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。

# 后续步骤和资源
<a name="next-steps"></a>

本指南讨论了 RAG 应用程序面临的一系列文档级挑战以及缓解这些挑战的最佳实践。这些学习是通过与行业领导者的访谈和讨论而精心策划的，并得到了企业用例的支持。

要开始针对RAG应用程序优化您的文档，我们建议对您的现有文档进行审计。确定对 RAG 应用程序构成[挑战](challenges.md)的领域。例子包括结构不足、语言模棱两可或过度使用图形元素。对经常访问或对业务运营至关重要的文档进行优先排序。与主题专家合作，实施本指南中的[最佳实践](best-practices.md)。确保使用清晰的标题、简洁的语言和上下文设置元素对文档进行重组。对于新文档，应制定指导方针和模板，确保一致性并帮助作者遵守最佳实践。此外，可以考虑投资于可以自动执行文档优化过程各个方面的工具或服务，例如使用生成式人工智能来重构文档。通过采取积极主动的方法进行文档优化，您可以充分发挥 RAG 应用程序的潜力，并在整个组织中推动更准确、更有洞察力的结果。

以下资源可以帮助您在组织中了解和构建 RAG 应用程序。

## 资源
<a name="resources"></a>

### AWS 文档
<a name="resources-docs"></a>
+ 为 [RAG 用例选择 AWS 矢量数据库](https://docs.aws.amazon.com/prescriptive-guidance/latest/choosing-an-aws-vector-database-for-rag-use-cases/introduction.html)（AWS 规范性指导）
+ [使用 Terraform 和 Amazon AWS Bedrock（规范性指南）部署 RAG 用例](https://docs.aws.amazon.com/prescriptive-guidance/latest/patterns/deploy-rag-use-case-on-aws.html)AWS 
+ [使用 RAG 和 ReAct 提示（规范性指导）开发基于人工智能聊天的高级生成式助手](https://docs.aws.amazon.com/prescriptive-guidance/latest/patterns/develop-advanced-generative-ai-chat-based-assistants-by-using-rag-and-react-prompting.html)AWS 
+ [使用亚马逊 Bedrock 知识库检索数据并生成 AI 响应](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html)（亚马逊 Bedrock 文档）
+ [检索增强生成](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-rag.html)（Amazon SageMaker AI 文档）
+ [检索增强生成选项和架构 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/retrieval-augmented-generation-options/introduction.html)（AWS 规范性指导）

### 其他 AWS 资源
<a name="resources-other"></a>
+ 使用@@ [高级 RAG 和 Amazon Bedrock 创建多式联运助手](https://aws.amazon.com/blogs/machine-learning/create-a-multimodal-assistant-with-advanced-rag-and-amazon-bedrock/)（AWS 博客文章）