Buat basis pengetahuan Amazon Bedrock dengan grafik Amazon Neptune Analytics

Masuk ke Konsol Manajemen AWS dengan identitas IAM yang memiliki izin untuk menggunakan konsol Amazon Bedrock. Kemudian, buka konsol Amazon Bedrock di https://console.aws.amazon.com/bedrock.

Di panel navigasi kiri, pilih Bas is pengetahuan.

Di bagian Basis pengetahuan, pilih Buat, lalu pilih Pangkalan Pengetahuan dengan penyimpanan vektor.

(Opsional) Di bawah Detail Pangkalan Penget ahuan, ubah nama default dan berikan deskripsi untuk basis pengetahuan Anda.

Di bawah izin IAM, pilih peran IAM yang memberikan izin Amazon Bedrock untuk mengakses lainnya yang diperlukan. Layanan AWS Anda dapat meminta Amazon Bedrock membuat peran layanan untuk Anda, atau Anda dapat memilih untuk menggunakan peran khusus Anda sendiri yang telah Anda buat untuk Neptune Analytics. Sebagai contoh, lihat Izin untuk mengakses database vektor Anda di Amazon Neptune Analytics.

Pastikan untuk memilih Amazon S3 sebagai sumber data Anda dan pilih Ber ikutnya untuk mengonfigurasi sumber data Anda.

Berikan URI S3 dari file yang akan digunakan sebagai sumber data untuk menghubungkan basis pengetahuan Anda ke dan untuk diintegrasikan dengan Amazon Neptune Analytics. Untuk langkah-langkah tambahan dan informasi opsional yang dapat Anda berikan, lihatHubungkan sumber data ke basis pengetahuan Anda.

Di bagian model Embeddings, pilih model embeddings untuk mengonversi data Anda menjadi penyematan vektor. Secara opsional, Anda dapat menggunakan bagian Konfigurasi tambahan untuk menentukan dimensi vektor. Untuk jenis penyematan, sebaiknya gunakan penyematan vektor floating-point.

Di bagian database vektor, pilih metode untuk membuat penyimpanan vektor, lalu pilih Amazon Neptune Analytics (GraphRag) sebagai penyimpanan vektor Anda untuk menyimpan penyematan yang akan digunakan untuk kueri. Untuk membuat toko vektor Anda, Anda dapat menggunakan salah satu metode berikut:

Di bagian Model untuk konstruksi grafik, pilih model pondasi yang akan digunakan untuk mengekstraksi entitas dan hubungan dari dokumen Anda selama penyerapan. Izin yang diperlukan untuk model yang dipilih secara otomatis ditambahkan ke peran layanan basis pengetahuan.

Untuk panduan tentang cara menggunakan profil inferensi untuk memilih Wilayah sumber dan tujuan, lihat Wilayah dan model yang Didukung untuk profil inferensi. Data Anda hanya disimpan di Wilayah sumber yang sesuai dengan basis pengetahuan Amazon Bedrock dan instans Amazon Neptune Analytics. Wilayah tujuan digunakan untuk inferensi saja.

Pilih Berikutnya dan tinjau detail basis pengetahuan Anda. Anda dapat mengedit bagian apa pun sebelum melanjutkan dan membuat basis pengetahuan Anda.

Pilih Buat basis pengetahuan. Sementara Amazon Bedrock membuat basis pengetahuan, Anda akan melihat status Sedang berjalan. Anda harus menunggu pembuatan selesai sebelum Anda dapat menyinkronkan sumber data.

Setelah Amazon Bedrock selesai membuat basis pengetahuan, untuk mengonfigurasi sumber data, ikuti instruksi diHubungkan sumber data ke basis pengetahuan Anda.

Pertama buat sumber data menggunakan konfigurasi pengayaan konteks. Untuk melakukan operasi ini, kirim CreateDataSource permintaan dengan titik akhir waktu pembuatan A gen untuk Amazon Bedrock. Berikut ini menunjukkan contoh perintah CLI.

aws bedrock-agent create-data-source \
    --name graph_rag_source \
    --description data_source_for_graph_rag \
    --knowledge-base-id LDBBY2K5AG \
    --cli-input-json "file://input.json"

Kode berikut menunjukkan isi input.json file.

{
    "dataSourceConfiguration": { 
        "s3Configuration": { 
            "bucketArn": "arn:aws:s3:::<example-graphrag-datasets>",
            "bucketOwnerAccountId": "<ABCDEFGHIJ>",
            "inclusionPrefixes": [ <"example-dataset"> ]
        },
        "type": "S3",
    },
    "VectorIngestionConfiguration": {
        "contextEnrichmentConfiguration":
            "type": "BEDROCK_FOUNDATION_MODEL",
            "bedrockFoundationModelConfiguration": {
                "modelArn": "arn:aws:bedrock:<region>::foundation-model/anthropic.claude-3-haiku-20240307-v1:0",
                "enrichmentStrategyConfiguration": {
                    "method": "CHUNK_ENTITY_EXTRACTION"
            }
        }
    }
}

Untuk yang modelArn digunakan untuk membuat grafik dari dokumen Anda, Anda dapat menggunakan Claude 3 Haiku (seperti yang ditunjukkan pada contoh sebelumnya), Claude Haiku 4.5, dan keluarga Amazon Nova (termasuk model Nova 2 dan Nova dengan modalitas input teks). Untuk melihat model pondasi yang tersedia di Wilayah Anda, lihat Model pondasi yang didukung di Amazon Bedrock.

Untuk melihat persyaratan kebijakan peran Anda untuk menggunakan profil inferensi, lihat Pras yarat untuk profil inferensi lintas wilayah. Untuk panduan tentang cara menggunakan profil inferensi untuk memilih Wilayah sumber dan tujuan, lihat Wilayah dan model yang Didukung untuk profil inferensi. Data Anda hanya disimpan di Wilayah sumber yang sesuai dengan basis pengetahuan Amazon Bedrock dan instans Amazon Neptune Analytics. Wilayah tujuan digunakan untuk inferensi saja.

Untuk membuat basis pengetahuan, kirim CreateKnowledgeBase permintaan dengan titik akhir waktu pembuatan Agen untuk Amazon Bedrock. Berikut ini menunjukkan contoh perintah CLI.

aws bi create-knowledge-base \
--name <"knowledge-base-graphrag"> \
--role-arn arn:aws:iam::<accountId>:role/<BedrockExecutionRoleForKnowledgeBase> \
--cli-input-json "file://input.json"

Berikut ini menunjukkan isi file input.json.

{
    "storageConfiguration": {
        "type": "NEPTUNE_ANALYTICS"
        "neptuneAnalyticsConfiguration": {
            "graphArn": "arn:aws:neptune-graph:<region>:<>:graph/<graphID>",
            "fieldMapping": {
                "metadataField": "metadata",
                "textField": "text"
            },
        }
    },
    "knowledgeBaseConfiguration": {
        "type": "VECTOR",
        "vectorKnowledgeBaseConfiguration": {
            "embeddingModelArn": "arn:aws:bedrock:<region>::foundation-model/cohere.embed-english-v3"
        }
    }
}

Saat GraphRAG-based aplikasi Anda berjalan, Anda dapat terus menggunakan operasi API Basis Pengetahuan untuk memberikan tanggapan yang lebih komprehensif, relevan, dan dapat dijelaskan kepada pengguna akhir. Bagian berikut menunjukkan cara memulai penyerapan dan melakukan kueri pengambilan menggunakan perintah CLI.