本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 使用 Amazon Neptune Analytics 分析数据库引擎图表创建 Amazon Bedrock 知识库 GraphRAG 已完全集成到 Amazon Bedrock 知识库中，并使用 Amazon Neptune Analytics 分析数据库引擎进行图形和向量存储。您可以通过 AWS 管理控制台、或 SDK 开始在知识库中使用 GraphRag。 AWS CLI AWS 您不需要任何现有的图形基础设施即可开始使用 GraphRAG。Amazon Bedrock 知识库会自动管理对 Amazon Neptune 图表的创建和维护操作。系统将从您上传到 Amazon S3 存储桶的文档中提取实体、事实和关系，用来自动创建和更新图表。因此，您无需先掌握任何图表建模知识即可向最终用户提供相关的响应。图表将存储在 Amazon Neptune Analytics 分析数据库引擎中。 创建知识库时，您需要设置或指定以下内容： + 定义和标识知识库的一般信息。 + 具有知识库权限的服务角色。 + 知识库的配置，包括在转换来自数据来源的数据时使用的嵌入模型、在其中存储嵌入的服务的存储配置。 **注意** 您无法以根用户身份创建知识库。在开始这些步骤之前，请使用 IAM 用户登录。 以下内容显示如何创建知识库，以便通过控制台和 CLI 使用 Neptune GraphRAG。 ------ #### [ Console ] **通过控制台创建 Neptune Analytics 分析数据库引擎知识库** 1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。 1. 在左侧导航窗格中，选择**知识库**。 1. 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**。 1. （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。 1. 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](kb-permissions.md#kb-permissions-neptune)。 1. 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。 1. 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](data-source-connectors.md)。 1. 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。 **注意** 嵌入模型的向量维度，必须与您在创建 Neptune Analytics 分析数据库引擎图表时指定的向量维度相匹配。 1. 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： + 建议您使用**快速创建新的向量存储**方法来快速开始创建向量存储。选择 **Amazon Neptune Analytics 分析数据库引擎（GraphRAG）**作为您的向量存储。此选项不需要您拥有任何现有的 Neptune Analytics 分析数据库引擎资源。知识库会自动生成文档嵌入并存储在 Amazon Neptune 中，包括从文档语料库中派生的实体及其关系的图表表示。 + 或者，如果您已经创建了 Neptune Analytics 分析数据库引擎图表和向量索引，则可以使用**选择已创建的向量存储**选项。选择 **Amazon Neptune Analytics 分析数据库引擎（GraphRAG）**作为您的向量存储，并在向量索引中识别图形 ARN、向量字段名称和元数据字段名称。有关更多信息，请参阅 [将您创建的向量存储用于知识库的先决条件](knowledge-base-setup.md)。 1. 在**图形构造模型**部分，选择用于在摄取期间从文档中提取实体和关系的基础模型。所选模型所需的权限将自动添加到知识库服务角色中。 **注意** 某些模型只能通过跨区域推理配置文件支持。当您在 Amazon Bedrock 中调用跨区域推理配置文件时，您的请求和要提取的数据来自源区域，并自动路由到该配置文件中定义的目标区域之一，从而优化性能。全球跨区域推理配置文件的目标区域包括所有商业区域。例如，您可以使用格式`modelArn`为来自 us-west-2 区域的美国跨区域呼叫指定。`arn:aws:bedrock:us-west-2:account-id:inference-profile/us.anthropic.claude-haiku-4-5-20251001-v1:0` 有关如何使用推理配置文件选择源和目标区域的指导，请参阅[推理配置文件支持的区域和模型](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html)。您的数据仅存储在与亚马逊 Bedrock 知识库和 Amazon Neptune Analytics 实例相对应的来源区域。目标区域仅用于推理。 1. 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。 **注意** 创建知识库所用的时间取决于您的特定配置。知识库创建完成后，知识库的状态将更改为“已就绪”或“可用”。 知识库准备就绪并可供使用后，您可以首次同步数据来源，并在想要更新数据来源时进行同步。在控制台中选择知识库，然后在数据来源概述部分中选择**同步**。 1. 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。 1. 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](data-source-connectors.md)中的说明进行操作。 ------ #### [ API ] **使用 Neptune Analytics 创建知识库 AWS CLI** 1. 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](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt)发送 [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent_CreateDataSource.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent_CreateDataSource.html) 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:::", "bucketOwnerAccountId": "", "inclusionPrefixes": [ <"example-dataset"> ] }, "type": "S3", }, "VectorIngestionConfiguration": { "contextEnrichmentConfiguration": "type": "BEDROCK_FOUNDATION_MODEL", "bedrockFoundationModelConfiguration": { "modelArn": "arn:aws:bedrock:::foundation-model/anthropic.claude-3-haiku-20240307-v1:0", "enrichmentStrategyConfiguration": { "method": "CHUNK_ENTITY_EXTRACTION" } } } } ``` 要使用文档构建图表，你可以`modelArn`使用 Claude 3 Haiku（如前面的示例所示）、Claude Haiku 4.5 和 Amazon Nova 系列（包括具有文本输入模式的 Nova 2 和 Nova 型号）。要查看您所在地区可用的基础模型，请参阅 [Amazon Bedrock 中支持的基础模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html)。 **注意** 某些模型只能通过跨区域推理配置文件支持。当您在 Amazon Bedrock 中调用跨区域推理配置文件时，您的请求和要提取的数据来自源区域，并自动路由到该配置文件中定义的目标区域之一，从而优化性能。全球跨区域推理配置文件的目标区域包括所有商业区域。例如，您可以使用格式`modelArn`为来自 us-west-2 区域的美国跨区域呼叫指定。`arn:aws:bedrock:us-west-2:account-id:inference-profile/us.anthropic.claude-haiku-4-5-20251001-v1:0` 要查看您的角色使用推理配置文件的策略要求，请参阅[跨区域推理配置文件的先决条件](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-prereq.html)。有关如何使用推理配置文件选择源和目标区域的指导，请参阅[推理配置文件支持的区域和模型](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html)。您的数据仅存储在与亚马逊 Bedrock 知识库和 Amazon Neptune Analytics 实例相对应的来源区域。目标区域仅用于推理。 1. 要创建知识库，请使用 [Amazon Bedrock 代理构建时端点](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt)发送 [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent_CreateKnowledgeBase.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent_CreateKnowledgeBase.html) 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:::role/ \ --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::<>:graph/", "fieldMapping": { "metadataField": "metadata", "textField": "text" }, } }, "knowledgeBaseConfiguration": { "type": "VECTOR", "vectorKnowledgeBaseConfiguration": { "embeddingModelArn": "arn:aws:bedrock:::foundation-model/cohere.embed-english-v3" } } } ``` 1. 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。 ------ ## 选择并更新图表构造模型 GraphRag 在摄取过程中使用基础模型从您的文档中提取实体和关系。在创建知识库或配置数据源时，您可以选择此模型。选择图形构造模型会自动实现情境丰富。 **重要** 基础模型可以达到 end-of-life也可以被弃用。例如，Claude 3 Haiku 已移至 Legacy 状态。我们建议您选择当前支持的图形构造模型。要查看可用模型的状态，请参阅[模型生命周期](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html)。 当您选择图表构造模型时，所需的权限会自动添加到知识库服务角色中。 有些模型只能通过跨区域推理配置文件获得。 **注意** 使用跨区域推理时，要摄取的数据来自源区域，并被路由到目标区域进行推理。数据仅存储在与亚马逊 Bedrock 知识库和 Amazon Neptune Analytics 实例相对应的源区域。 **在创建知识库期间选择模型（控制台）** 在创建知识库工作流程（配置数据存储和处理）的第 3 步中，当您选择 **Amazon Neptune Analytics (GraphRag)** 作为矢量存储类型时，会出现**图形构造模型部分**。**选择** Select model 以选择用于在摄取期间从文档中提取实体和关系的模型。 **在现有数据源上更新模型（控制台）** 导航至知识库详情页面。在**数据源**部分，选择数据源并选择**编辑**。在编辑页面的**图表构造模型**下，选择一个新模型。选择 **Submit (提交)** 可保存您的更改。 **在知识库创建过程中选择模型 (API)** 通过 `CreateDataSource` API 创建数据源时，请在`modelArn``bedrockFoundationModelConfiguration`内指定`contextEnrichmentConfiguration`。有关完整示例，请参阅上面创建部分中的 API 选项卡。 **在现有数据源 (API) 上更新模型** 要更新现有数据源的图形构造模型，请使用`update-data-source`命令。以下示例说明如何在中指定新模型 ARN。`contextEnrichmentConfiguration` ``` aws bedrock-agent update-data-source \ --data-source-id data-source-id \ --knowledge-base-id knowledge-base-id \ --name data-source-name \ --data-source-configuration '{"type":"S3","s3Configuration":{"bucketArn":"arn:aws:s3:::bucket-name"}}' \ --vector-ingestion-configuration '{"contextEnrichmentConfiguration":{"type":"BEDROCK_FOUNDATION_MODEL","bedrockFoundationModelConfiguration":{"modelArn":"model-arn","enrichmentStrategyConfiguration":{"method":"CHUNK_ENTITY_EXTRACTION"}}}}' \ --region region ``` 例如，要通过该地区基于美国的跨区域推理配置文件使用 Claude Haiku 4.5，请`us-west-2`按以下格式指定：`modelArn` ``` arn:aws:bedrock:us-west-2:account-id:inference-profile/us.anthropic.claude-haiku-4-5-20251001-v1:0 ``` 要查看您的角色使用推理配置文件的策略要求，请参阅[跨区域推理配置文件的先决条件](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-prereq.html)。有关如何使用推理配置文件选择源和目标区域的指导，请参阅[推理配置文件支持的区域和模型](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html)。 ## 同步数据来源 创建完知识库后，需要摄取或同步数据，以便查询数据。摄取过程根据您指定的向量嵌入模型和配置提取图形结构，并将数据来源中的原始数据转换为向量嵌入。 以下命令演示了如何使用 CLI 启动摄取作业的示例。 ``` aws bedrock-agent start-ingestion-job \ --data-source-id <"ABCDEFGHIJ"> \ --knowledge-base-id <"EFGHIJKLMN"> ``` 有关更多信息以及如何使用控制台和 API 同步数据来源，请参阅[将您的数据与 Amazon Bedrock 知识库同步](kb-data-source-sync-ingest.md)。 ## 将更改摄取到入知识库中 使用 Amazon S3 作为数据来源时，您可以通过一个步骤修改数据来源并同步更改。通过直接摄取，您只需一个操作即可直接在知识库中添加、更新或删除文件，知识库无需同步即可访问文档。直接摄取会使用 `KnowledgeBaseDocuments` API 操作，对您直接提交到为知识库设置的向量存储中的文档编制索引。您还可以通过这些操作直接查看知识库中的文档，而不必导航到连接的数据来源进行查看。有关更多信息，请参阅 [将更改直接摄取到知识库中](kb-direct-ingestion.md)。 ## 测试知识库 现在，您已经设置了知识库，可以发送查询和生成响应来测试知识库。 以下代码演示 CLI 命令示例。 ``` aws bedrock-agent-runtime retrieve \ --knowledge-base-id <"ABCDEFGHIJ"> \ --retrieval-query="{\"text\": \"What are the top three video games available now?\"}" ``` 有关更多信息，请参阅 [查询连接到 Amazon Neptune Analytics 分析数据库引擎图表的知识库](kb-test-neptune.md)。