使用 Amazon Nova 建置 RAG 系統
檢索增強生成 (RAG) 會在產生回應之前參考訓練資料來源之外的權威知識庫，以最佳化大型語言模型 (LLM) 的輸出。此方法有助於為模型提供目前資訊，並讓領域特定或專屬資料為模型提供依據。它還提供可控制的資訊來源，您可以使用它來設定特定內容的存取控制，並對回應中的問題進行疑難排解。
RAG 的運作方式是透過檢索器將產生器 (通常是 LLM) 連接至內容資料庫 (例如知識存放區)。檢索器負責尋找相關資訊。在大多數企業應用程式中，內容資料庫是向量儲存庫，檢索器是嵌入模型，而產生器是 LLM。如需詳細資訊，請參閱檢索增強生成
RAG 系統有數個元件。本指南著重於如何在任何 RAG 系統中使用 Amazon Nova 作為 LLM。
您可以使用 Amazon Nova 模型作為文字 RAG 系統中的 LLM。透過 Amazon Nova 模型，您可以有彈性地使用 Amazon Bedrock 知識庫建置 RAG 系統或建置自己的 RAG 系統。您也可以將知識庫與 Amazon Bedrock Agents 中的代理程式建立關聯，將 RAG 功能新增至該代理程式。如需詳細資訊，請參閱使用對話式代理程式來自動化應用程式中的任務。
