, le nombre total de lignes est inclus dans l’invite de génération de la réponse finale.
+ 

**Quota de l’API `GenerateQuery`**  
L’API `GenerateQuery` dispose d’un quota de 2 demandes par seconde.

## Octroi à un rôle des autorisations nécessaires pour accéder aux requêtes générées
<a name="knowledge-base-structured-permissions"></a>

Pour votre base de connaissances connectée à une source de données structurée, si vous souhaitez effectuer des opérations supplémentaires sur les requêtes générées, vous devez accorder les autorisations nécessaires pour effectuer l’action d’API `GenerateQuery`. Pour permettre à votre rôle IAM d’interroger une base de connaissances connectée à un magasin de données structuré, attachez la politique suivante au rôle :

------
#### [ JSON ]

****  

```
{
    "Version":"2012-10-17",		 	 	 
    "Statement": [
        {
            "Sid": "GetKB",
            "Effect": "Allow",
            "Action": [
                "bedrock:GetKnowledgeBase"
            ],
            "Resource": [
                "arn:aws:bedrock:us-east-1:123456789012:knowledge-base/KnowledgeBaseId"
            ]
        },
        {
            "Sid": "GenerateQueryAccess",
            "Effect": "Allow",
            "Action": [
                "bedrock:GenerateQuery",
                "sqlworkbench:GetSqlRecommendations"
            ],
            "Resource": "*"
        },
        {
            "Sid": "Retrieve",
            "Effect": "Allow",
            "Action": [
                "bedrock:Retrieve"
            ],
            "Resource": [
                "arn:aws:bedrock:us-east-1:123456789012:knowledge-base/KnowledgeBaseId"
            ]
        },
        {
            "Sid": "RetrieveAndGenerate",
            "Effect": "Allow",
            "Action": [
                "bedrock:RetrieveAndGenerate"
            ],
            "Resource": [
                "*"
            ]
        }
    ]
}
```

------

Vous pouvez supprimer les instructions dont vous n’avez pas besoin, selon votre cas d’utilisation :
+ Les `GenerateQuery` instructions `GetKB` and doivent être appelées [GenerateQuery](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerateQuery.html)pour générer des requêtes SQL qui prennent en compte les requêtes des utilisateurs et votre source de données connectée.
+ L’instruction `Retrieve` est requise pour appeler [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) afin de récupérer les données de votre magasin de données structuré.
+ L’instruction `RetrieveAndGenerate` est requise pour appeler [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) afin de récupérer les données de votre magasin de données structuré et générer des réponses basées sur ces données.

# Interrogation d’une base de connaissances connectée à un index GenAI Amazon Kendra
<a name="kb-test-kendra"></a>

Vous pouvez interroger une base de connaissances qui utilise un index GenAI Amazon Kendra et renvoyer uniquement le texte pertinent provenant de sources de données. Pour cette requête, envoyez une demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) avec un [point de terminaison d’exécution Agents Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt), par exemple avec une base de connaissances standard.

La structure d’une réponse renvoyée par une base de connaissances avec un index GenAI Amazon Kendra est identique à celle d’un [KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html) standard. Cependant, la réponse inclut également quelques champs supplémentaires provenant d’Amazon Kendra.

Le tableau suivant décrit les champs d’Amazon Kendra que vous pourriez voir dans une réponse renvoyée. Amazon Bedrock obtient ces champs à partir de la réponse d’Amazon Kendra. Si cette réponse ne contient pas ces champs, le résultat de la requête renvoyé par Amazon Bedrock ne contiendra pas non plus ces champs.


| Champ | Description | 
| --- | --- | 
|  x-amz-kendra-document-title  |  Titre du document renvoyé.  | 
|  x-amz-kendra-score-confidence  |  Classement relatif de la pertinence de la réponse par rapport à la requête. Les valeurs possibles sont VERY\$1HIGH, HIGH, MEDIUM, LOW et NOT\$1AVAILABLE.  | 
|  x-amz-kendra-passage-id  |  ID du passage renvoyé.  | 
|  x-amz-kendra-document-id  |  ID du document renvoyé.  | 
|  DocumentAttributes  |  Attributs de documents ou champs de métadonnées provenant d’Amazon Kendra. Le résultat de la requête renvoyé par la base de connaissances les stocke sous forme de paires clé-valeur de métadonnées. Vous pouvez filtrer les résultats avec le filtre de métadonnées d’Amazon Bedrock. Pour plus d’informations, consultez [DocumentAttribute](https://docs.aws.amazon.com/kendra/latest/APIReference/API_DocumentAttribute.html).  | 

# Interrogation d’une base de connaissances connectée à un graphe d’analytique Amazon Neptune
<a name="kb-test-neptune"></a>

Vous pouvez interroger une base de connaissances qui utilise un graphe d’analytique Amazon Neptune et renvoyer uniquement le texte pertinent provenant de sources de données. Pour cette requête, envoyez une demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) avec un [point de terminaison d’exécution Agents Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-rt), par exemple avec une base de connaissances standard. Pour plus d’informations sur l’interrogation d’une base de connaissances, l’extraction de données et la génération de réponses, consultez :
+  [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) 
+  [Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md) 

La structure d’une réponse renvoyée par une base de connaissances avec un graphe d’analytique Amazon Neptune est identique à celle d’un [KnowledgeBaseRetrievalResult](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalResult.html) standard. Cependant, la réponse inclut également quelques champs supplémentaires provenant d’Amazon Neptune.

Le tableau suivant décrit les champs d’analytique Neptune que vous pouvez voir dans une réponse renvoyée. Amazon Bedrock obtient ces champs à partir de la réponse de l’analytique Neptune. Si cette réponse ne contient pas ces champs, le résultat de la requête renvoyé par Amazon Bedrock ne contiendra pas non plus ces champs.


| Champ | Description | 
| --- | --- | 
|  x-amz-bedrock-kb-source-uri  |  URL Amazon S3 du document renvoyé.  | 
|  score  |  Mesure de distance qui indique dans quelle mesure une réponse correspond à la requête fournie, tandis que des valeurs faibles indiquent de meilleures correspondances.  | 
|  x-amz-bedrock-kb-data-source-id  |  ID de la source de données utilisée pour la base de connaissances.  | 
|  x-amz-bedrock-kb-chunk-id  |  ID du segment qui a été utilisé pour récupérer les informations relatives à la requête et générer la réponse.  | 
|  DocumentAttributes  |  Attributs de documents ou champs de métadonnées provenant d’Amazon Kendra. Le résultat de la requête renvoyé par la base de connaissances les stocke sous forme de paires clé-valeur de métadonnées. Vous pouvez filtrer les résultats avec le filtre de métadonnées d’Amazon Bedrock.  | 

## Utilisation des métadonnées et du filtrage
<a name="kb-test-neptune-metadata"></a>

Lorsque vous interrogez la base de connaissances et générez des réponses, vous pouvez filtrer les métadonnées pour trouver des documents plus pertinents. Vous pouvez, par exemple, filtrer sur la base de la date de publication du document. Vous pouvez utiliser la console Amazon Bedrock ou l’API d’exécution [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html) à cette fin, qui peuvent spécifier certaines conditions générales de filtrage.

Voici quelques considérations relatives à l’utilisation de l’API `RetrievalFilter` pour les graphes d’analytique Neptune.
+ Les filtres `startsWith` et `listContains` ne sont pas pris en charge.
+ La variante de liste du filtre `stringContains` n’est pas prise en charge.

Voici un exemple:

```
"vectorSearchConfiguration": {
        "numberOfResults": 5,
        "filter": {
            "orAll": [
                {
                    "andAll": [
                        {
                            "equals": {
                                "key": "genre",
                                "value": "entertainment"
                            }
                        },
                        {
                            "greaterThan": {
                                "key": "year",
                                "value": 2018
                            }
                        }
                    ]
                },
                {
                    "andAll": [                        
                        {
                            "startsWith": {
                                "key": "author",
                                "value": "C"
                            }
                        }
                    ]
                }
            ]
        }
    }
}
```

# Configuration et personnalisation de la génération de requêtes et de réponses
<a name="kb-test-config"></a>

Vous pouvez configurer et personnaliser l’extraction et la génération de réponses, afin d’améliorer encore la pertinence des réponses. Par exemple, vous pouvez appliquer des filtres aux métadonnées des documents fields/attributes afin d'utiliser les derniers documents mis à jour ou ceux dont la date de modification est récente.

**Note**  
Toutes les configurations suivantes, à l’exception de **Orchestration et génération**, ne s’appliquent qu’aux sources de données non structurées.

Pour plus d’informations sur ces configurations dans la console ou l’API, sélectionnez l’une des rubriques suivantes :

## Nombre de blocs source
<a name="kb-test-config-number"></a>

Lorsque vous interrogez une base de connaissances, Amazon Bedrock renvoie par défaut jusqu’à cinq résultats dans la réponse. Chaque résultat correspond à un segment source.

**Note**  
Le nombre réel de résultats dans la réponse peut être inférieur à la valeur `numberOfResults` spécifiée, car ce paramètre définit le nombre maximum de résultats à renvoyer. Si vous avez configuré le découpage hiérarchique pour votre stratégie de segmentation, le paramètre `numberOfResults` correspond au nombre de segments enfants que la base de connaissances extraira. Étant donné que les segments enfants qui partagent le même segment parent sont remplacés par le segment parent dans la réponse finale, le nombre de résultats renvoyés peut être inférieur au montant demandé.

Pour modifier le nombre maximum de résultats à renvoyer, choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

Suivez les étapes de la console sur [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) ou[Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Dans le volet **Configurations**, développez la section **Segments sources** et entrez le nombre maximum de segments sources à renvoyer.

------
#### [ API ]

Lorsque vous faites une [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)ou, incluez un `retrievalConfiguration` champ mappé à un [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)objet. Pour connaître l'emplacement de ce champ, reportez-vous aux corps de [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)requête [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)et dans la référence de l'API.

L'objet JSON suivant indique les champs minimaux requis dans l'[KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)objet pour définir le nombre maximal de résultats à renvoyer :

```
"retrievalConfiguration": {
    "vectorSearchConfiguration": {
        "numberOfResults": number
    }
}
```

Spécifiez le nombre maximum de résultats extraits (voir le `numberOfResults` champ [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)pour connaître la plage de valeurs acceptées) à renvoyer dans le `numberOfResults` champ.

------

## Type de recherche
<a name="kb-test-config-search"></a>

Le type de recherche définit la manière dont les sources de données de la base de connaissances sont interrogées. Les types de recherche possibles sont les suivants :

**Note**  
La recherche hybride n'est prise en charge que pour les magasins vectoriels Amazon RDS, Amazon OpenSearch Serverless et MongoDB qui contiennent un champ de texte filtrable. Si vous utilisez un autre magasin de vecteurs ou si votre magasin de vecteurs ne contient pas de champ de texte filtrable, la requête utilise la recherche sémantique.
+ **Par défaut** : Amazon Bedrock décide de la stratégie de recherche à votre place.
+ **Hybride** : Combine la recherche de vectorisations (recherche sémantique) avec la recherche dans le texte brut.
+ **Sémantique** : recherche uniquement les vectorisations.

Pour apprendre à définir le type de recherche, choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

Suivez les étapes de la console sur [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) ou[Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Lorsque vous ouvrez le volet **Configurations**, développez la section **Type de recherche**, activez **Remplacer la recherche par défaut** et sélectionnez une option.

------
#### [ API ]

Lorsque vous faites une [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)ou, incluez un `retrievalConfiguration` champ mappé à un [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)objet. Pour connaître l'emplacement de ce champ, reportez-vous aux corps de [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)requête [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)et dans la référence de l'API.

L'objet JSON suivant indique les champs minimaux requis dans l'[KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)objet pour définir les configurations de type de recherche :

```
"retrievalConfiguration": {
    "vectorSearchConfiguration": {
        "overrideSearchType": "HYBRID | SEMANTIC"
    }
}
```

Spécifiez le type de recherche dans le champ `overrideSearchType`. Vous avez les options suivantes :
+ Si vous ne spécifiez pas de valeur, Amazon Bedrock choisit la stratégie de recherche la mieux adaptée à la configuration de votre magasin de vecteurs.
+ **HYBRIDE** : Amazon Bedrock interroge la base de connaissances en utilisant à la fois les vectorisations et le texte brut.
+ **SÉMANTIQUE** : Amazon Bedrock interroge la base de connaissances à l’aide de ses vectorisations.

------

## Streaming
<a name="kb-test-config-stream"></a>

------
#### [ Console ]

Suivez les étapes de la console décrites dans [Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Lorsque vous ouvrez le volet **Configurations**, développez la section **Préférence de diffusion** et activez **Diffuser les réponses**.

------
#### [ API ]

Pour diffuser les réponses, utilisez l’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html). Pour plus de détails sur le remplissage des champs, consultez l’onglet **API** à la section [Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md).

------

## Filtrage manuel des métadonnées
<a name="kb-test-config-filters"></a>

Vous pouvez appliquer des filtres fields/attributes au document pour améliorer encore la pertinence des réponses. Vos sources de données peuvent inclure des métadonnées attributes/fields de document à filtrer et peuvent spécifier les champs à inclure dans les intégrations.

Par exemple, « epoch\$1modification\$1time » représente le temps en secondes écoulé depuis le 1er janvier 1970 (UTC), date à laquelle le document a été mis à jour pour la dernière fois. Vous pouvez filtrer les données en fonction des plus récentes, pour lesquelles « epoch\$1modification\$1time » est *supérieur à* un certain nombre. Ces documents les plus récents peuvent être utilisés pour la requête.

Pour utiliser des filtres lorsque vous interrogez une base de connaissances, vérifiez que celle-ci répond aux exigences suivantes :
+ Lorsque vous configurez votre connecteur de source de données, la plupart des connecteurs explorent les principaux champs de métadonnées de vos documents. Si vous utilisez un compartiment Amazon S3 comme source de données, le compartiment doit inclure au moins un `fileName.extension.metadata.json` pour le fichier ou le document auquel il est associé. Consultez **Champs de métadonnées du document** dans [Configuration de la connexion](s3-data-source-connector.md#configuration-s3-connector) pour plus d’informations sur la configuration du fichier de métadonnées.
+ Si l'index vectoriel de votre base de connaissances se trouve dans un magasin de vecteurs Amazon OpenSearch Serverless, vérifiez que l'index vectoriel est configuré avec le `faiss` moteur. Si l’index vectoriel est configuré avec le moteur `nmslib`, vous devrez effectuer l’une des opérations suivantes :
  + [Créez une nouvelle base de connaissances](knowledge-base-create.md) dans la console et laissez Amazon Bedrock créer automatiquement un index vectoriel dans Amazon OpenSearch Serverless pour vous.
  + [Créer un autre index vectoriel](knowledge-base-setup.md) dans le magasin de vecteurs et sélectionner `faiss` comme **moteur** [Créer ensuite une base de connaissances](knowledge-base-create.md) et spécifier le nouvel index vectoriel
+ Si votre base de connaissances utilise un index vectoriel dans un compartiment vectoriel S3, vous ne pouvez pas utiliser les filtres `startsWith` et `stringContains`.
+ Si vous ajoutez des métadonnées à un index vectoriel existant dans un cluster de bases de données Amazon Aurora, nous vous recommandons de fournir le nom de champ de la colonne de métadonnées personnalisée afin de stocker toutes vos métadonnées dans une seule colonne. Lors de l’[ingestion de données](kb-data-source-sync-ingest.md), cette colonne sera utilisée pour remplir toutes les informations contenues dans vos fichiers de métadonnées à partir de vos sources de données. Si vous choisissez de remplir ce champ, vous devez créer un index sur cette colonne.
  + Lorsque vous [créez une nouvelle base de connaissances](knowledge-base-create.md) dans la console et que vous laissez Amazon Bedrock configurer votre base de données Amazon Aurora, il crée automatiquement une colonne unique pour vous et la remplit avec les informations de vos fichiers de métadonnées.
  + Lorsque vous choisissez de [créer un autre index vectoriel](knowledge-base-setup.md) dans le magasin de vecteurs, vous devez fournir le nom du champ de métadonnées personnalisé pour stocker les informations de vos fichiers de métadonnées. Si vous ne fournissez pas ce nom de champ, vous devez créer une colonne pour chaque attribut de métadonnées de vos fichiers et spécifier le type de données (texte, nombre ou booléen). Par exemple, si l’attribut `genre` existe dans votre source de données, vous devez ajouter une colonne nommée `genre` et spécifier `text` comme type de données. Pendant l’ingestion, ces colonnes distinctes seront remplies avec les valeurs d’attribut correspondantes.

*Si votre source de données contient des documents PDF et que vous utilisez Amazon OpenSearch Serverless pour votre boutique vectorielle : les bases de connaissances Amazon Bedrock généreront des numéros de page de document et les stockeront dans une métadonnée field/attribute appelée x-amz-bedrock-kb -. document-page-number* Notez que les numéros de page enregistrés dans un champ de métadonnées ne sont pas pris en charge si vous choisissez de ne pas segmenter vos documents.

Vous pouvez utiliser les opérateurs de filtrage suivants pour filtrer les résultats lorsque vous interrogez les éléments suivants :


**Opérateurs de filtrage**  

| Opérateur | Console | Nom du filtre d’API | Types de données d’attribut pris en charge | Résultats filtrés | 
| --- | --- | --- | --- | --- | 
| Égal à | = | [equals](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-equals) | chaîne, nombre, booléen | L'attribut correspond à la valeur que vous fournissez | 
| Non égal à | \$1= | [notEquals](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-notEquals) | chaîne, nombre, booléen | L’attribut ne correspond pas à la valeur que vous fournissez | 
| Supérieur à | > | [Plus grand que](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-greaterThan) | number | L’attribut est supérieur à la valeur que vous fournissez | 
| Supérieur ou égal à | >= | [greaterThanOrÉgal](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-greaterThanOrEquals) | number | L’attribut est supérieur ou égal à la valeur que vous fournissez | 
| Inférieur à | < | [Inférieur à](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-lessThan) | number | L’attribut est inférieur à la valeur que vous fournissez | 
| Inférieur ou égal à | <= | [lessThanOrÉgal](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-lessThanOrEquals) | number | L’attribut est inférieur ou égal à la valeur que vous fournissez | 
| Dans | : | [in](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-in) | liste de chaînes | L'attribut figure dans la liste que vous fournissez (actuellement, il est préférable de le prendre en charge avec les magasins OpenSearch vectoriels Amazon Serverless et Neptune Analytics GraphRag) | 
| Pas dans | \$1: | [Pas dedans](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-notIn) | liste de chaînes | L'attribut ne figure pas dans la liste que vous fournissez (actuellement, il est préférable de le prendre en charge avec les magasins OpenSearch vectoriels Amazon Serverless et Neptune Analytics GraphRag) | 
| La chaîne contient | Non disponible | [stringContains](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-stringContains) | chaîne | L’attribut doit être une chaîne. Le nom de l'attribut correspond à la clé et sa valeur est une chaîne contenant la valeur que vous avez fournie sous forme de sous-chaîne, ou une liste dont un membre contient la valeur que vous avez fournie sous forme de sous-chaîne (actuellement, il est préférable de le prendre en charge avec le magasin vectoriel Amazon OpenSearch Serverless). Le magasin vectoriel GraphRag de Neptune Analytics prend en charge la variante de chaîne (mais pas la variante de liste de ce filtre). | 
| La liste contient | Non disponible | [listContains](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-listContains) | chaîne | L’attribut doit être une liste de chaînes. Le nom de l'attribut correspond à la clé et sa valeur est une liste contenant la valeur que vous avez fournie en tant que membre (actuellement, il est préférable de le prendre en charge avec les boutiques vectorielles Amazon OpenSearch Serverless). | 

Pour combiner les opérateurs de filtrage, vous pouvez utiliser les opérateurs logiques suivants :


**Opérateurs logiques**  

| Opérateur | Console | Nom de champ de filtre d’API | Résultats filtrés | 
| --- | --- | --- | --- | 
| Et | and | [andAll](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-andAll) | Les résultats répondent à toutes les expressions de filtrage du groupe | 
| Or | or | [orAll](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrievalFilter.html#bedrock-Type-agent-runtime_RetrievalFilter-orAll) | Les résultats répondent à au moins toutes les expressions de filtrage du groupe | 

Pour apprendre à filtrer les résultats à l’aide de métadonnées, choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

Suivez les étapes de la console sur [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) ou[Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Lorsque vous ouvrez le volet **Configurations**, vous verrez une section **Filtres**. Les procédures suivantes décrivent différents cas d’utilisation :
+ Pour ajouter un filtre, créez une expression de filtrage en saisissant un attribut de métadonnées, un opérateur de filtrage et une valeur dans le champ. Séparez chaque partie de l’expression par un espace. Appuyez sur **Entrée** pour ajouter le filtre.

  Pour obtenir la liste des opérateurs de filtrage acceptés, consultez le tableau **Opérateurs de filtrage** ci-dessus. Vous pouvez également voir une liste d’opérateurs de filtrage lorsque vous ajoutez un espace après l’attribut de métadonnées.
**Note**  
Vous devez placer les chaînes entre guillemets.

  Par exemple, vous pouvez filtrer les résultats des documents source contenant un attribut de métadonnées `genre` dont la valeur est `"entertainment"` en ajoutant le filtre suivant : **genre = "entertainment"**.  
![\[Ajoutez un filtre.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-one.png)
+ Pour ajouter un autre filtre, entrez une autre expression de filtrage dans le champ et appuyez sur **Entrée**. Vous pouvez ajouter jusqu’à 5 filtres au groupe.  
![\[Ajoutez un autre filtre.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-more.png)
+ Par défaut, la requête renvoie des résultats qui répondent à toutes les expressions de filtrage que vous fournissez. Pour renvoyer des résultats qui répondent à au moins une des expressions de filtrage, choisissez le menu déroulant **et** entre deux opérations de filtrage, puis sélectionnez **ou**.  
![\[Modifiez l’opération logique entre les filtres.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-logical.png)
+ Pour combiner différents opérateurs logiques, sélectionnez **\$1 Ajouter un groupe** pour ajouter un groupe de filtres. Entrez les expressions de filtrage dans le nouveau groupe. Vous pouvez ajouter jusqu’à 5 groupes de filtres.  
![\[Ajoutez un groupe de filtres pour combiner différents opérateurs logiques.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-group.png)
+ Pour modifier l’opérateur logique utilisé entre tous les groupes de filtrage, choisissez le menu déroulant **ET** entre deux groupes de filtres et sélectionnez **OU**.  
![\[Modifiez l’opération logique entre les groupes de filtres.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-group-logical.png)
+ Pour modifier un filtre, sélectionnez-le, modifiez l’opération de filtrage, puis choisissez **Appliquer**.  
![\[Modifiez un filtre.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-edit.png)
+ Pour supprimer un groupe de filtres, cliquez sur l’icône de corbeille (![\[Trapezoid-shaped diagram showing data flow from source to destination through AWS Transfer Family.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/trash.png)) en regard du groupe. Pour supprimer un filtre, choisissez l’icône de suppression (![\[Close or cancel icon represented by an "X" symbol.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/icons/close.png)) en regard du filtre.  
![\[Supprimez un filtre ou un groupe de filtres.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-delete.png)

L’image suivante montre un exemple de configuration de filtre qui renvoie tous les documents écrits après **2018** dont le genre est **"entertainment"**, en plus des documents dont le genre est **"cooking"** ou **"sports"** et dont l’auteur commence par **"C"**.

![\[Exemple de configuration de filtre.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/kb/filter-example.png)


------
#### [ API ]

Lorsque vous faites une [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)ou, incluez un `retrievalConfiguration` champ mappé à un [KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)objet. Pour connaître l'emplacement de ce champ, reportez-vous aux corps de [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)requête [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html)et dans la référence de l'API.

Les objets JSON suivants indiquent les champs minimaux requis dans l'[KnowledgeBaseRetrievalConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_KnowledgeBaseRetrievalConfiguration.html)objet pour définir des filtres pour différents cas d'utilisation :

1. Utilisez un opérateur de filtrage (consultez le tableau des **Opérateurs de filtrage** ci-dessus).

   ```
   "retrievalConfiguration": {
       "vectorSearchConfiguration": {
           "filter": {
               "<filter-type>": {
                   "key": "string",
                   "value": "string" | number | boolean | ["string", "string", ...]
               }
           }
       }
   }
   ```

1. Utilisez un opérateur logique (consultez le tableau **Opérateurs logiques** ci-dessus) pour en combiner jusqu’à 5.

   ```
   "retrievalConfiguration": {
       "vectorSearchConfiguration": {
           "filter": {
               "andAll | orAll": [
                   "<filter-type>": {
                       "key": "string",
                       "value": "string" | number | boolean | ["string", "string", ...]
                   },
                   "<filter-type>": {
                       "key": "string",
                       "value": "string" | number | boolean | ["string", "string", ...]
                   },
                   ...
               ]
           }
       }
   }
   ```

1. Utilisez un opérateur logique pour combiner jusqu’à 5 opérateurs de filtrage dans un groupe de filtres, et un second opérateur logique pour combiner ce groupe de filtres avec un autre opérateur de filtrage.

   ```
   "retrievalConfiguration": {
       "vectorSearchConfiguration": {
           "filter": {
               "andAll | orAll": [
                   "andAll | orAll": [
                       "<filter-type>": {
                           "key": "string",
                           "value": "string" | number | boolean | ["string", "string", ...]
                       },
                       "<filter-type>": {
                           "key": "string",
                           "value": "string" | number | boolean | ["string", "string", ...]
                       },
                       ...
                   ],
                   "<filter-type>": {
                       "key": "string",
                       "value": "string" | number | boolean | ["string", "string", ...]
                   }
               ]
           }
       }
   }
   ```

1. Combinez jusqu’à 5 groupes de filtres en les intégrant dans un autre opérateur logique. Vous pouvez créer un niveau d’intégration.

   ```
   "retrievalConfiguration": {
       "vectorSearchConfiguration": {
           "filter": {
               "andAll | orAll": [
                   "andAll | orAll": [
                       "<filter-type>": {
                           "key": "string",
                           "value": "string" | number | boolean | ["string", "string", ...]
                       },
                       "<filter-type>": {
                           "key": "string",
                           "value": "string" | number | boolean | ["string", "string", ...]
                       },
                       ...
                   ],
                   "andAll | orAll": [
                       "<filter-type>": {
                           "key": "string",
                           "value": "string" | number | boolean | ["string", "string", ...]
                       },
                       "<filter-type>": {
                           "key": "string",
                           "value": "string" | number | boolean | ["string", "string", ...]
                       },
                       ...
                   ]
               ]
           }
       }
   }
   ```

Le tableau suivant décrit les types de filtre que vous pouvez utiliser :


****  

| Champ | Types de données de valeur pris en charge | Résultats filtrés | 
| --- | --- | --- | 
| equals | chaîne, nombre, booléen | L'attribut correspond à la valeur que vous fournissez | 
| notEquals | chaîne, nombre, booléen | L’attribut ne correspond pas à la valeur que vous fournissez  | 
| greaterThan | number | L’attribut est supérieur à la valeur que vous fournissez | 
| greaterThanOrEquals | number | L’attribut est supérieur ou égal à la valeur que vous fournissez | 
| lessThan | number | L’attribut est inférieur à la valeur que vous fournissez  | 
| lessThanOrEquals | number | L’attribut est inférieur ou égal à la valeur que vous fournissez | 
| in | liste de chaînes | L’attribut se trouve dans la liste que vous fournissez | 
| notIn | liste de chaînes | L’attribut ne se trouve pas dans la liste que vous fournissez | 
| startsWith | chaîne | L'attribut commence par la chaîne que vous fournissez (uniquement pris en charge pour les boutiques vectorielles Amazon OpenSearch Serverless) | 

Pour combiner les types de filtre, vous pouvez utiliser l’un des opérateurs logiques suivants :


****  

| Champ | Est mappé à | Résultats filtrés | 
| --- | --- | --- | 
| andAll | Liste de 5 types de filtres au maximum | Les résultats répondent à toutes les expressions de filtrage du groupe | 
| orAll | Liste de 5 types de filtres au maximum | Les résultats répondent à au moins toutes les expressions de filtrage du groupe | 

Pour des exemples, voir [Envoyer une requête et inclure des filtres (Retrieve)](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html#API_agent-runtime_Retrieve_Example_2) et [Envoyer une requête et inclure des filtres (RetrieveAndGenerate)](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html#API_agent-runtime_RetrieveAndGenerate_Example_2).

------

## Filtrage implicite de métadonnées
<a name="kb-test-config-implicit"></a>

La base de connaissances Amazon Bedrock génère et applique un filtre d’extraction basé sur la requête utilisateur et un schéma de métadonnées.

**Note**  
La fonctionnalité ne fonctionne actuellement qu’avec Anthropic Claude 3.5 Sonnet.

`implicitFilterConfiguration` est spécifié dans le corps `vectorSearchConfiguration` de la demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html). Incluez les champs suivants :
+ `metadataAttributes` : dans ce tableau, fournissez des schémas décrivant les attributs de métadonnées pour lesquels le modèle générera un filtre.
+ `modelArn` : ARN du modèle à utiliser.

Voici un exemple de schéma de métadonnées que vous pouvez ajouter à la matrice `metadataAttributes`.

```
[
    {
        "key": "company",
        "type": "STRING",
        "description": "The full name of the company. E.g. `Amazon.com, Inc.`, `Alphabet Inc.`, etc"
    },
    {
        "key": "ticker",
        "type": "STRING",
        "description": "The ticker name of a company in the stock market, e.g. AMZN, AAPL"
    },
    {
        "key": "pe_ratio",
        "type": "NUMBER",
        "description": "The price to earning ratio of the company. This is a measure of valuation of a company. The lower the pe ratio, the company stock is considered chearper."
    },
    {
        "key": "is_us_company",
        "type": "BOOLEAN",
        "description": "Indicates whether the company is a US company."
    },
    {
        "key": "tags",
        "type": "STRING_LIST",
        "description": "Tags of the company, indicating its main business. E.g. `E-commerce`, `Search engine`, `Artificial intelligence`, `Cloud computing`, etc"
    }
]
```

## Barrières de protection
<a name="kb-test-config-guardrails"></a>

Vous pouvez mettre en œuvre des mesures de protection pour votre base de connaissances, vos cas d’utilisation et les politiques d’IA responsables. Vous pouvez créer plusieurs barrières de protection adaptées à différents cas d’utilisation et les appliquer à de multiples conditions de demande et de réponse, afin d’offrir une expérience utilisateur cohérente et de standardiser les contrôles de sécurité dans votre base de connaissances. Vous pouvez configurer les sujets refusés pour interdire les sujets indésirables et les filtres de contenu pour bloquer le contenu préjudiciable dans les entrées et les réponses du modèle. Pour de plus amples informations, veuillez consulter [Détection et filtrage des contenus préjudiciables à l’aide des barrières de protection Amazon Bedrock](guardrails.md).

**Note**  
L’utilisation de barrières de protection pour les bases de connaissances n’est actuellement pas prise en charge sur Claude 3, Sonnet et Haiku.

Pour les directives générales d’ingénierie de requête, consultez [Concepts d’ingénierie de requête](prompt-engineering-guidelines.md).

Choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

Suivez les étapes de la console sur [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) ou[Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Dans la fenêtre de test, activez **Générer des réponses**. Ensuite, dans le volet **Configurations**, développez la section **Barrières de protection**.

1. Dans la section **Barrières de protection**, choisissez le **Nom** et la **version** de votre barrière de protection. Si vous souhaitez voir les détails de la barrière de protection et de la version que vous avez choisis, choisissez **Afficher**.

   Vous pouvez également en créer une nouvelle en choisissant le lien **Barrière de protection**.

1. Lorsque vous avez terminé les modifications, choisissez **Enregistrer les modifications**. Pour quitter sans enregistrer les modifications, choisissez **Supprimer les modifications**.

------
#### [ API ]

Lorsque vous faites une demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html), incluez le champ `guardrailConfiguration` dans `generationConfiguration` pour utiliser votre barrière de protection avec la demande. Pour connaître l’emplacement de ce champ, reportez-vous au corps de demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) dans la Référence des API.

L'objet JSON suivant indique les champs [GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html)minimaux requis pour définir `guardrailConfiguration` :

```
"generationConfiguration": {
    "guardrailConfiguration": {
        "guardrailId": "string",
        "guardrailVersion": "string"
    }
}
```

Spécifiez les valeurs `guardrailId` et `guardrailVersion` des barrières de protection que vous avez choisies. 

------

## Reclassement
<a name="kb-test-config-rerank"></a>

Vous pouvez utiliser un modèle de reclassement pour reclasser les résultats d’une requête de la base de connaissances. Suivez les étapes de la console sur [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) ou[Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Lorsque vous ouvrez le volet **Configurations**, développez la section **Reclassement**. Sélectionnez un modèle de reclassement, mettez à jour les autorisations si nécessaire et modifiez les options supplémentaires. Entrez une invite et sélectionnez **Exécuter** pour tester les résultats après le reclassement.

## Décomposition des requêtes
<a name="kb-test-query-modifications"></a>

La décomposition des requêtes est une technique utilisée pour décomposer une requête complexe en sous-requêtes plus petites et plus faciles à gérer. Cette approche peut aider à extraire des informations plus précises et pertinentes, en particulier lorsque la requête initiale comporte plusieurs facettes ou est trop large. L’activation de cette option peut entraîner l’exécution de plusieurs requêtes dans votre base de connaissances, ce qui peut contribuer à une réponse finale plus précise.

Par exemple, pour une question du type *« Qui a obtenu le meilleur score lors de la Coupe du Monde de la FIFA 2022, l’Argentine ou la France ? »*, les bases de connaissances Amazon Bedrock peuvent d’abord générer les sous-requêtes suivantes, avant de générer une réponse finale :

1. *Combien de buts l’Argentine a-t-elle marqués lors de la finale de la Coupe du Monde de la FIFA 2022 ?*

1. *Combien de buts la France a-t-elle marqués lors de la finale de la Coupe du Monde de la FIFA 2022 ?*

------
#### [ Console ]

1. Créez et synchronisez une source de données ou utilisez une base de connaissances existante.

1. Accédez à la fenêtre de test et ouvrez le panneau de configuration.

1. Activez la décomposition des requêtes.

------
#### [ API ]

```
POST /retrieveAndGenerate HTTP/1.1
Content-type: application/json
{
   "input": {
      "text": "string"
   },
   "retrieveAndGenerateConfiguration": {
      "knowledgeBaseConfiguration": {
         "orchestrationConfiguration": { // Query decomposition
           "queryTransformationConfiguration": {
                "type": "string" // enum of QUERY_DECOMPOSITION
           }
         },
...}
}
```

------

## Paramètres d'inférence
<a name="kb-test-model-params"></a>

Lorsque vous générez des réponses basées sur l’extraction d’informations, vous pouvez utiliser des [paramètres d’inférence](inference-parameters.md) pour mieux contrôler le comportement du modèle pendant l’inférence et influencer les sorties du modèle.

Pour découvrir comment modifier les paramètres d’influence, choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

**Pour modifier les paramètres d’inférence lorsque vous interrogez une base de connaissances**, suivez les étapes de la console décrites dans [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) ou [Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Lorsque vous ouvrez le volet **Configurations**, vous verrez une section **Paramètres d’inférence**. Modifiez les paramètres selon vos besoins.

**Pour modifier les paramètres d’inférence lorsque vous discutez avec votre document**, suivez les étapes décrites dans [Discussion avec votre document sans configuration de base de connaissances](knowledge-base-chatdoc.md). Dans le volet **Configurations**, développez la section **Paramètres d’inférence** et modifiez les paramètres si nécessaire.

------
#### [ API ]

Vous fournissez les paramètres du modèle lors de l’appel de l’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html). Vous pouvez personnaliser le modèle en fournissant des paramètres d’inférence dans le champ `inferenceConfig` de `knowledgeBaseConfiguration` (si vous interrogez une base de connaissances) ou de `externalSourcesConfiguration` (si vous [discutez avec votre document](knowledge-base-chatdoc.md)).

Le champ `inferenceConfig` contient un champ `textInferenceConfig` qui contient les paramètres suivants que vous pouvez :
+ temperature
+ topP
+ maxTokenCount
+ stopSequences

Vous pouvez personnaliser le modèle en utilisant les paramètres suivants dans le champ `inferenceConfig` de `externalSourcesConfiguration` et `knowledgeBaseConfiguration` : 
+ temperature
+ topP
+ maxTokenCount
+ stopSequences

Pour une explication détaillée de la fonction de chacun de ces paramètres, consultez [Génération de réponse d’influence à l’aide de paramètres d’inférence](inference-parameters.md).

En outre, vous pouvez fournir des paramètres personnalisés qui ne sont pas pris en charge par `textInferenceConfig` via la carte `additionalModelRequestFields`. Vous pouvez fournir des paramètres uniques à des modèles spécifiques avec cet argument. Pour les paramètres uniques, consultez [Paramètres de demande d’inférence et champs de réponse pour les modèles de fondation](model-parameters.md).

Si un paramètre est omis de `textInferenceConfig`, une valeur par défaut sera utilisée. Tout paramètre non reconnu dans `textInferneceConfig` sera ignoré, tandis que tout paramètre non reconnu dans `AdditionalModelRequestFields` provoquera une exception. 

Une exception de validation est émise s’il existe le même paramètre dans à la fois `additionalModelRequestFields` et `TextInferenceConfig`.

**Utilisation des paramètres du modèle dans RetrieveAndGenerate**

 Voici un exemple de structure pour `inferenceConfig` et `additionalModelRequestFields` sous `generationConfiguration` dans le corps de demande `RetrieveAndGenerate` :

```
"inferenceConfig": {
    "textInferenceConfig": {
        "temperature": 0.5,  
        "topP": 0.5,
        "maxTokens": 2048,
        "stopSequences": ["\nObservation"]
    }
},
"additionalModelRequestFields": {
    "top_k": 50
}
```

 L’exemple suivant définit une valeur `temperature` de 0,5, `top_p` de 0,5 ou `maxTokens` de 2 048, arrête la génération s’il rencontre la chaîne « \$1nObservation » dans la réponse générée et transmet une valeur `top_k` personnalisée de 50. 

------

## Modèles d’invite de base de connaissances : orchestration et génération
<a name="kb-test-config-prompt-template"></a>

Lorsque vous interrogez une base de données et demandez la génération d’une réponse, Amazon Bedrock utilise un modèle d’invite qui combine les instructions et le contexte avec la requête de l’utilisateur pour construire l’invite de génération qui est envoyée au modèle pour la génération de réponses. Vous pouvez également personnaliser l’invite d’orchestration, qui transforme l’invite de l’utilisateur en requête de recherche. Lorsque vous modifiez les modèles d’invite à l’aide des outils suivants :
+ **Espaces réservés à l’invite** : variables prédéfinies dans les bases de connaissances Amazon Bedrock qui sont renseignées dynamiquement au moment de l’exécution lors de l’interrogation de la base de connaissances. Dans l’invite du système, vous verrez ces espaces réservés entourés du symbole `$`. La liste suivante décrit les espaces réservés que vous pouvez utiliser :
**Note**  
L’espace réservé `$output_format_instructions$` est un champ obligatoire pour que les citations soient affichées dans la réponse.  
****    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/kb-test-config.html)
+ **Balises XML** : les modèles Anthropic prennent en charge l’utilisation de balises XML pour structurer et délimiter vos invites. Utilisez des noms de balises descriptifs pour des résultats optimaux. Par exemple, dans l’invite système par défaut, vous verrez la balise `<database>` utilisée pour délimiter une base de données de questions précédemment posées). Pour plus d’informations, consultez [Utiliser des balises XML](https://docs.anthropic.com/claude/docs/use-xml-tags) dans le [Guide de l’utilisateur Anthropic](https://docs.anthropic.com/en/docs/welcome).

Pour les directives générales d’ingénierie de requête, consultez [Concepts d’ingénierie de requête](prompt-engineering-guidelines.md).

Choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

Suivez les étapes de la console sur [Interrogation d’une base de connaissances et extraction des données](kb-test-retrieve.md) ou[Interrogation d’une base de connaissances et génération de réponses basées sur les données récupérées](kb-test-retrieve-generate.md). Dans la fenêtre de test, activez **Générer des réponses**. Ensuite, dans le volet **Configurations**, développez la section **modèle d’invite de la base de connaissances**.

1. Choisissez **Modifier**.

1. Modifiez l’invite système dans l’éditeur de texte, en incluant les espaces réservés aux invites et les balises XML si nécessaire. Pour revenir au modèle d’invite par défaut, sélectionnez **Restauration**.

1. Lorsque vous avez terminé les modifications, choisissez **Enregistrer les modifications**. Pour quitter sans enregistrer l’invite du système, choisissez **Ignorer les modifications**.

------
#### [ API ]

Lorsque vous faites une [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html)demande, incluez un `generationConfiguration` champ mappé à un [GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html)objet. Pour connaître l’emplacement de ce champ, reportez-vous au corps de demande [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) dans la Référence des API.

L'objet JSON suivant indique les champs minimaux requis dans l'[GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html)objet pour définir le nombre maximal de résultats extraits à renvoyer :

```
"generationConfiguration": {
    "promptTemplate": {
        "textPromptTemplate": "string"
    }
}
```

Entrez votre modèle d’invite personnalisé dans le champ `textPromptTemplate`, y compris les espaces réservés aux invites et les balises XML si nécessaire. Pour connaître le nombre maximal de caractères autorisés dans l'invite du système, consultez le `textPromptTemplate` champ dans [GenerationConfiguration](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_GenerationConfiguration.html).

------

# Configuration de la génération de réponses pour les modèles de raisonnement avec les bases de connaissances
<a name="kb-test-configure-reasoning"></a>

Certains modèles de fondation peuvent effectuer un raisonnement modélisé, dans le cadre duquel ils prennent une tâche plus vaste et complexe et la décomposent en étapes plus petites et plus simples. Ce processus, souvent appelé raisonnement fondé sur la chaîne de pensée (CoT), peut améliorer la précision du modèle en lui donnant la possibilité de réfléchir avant de réagir. Le raisonnement modélisé est particulièrement utile pour des tâches telles que l’analyse en plusieurs étapes, les problèmes mathématiques et les tâches de raisonnement complexes. Pour plus d’informations, consultez [Amélioration des réponses des modèles grâce au raisonnement modélisé](inference-reasoning.md).

**Note**  
Cette page explique comment utiliser la configuration de raisonnement spécifiquement pour les bases de connaissances Amazon Bedrock. Pour plus d’informations sur la configuration du raisonnement pour l’invocation directe du modèle à l’aide de l’API `InvokeModel`, consultez [Amélioration des réponses des modèles grâce au raisonnement modélisé](inference-reasoning.md).

Lorsque le raisonnement modélisé est activé, il peut améliorer la précision avec de meilleurs résultats de citation, mais peut également entraîner une augmentation de la latence. Voici quelques points à prendre en compte lorsque vous interrogez les sources de données et générez des réponses à l’aide de modèles de raisonnement basés sur les bases de connaissances Amazon Bedrock.

**Topics**
+ [Modèles de raisonnement](#kb-test-reasoning-models)
+ [Utilisation du raisonnement modélisé pour Claude 3.7 Sonnet](#kb-test-reasoning-using)
+ [Considérations d’ordre général](#kb-test-reasoning-general-considerations)
+ [Considérations d’API relatives à l’extraction et la génération](#kb-test-reasoning-api-considerations)

## Modèles de raisonnement
<a name="kb-test-reasoning-models"></a>

Le raisonnement modélisé est disponible pour les modèles suivants.


| Modèle de fondation | ID du modèle | Nombre de jetons | Configuration du raisonnement | 
| --- | --- | --- | --- | 
| Anthropic Claude Opus 4 | anthropic.claude-opus-4-20250514-v1:0 | Ce modèle comportera 32 768 jetons, qui incluent à la fois des jetons de sortie et des jetons de raisonnement. | Le raisonnement peut être activé ou désactivé pour ce modèle à l’aide d’un budget de jetons configurable. Par défaut, le raisonnement est désactivé. | 
| Anthropic Claude Sonnet 4 | anthropic.claude-sonnet-4-20250514-v1:0 | Ce modèle comportera 65 536 jetons, qui incluent à la fois des jetons de sortie et des jetons de raisonnement. | Le raisonnement peut être activé ou désactivé pour ce modèle à l’aide d’un budget de jetons configurable. Par défaut, le raisonnement est désactivé. | 
| Anthropic Claude 3.7 Sonnet | anthropic.claude-3-7-sonnet-20250219-v1:0 | Ce modèle comportera 65 536 jetons, qui incluent à la fois des jetons de sortie et des jetons de raisonnement. | Le raisonnement peut être activé ou désactivé pour ce modèle à l’aide d’un budget de jetons configurable. Par défaut, le raisonnement est désactivé. | 
| DeepSeek DeepSeek-R1 | deepseek.r1-v1:0 | Ce modèle comportera 8 192 jetons, qui incluent à la fois des jetons de sortie et des jetons de raisonnement. Le nombre de jetons de réflexion ne peut pas être configuré et le nombre maximum de jetons de sortie ne doit pas être supérieur à 8 192. | Le raisonnement est toujours activé pour ce modèle. Le modèle ne prend pas en charge l’activation ou la désactivation de la capacité de raisonnement. | 

## Utilisation du raisonnement modélisé pour Claude 3.7 Sonnet
<a name="kb-test-reasoning-using"></a>

**Note**  
Le raisonnement modélisé est toujours activé pour le modèle DeepSeek-R1. Le modèle ne prend pas en charge l’activation ou la désactivation de la capacité de raisonnement.

Lorsque vous utilisez le modèle Claude 3.7 Sonnet, le raisonnement modélisé peut être activé ou désactivé à l’aide du paramètre `additionalModelRequestFields` de l’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html). Ce paramètre accepte toutes les paires clé-valeur. Par exemple, vous pouvez ajouter un champ `reasoningConfig` et utiliser une clé `type` pour activer ou désactiver le raisonnement, comme indiqué ci-dessous.

```
{
   "input": { 
      "text": "string",
      "retrieveAndGenerateConfiguration": { 
      "knowledgeBaseConfiguration": { 
         "generationConfiguration": { 
            "additionalModelRequestFields": {
                "reasoningConfig" : {
                    "type": "enabled",
                    "budget_tokens": INT_VAL, #required when enabled
                }
            }
         },
         "knowledgeBaseId": "string",
      },
      "type": "string"
   },
   "sessionId": "string"
}
```

## Considérations d’ordre général
<a name="kb-test-reasoning-general-considerations"></a>

Voici quelques considérations générales relatives à l’utilisation des modèles de raisonnement pour les bases de connaissances.
+ Les modèles de raisonnement auront jusqu’à cinq minutes pour répondre à une requête. Si le modèle met plus de cinq minutes à répondre à la requête, cela entraîne un délai d’attente.
+ Pour éviter de dépasser le délai de cinq minutes, le raisonnement du modèle est activé uniquement à l’étape de génération lorsque vous configurez vos requêtes et la génération de réponses. L’étape d’orchestration ne peut pas reposer sur le raisonnement du modèle.
+ Les modèles de raisonnement peuvent utiliser jusqu’à 8 192 jetons pour répondre aux requêtes, qui incluront à la fois les jetons de sortie et les jetons de réflexion. Toute demande demandant un nombre maximum de jetons de sortie supérieur à cette limite entraînera une erreur.

## Considérations d’API relatives à l’extraction et la génération
<a name="kb-test-reasoning-api-considerations"></a>

Voici quelques points à prendre en compte lors de l’utilisation de l’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) pour les modèles de raisonnement.
+ Par défaut, lorsque le raisonnement est désactivé pour tous les modèles, y compris le Claude 3.7 Sonnet, la température est réglée sur zéro. Lorsque le raisonnement est activé, la température doit être réglée sur un.

  ```
  "inferenceConfig": {
      "textInferenceConfig": {
          "maxTokens": 8192,
          "temperature": 1
      }
  }
  ```
+ Le paramètre Top P doit être désactivé lorsque le raisonnement est activé pour le modèle Claude 3.7 Sonnet. Top P est un champ de demande de modèle supplémentaire qui détermine le percentile des jetons possibles à sélectionner lors de la génération. Par défaut, la valeur Top P pour les autres modèles d’Anthropic Claude est de un. Pour le modèle Claude 3.7 Sonnet, cette valeur sera désactivée par défaut.
+ Lorsque le raisonnement modélisé est utilisé, cela peut entraîner une augmentation des temps de latence. Lorsque vous utilisez cette opération d’API et l’opération d’API [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerateStream.html), vous remarquerez peut-être un retard dans la réception de la réponse de l’API.