Amazon Bedrock ナレッジベースでデータを取得して AI レスポンスを生成する - Amazon Bedrock

Amazon Bedrock ナレッジベースでデータを取得して AI レスポンスを生成する

基盤モデルは一般的な知識を備えていますが、検索拡張生成 (RAG) を使用することで、レスポンスをさらに改善できます。RAG は、データソースからの情報を使用して、生成されるレスポンスの関連性と正解率を向上させる手法です。Amazon Bedrock ナレッジベースを使用すると、独自の情報を生成 AI アプリケーションと統合できます。クエリが実行されると、ナレッジベースはデータを検索し、クエリに回答するために必要な関連情報を検索します。取得した情報は、その後、生成されるレスポンスの改善に利用できます。Amazon Bedrock ナレッジベースの機能を使用すると、独自の RAG ベースのアプリケーションを構築できます。

Amazon Bedrock ナレッジベースを使用すると、以下が可能になります。

  • データソースから関連情報を返すことで、ユーザークエリに回答します。

  • データソースから取得した情報を使用して、ユーザークエリに対して正確かつ関連性の高いレスポンスを生成します。

  • 返された関連情報をプロンプトにフィードして、独自のプロンプトを拡張します。

  • 元のデータソースを参照して、正解率をチェックできるように、生成されたレスポンスに引用を含めます。

  • 大量のビジュアルリソースを備えたドキュメントを含めて、イメージを抽出してクエリへの応答として取得できるようにします。取得したデータに基づいてレスポンスを生成すると、モデルはこれらのイメージに基づいて追加のインサイトを提供できます。

  • 自然言語を、構造化データベース用にカスタマイズしたクエリ (SQL クエリなど) に変換します。このようなクエリは、構造化データストアからデータを取得するために使用されます。

  • データソースを更新し、変更をナレッジベースに直接取り込み、直ちにアクセスできるようにします。

  • モデルの再ランク付けを使用して、データソースから取得される結果に影響を与えます。

  • Amazon Bedrock エージェントのワークフローにナレッジベースを含めます。

ナレッジベースを設定するには、以下の一般的なステップを完了する必要があります。

  1. (オプション) ナレッジベースを非構造化データソースに接続する場合は、独自のサポートされているベクトルストアを設定して、データのベクトル埋め込み表現をインデックス化します。Amazon Bedrock コンソールを使用して Amazon OpenSearch Serverless ベクトルストアを作成する場合は、このステップはスキップできます。

  2. ナレッジベースを非構造化データソースまたは構造化データソースに接続します。

  3. データソースをナレッジベースと同期します。

  4. 以下を実行するように、アプリケーションまたはエージェントを設定します。

    • ナレッジベースに対してクエリを実行し、関連するソースを返します。

    • ナレッジベースに対してクエリを実行し、取得した結果に基づいて自然言語のレスポンスを生成します。

    • (構造化データストアに接続されたナレッジベースをクエリする場合) クエリを構造化データ言語固有のクエリ (SQL クエリなど) に変換します。

トピック