View a markdown version of this page

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 seu próprio RAG-based aplicativo usando os recursos do Amazon Bedrock Knowledge Bases.

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