Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Utilizzo di S3 Vectors con le Knowledge Base di Amazon Bedrock

S3 Vectors si integra con Amazon Bedrock Knowledge Bases e Amazon SageMaker AI Unified Studio per semplificare e ridurre il costo dello storage vettoriale per le applicazioni RAG (Retrieval Augmented Generation).

Per ulteriori informazioni sui comandi CLI di alto livello che integrano i modelli di incorporamento di Amazon Bedrock con le operazioni di S3 Vectors, consulta.

Panoramica dell'integrazione

Quando crei una knowledge base in Amazon Bedrock, puoi selezionare S3 Vectors come archivio vettoriale. Questa integrazione fornisce quanto segue:

Amazon Bedrock Knowledge Bases fornisce un flusso di lavoro end-to-end RAG completamente gestito. Quando crei una knowledge base con S3 Vectors, Amazon Bedrock recupera automaticamente i dati dalla tua fonte di dati S3, converte i contenuti in blocchi di testo, genera incorporamenti e li archivia nel tuo indice vettoriale. Puoi quindi interrogare la knowledge base e generare risposte basate su blocchi recuperati dai dati di origine.

Quando utilizzare questa integrazione

Prendi in considerazione l'utilizzo di S3 Vectors con Amazon Bedrock Knowledge Base quando hai bisogno di quanto segue:

Questa integrazione è ideale per le organizzazioni che creano applicazioni RAG che devono cercare ed estrarre informazioni da contenuti scritti e immagini, laddove i vantaggi in termini di costi di S3 Vectors siano in linea con i requisiti di prestazioni di query accettabili.

Modelli di incorporamento supportati

L'integrazione di S3 Vectors con Amazon Bedrock Knowledge Bases supporta i seguenti modelli di incorporamento:

Prerequisiti e autorizzazioni

Prima di creare una knowledge base con S3 Vectors, assicurati di disporre di quanto segue:

Quando configuri le configurazioni di sicurezza, puoi scegliere un ruolo IAM che fornisce l'autorizzazione ad Amazon Bedrock per accedere ai servizi richiesti AWS . Puoi lasciare che Amazon Bedrock crei il ruolo di servizio o utilizzi il tuo ruolo personalizzato. Se utilizzi un ruolo personalizzato, configura una policy relativa al bucket vettoriale che limiti l'accesso al bucket vettoriale e all'indice vettoriale al ruolo personalizzato.

Per informazioni dettagliate sulle autorizzazioni richieste e sui ruoli IAM, consulta Create a service role for Amazon Bedrock Knowledge Bases nella Amazon Bedrock User Guide. Il ruolo di servizio deve inoltre disporre delle autorizzazioni per S3 Vectors e le operazioni API. AWS KMS

Creazione di una knowledge base con S3 Vectors

Puoi creare una knowledge base che utilizza S3 Vectors con due metodi.

Metodo uno: utilizzo della console Amazon Bedrock

Quando crei una knowledge base nella console Amazon Bedrock, puoi scegliere «S3 vector bucket» come opzione di archivio vettoriale. Sono disponibili due opzioni di configurazione:

Per step-by-step istruzioni dettagliate, consulta Creare una knowledge base collegandosi a un'origine dati in Amazon Bedrock Knowledge Bases nella Amazon Bedrock User Guide.

Metodo due: usare Amazon SageMaker Unified Studio

Puoi anche creare e gestire basi di conoscenza con S3 Vectors tramite Amazon Bedrock in Amazon SageMaker AI Unified Studio. Ciò fornisce un ambiente di sviluppo unificato per creare e testare applicazioni di intelligenza artificiale che utilizzano basi di conoscenza.

Amazon Bedrock in SageMaker AI Unified Studio è progettato per gli utenti che necessitano di funzionalità notebook integrate e lavorano su più servizi di AWS ML e analisi. Puoi creare rapidamente un bucket vettoriale S3 e configurarlo come archivio vettoriale per le tue knowledge base quando crei applicazioni di intelligenza artificiale generativa.

Per informazioni sull'uso di S3 Vectors con Amazon Bedrock in SageMaker AI Unified Studio, consulta Aggiungere una fonte di dati alla tua app Amazon Bedrock nella Guida per l'utente di SageMaker AI Unified Studio.

Gestione e interrogazione della tua knowledge base

Sincronizzazione e gestione dei dati

Amazon Bedrock Knowledge Bases offre operazioni di inserimento per mantenere sincronizzati l'origine dei dati e gli incorporamenti vettoriali. Quando sincronizzi la tua fonte di dati, Amazon Bedrock scansiona ogni documento e verifica se è stato indicizzato nell'archivio vettoriale. Puoi anche indicizzare direttamente i documenti nell'archivio vettoriale utilizzando l'operazione. IngestKnowledgeBaseDocuments È consigliabile creare un archivio vettoriale separato per ogni knowledge base per garantire la sincronizzazione dei dati.

Quando elimini una knowledge base o una risorsa di origine dati, Amazon Bedrock offre due politiche di eliminazione dei dati: Delete (impostazione predefinita) eRetain. Se scegli la Delete policy, i vettori nell'indice vettoriale e nel bucket vettoriale vengono eliminati automaticamente.

Interrogazione e recupero

Dopo aver configurato la Knowledge Base, è possibile effettuare le seguenti operazioni:

Le risposte vengono restituite con citazioni ai dati di origine originali.

Limitazioni

Quando usi S3 Vectors con Amazon Bedrock Knowledge Bases, dovresti conoscere le seguenti limitazioni:

Per una guida completa su come lavorare con Amazon Bedrock Knowledge Bases, consulta Recuperare dati e generare risposte AI con Amazon Bedrock Knowledge Bases nella Amazon Bedrock User Guide.