使用 Amazon Neptune Analytics 分析数据库引擎图表创建 Amazon Bedrock 知识库

采用有权使用 Amazon Bedrock 控制台的 IAM 身份登录 AWS 管理控制台。然后，通过以下网址打开 Amazon Bedrock 控制台：https://console.aws.amazon.com/bedrock。

在左侧导航窗格中，选择知识库。

在知识库部分中，选择创建，然后选择带有向量存储的知识库。

（可选）在知识库详细信息下方，更改默认名称并为知识库提供描述。

在 IAM 权限下，选择一个能够向 Amazon Bedrock 授予对其他所需 AWS 服务的访问权限的 IAM 角色。您可以让 Amazon Bedrock 创建服务角色，也可以选择您已为 Neptune Analytics 分析数据库引擎创建的自定义角色。有关示例，请参阅在 Amazon Neptune Analytics 分析数据库引擎中访问向量数据库的权限。

请务必选择 Amazon S3 作为数据来源，然后选择下一步来配置您的数据来源。

提供文件的 S3 URI，该文件将用作您的数据来源，数据来源将与知识库连接并与 Amazon Neptune Analytics 分析数据库引擎集成。有关您可以提供的其他步骤和可选信息，请参阅将数据来源连接到知识库。

在嵌入模型部分，选择嵌入模型以将数据转换为向量嵌入。或者，您可以使用其他配置部分来指定向量维度。对于嵌入类型，建议使用浮点向量嵌入。

在向量数据库部分，选择创建向量存储的方法，然后选择 Amazon Neptune Analytics 分析数据库引擎（GraphRAG）作为向量存储，以存储将用于查询的嵌入内容。要创建向量存储，您可以使用下列任一方法：

选择下一步并查看知识库的详细信息。在继续创建知识库之前，您可以编辑任何部分。

选择创建知识库。当 Amazon Bedrock 创建知识库时，将显示状态进行中。您必须等待创建完成后，才能同步数据来源。

在 Amazon Bedrock 创建完知识库后，要配置数据来源，请按照将数据来源连接到知识库中的说明进行操作。

首先使用上下文丰富配置创建数据来源。要执行此操作，请使用 Amazon Bedrock 代理构建时端点发送 CreateDataSource 请求。下面显示了 CLI 命令示例。

aws bedrock-agent create-data-source \
    --name graph_rag_source \
    --description data_source_for_graph_rag \
    --knowledge-base-id LDBBY2K5AG \
    --cli-input-json "file://input.json"

以下代码显示了 input.json 文件的内容。

{
    "dataSourceConfiguration": { 
        "s3Configuration": { 
            "bucketArn": "arn:aws:s3:::<example-graphrag-datasets>",
            "bucketOwnerAccountId": "<ABCDEFGHIJ>",
            "inclusionPrefixes": [ <"example-dataset"> ]
        },
        "type": "S3",
    },
    "VectorIngestionConfiguration": {
        "contextEnrichmentConfiguration":
            "type": "BEDROCK_FOUNDATION_MODEL",
            "bedrockFoundationModelConfiguration": {
                "modelArn": "arn:aws:bedrock:<region>::foundation-model/anthropic.claude-3-haiku-20240307-v1:0",
                "enrichmentStrategyConfiguration": {
                    "method": "CHUNK_ENTITY_EXTRACTION"
            }
        }
    }
}

要创建知识库，请使用 Amazon Bedrock 代理构建时端点发送 CreateKnowledgeBase 请求。下面显示了 CLI 命令示例。

aws bi create-knowledge-base \
--name <"knowledge-base-graphrag"> \
--role-arn arn:aws:iam::<accountId>:role/<BedrockExecutionRoleForKnowledgeBase> \
--cli-input-json "file://input.json"

下面显示的是 input.json 文件的内容。

{
    "storageConfiguration": {
        "type": "NEPTUNE_ANALYTICS"
        "neptuneAnalyticsConfiguration": {
            "graphArn": "arn:aws:neptune-graph:<region>:<>:graph/<graphID>",
            "fieldMapping": {
                "metadataField": "metadata",
                "textField": "text"
            },
        }
    },
    "knowledgeBaseConfiguration": {
        "type": "VECTOR",
        "vectorKnowledgeBaseConfiguration": {
            "embeddingModelArn": "arn:aws:bedrock:<region>::foundation-model/cohere.embed-english-v3"
        }
    }
}

在基于 GraphRAG 的应用程序运行时，您可以继续使用知识库 API 操作，为最终用户提供更全面、更相关和更易于解释的响应。以下各节将向您展示如何使用 CLI 命令启动摄取和执行检索查询。