本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
使用 Amazon Nova 建置 RAG 系統
擷取增強生成 (RAG) 透過在產生回應之前參考訓練資料來源之外的授權知識庫，最佳化大型語言模型 (LLM) 的輸出。此方法有助於提供模型的目前資訊，並將其放在特定網域或專屬資料中。它也提供可控制的資訊來源，可用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 的運作方式是透過擷取器將產生器 （通常是 LLM) 連接至內容資料庫 （例如知識存放區）。擷取器負責尋找相關資訊。在大多數企業應用程式中，內容資料庫是向量存放區、擷取器是內嵌模型，而產生器是 LLM。如需詳細資訊，請參閱擷取增強生成
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 做為 LLM。
您可以使用 Amazon Nova 模型做為文字 RAG 系統中的 LLM。使用 Amazon Nova 模型，您可以靈活地使用 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客服人員建立關聯 Amazon Bedrock ，將 RAG 功能新增至客服人員。如需詳細資訊，請參閱使用對話式客服人員自動化應用程式中的任務。
