添加数据源并开始摄取

从控制台添加数据源

1. 在知识库详细信息页面上，选择添加数据源。

2. 选择 Amazon S3 作为您的数据源类型。

3. 为您的数据源提供名称和描述。

4. 通过提供存储桶 URI 和任何包含前缀，配置包含您的多模式文件的 Amazon S3 位置。

5. 在 “内容解析和分块” 下，配置您的解析和分块方法：

   注意

   文本嵌入模型将检索限制为纯文本内容。但是，您可以通过选择 Amazon Bedrock 数据自动化（适用于音频、视频和图像）或基础模型作为解析器（针对图像）来启用通过文本进行多模式检索。

   从三种解析策略中选择：

   • 基本默认解析器：推荐用于纯文本解析。该解析器忽略多模态内容，通常用于多模态嵌入模型。

   • 基岩数据自动化作为解析器：支持将多模式内容解析和存储为文本，支持 PDF、图像、音频和视频文件。

   • 基础模型作为解析器：为图像和结构化文档提供高级解析，支持 PDF、图像、表格和视觉效果丰富的文档。

6. 选择 “添加数据源” 以创建数据源。

要添加数据源，请使用 AWS CLI

• 为您的多模态内容创建数据源。发送CreateDataSource请求：

  aws bedrock-agent create-data-source \
  --knowledge-base-id <knowledge-base-id> \
  --cli-input-json file://ds-multimodal.json

  对于 Nova 多模态嵌入（无需特殊的解析配置），请使用以下内容：ds-multimodal.json

  {
      "dataSourceConfiguration": {
          "type": "S3",
          "s3Configuration": {
              "bucketArn": "arn:aws:s3:::<data-source-bucket>",
              "inclusionPrefixes": ["<folder-path>"]
          }
      },
      "name": "multimodal_data_source",
      "description": "Data source with multimodal content",
      "dataDeletionPolicy": "RETAIN"
  }

  对于 BDA 解析方法，请使用以下配置：

  {
      "dataSourceConfiguration": {
          "type": "S3",
          "s3Configuration": {
              "bucketArn": "arn:aws:s3:::<data-source-bucket>",
              "inclusionPrefixes": ["<folder-path>"]
          }
      },
      "name": "multimodal_data_source_bda",
      "description": "Data source with BDA multimodal parsing",
      "dataDeletionPolicy": "RETAIN",
      "vectorIngestionConfiguration": {
          "parsingConfiguration": {
              "bedrockDataAutomationConfiguration": {
                  "parsingModality": "MULTIMODAL"
              }
          }
      }
  }

从控制台开始摄取

1. 在数据源详细信息页面上，选择同步。

2. 在数据源页面上监控同步状态。摄取可能需要几分钟，具体取决于多模式文件的大小和数量。

3. 同步成功完成后，您的多模式内容即可进行查询。

要开始摄取，请使用 AWS CLI

1. 开始摄取作业。发送StartIngestionJob请求：

   aws bedrock-agent start-ingestion-job \
   --knowledge-base-id <knowledge-base-id> \
   --data-source-id <data-source-id>

   将占位符替换为：

   • <knowledge-base-id>-来自知识库创建的 ID

   • <data-source-id>-创建数据源时的 ID

2. 使用GetIngestionJob监控摄取任务状态。