Recuperar dados e gerar respostas de IA com as Bases de Conhecimento do Amazon Bedrock - Amazon Bedrock

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Recuperar dados e gerar respostas de IA com as Bases de Conhecimento do Amazon Bedrock

Embora os modelos de base tenham conhecimento geral, você pode melhorar ainda mais as respostas usando a geração aumentada via recuperação (RAG). A RAG é uma técnica que usa informações de fontes de dados para melhorar a relevância e a precisão das respostas geradas. Com as Bases de Conhecimento do Amazon Bedrock, é possível integrar informações proprietárias em suas aplicações de IA generativa. Quando uma consulta é feita, uma base de conhecimento pesquisa os dados para encontrar informações relevantes para responder à consulta. As informações recuperadas podem então ser usadas para melhorar as respostas geradas. Você pode criar sua própria aplicação baseada em RAG usando os recursos das Bases de Conhecimento do Amazon Bedrock.

Com as Bases de Conhecimento do Amazon Bedrock, você pode:

  • Responder às consultas dos usuários exibindo informações relevantes das fontes de dados.

  • Usar as informações recuperadas das fontes de dados para ajudar a gerar uma resposta precisa e relevante às consultas dos usuários.

  • Aumentar seus próprios prompts inserindo as informações relevantes exibidas no prompt.

  • Incluir citações na resposta gerada para que a fonte de dados original possa ser usada como referência e a precisão possa ser verificada.

  • Incluir documentos com amplos recursos visuais, dos quais as imagens podem ser extraídas e recuperadas em respostas a consultas. Se você gerar uma resposta com base nos dados recuperados, o modelo poderá fornecer informações adicionais com base nessas imagens.

  • Pesquise usando imagens como consultas para encontrar conteúdo visualmente semelhante ou combine texto e imagens em consultas para obter resultados mais precisos usando modelos de incorporação multimodais.

  • Converter linguagem natural em consultas (como consultas SQL) que são personalizadas para bancos de dados estruturados. Essas consultas são usadas para recuperar dados de armazenamentos de dados estruturados.

  • Atualizar suas fontes de dados e incluir as alterações diretamente na base de conhecimento para que elas possam ser acessadas imediatamente.

  • Usar modelos de reclassificação para influenciar os resultados que são recuperados da fonte de dados.

  • Incluir a base de conhecimento em um fluxo de trabalho dos Agentes do Amazon Bedrock.

Para configurar uma base de conhecimento, você deve executar as seguintes etapas gerais:

  1. (Opcional) Se você conectar sua base de conhecimento a uma fonte de dados estruturados, configure seu próprio armazenamento de vetores compatível para indexar a representação de incorporações de vetores de seus dados. Você pode pular essa etapa se planeja usar o console Amazon Bedrock para criar um armazenamento vetorial Amazon OpenSearch Serverless para você.

  2. Conecte a base de conhecimento a uma fonte de dados estruturados ou não estruturados.

  3. Sincronize sua fonte de dados com sua base de conhecimento.

  4. Configure sua aplicação ou agente para fazer o seguinte:

    • Consultar a base de conhecimento e exibir fontes relevantes.

    • Consultar a base de conhecimento e gerar respostas em linguagem natural com base nos resultados recuperados.

    • (Se você consultar uma base de conhecimento conectada a um armazenamento de dados estruturados.) Transforme uma consulta em uma consulta específica em linguagem de dados estruturados (como uma consulta SQL).

Tópicos