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。

# 後續步驟和資源
<a name="next-steps"></a>

檢閱本指南後，請考慮下列動作，以便從理解移至實作：

1. 評估您目前的需求：
   + 評估您現有的資料庫基礎設施和專業知識。
   + 記錄您的特定向量搜尋需求。
   + 定義您的效能、擴展和成本目標。

1. 選擇下列其中一個選項來測試向量資料庫選項：
   + **選項 1：**使用您偏好的向量資料庫解決方案設定概念驗證。
   + **選項 2：在 **Amazon Bedrock 知識庫中實驗範例資料集。嘗試 Amazon Bedrock 知識庫的快速建立體驗。如需範例，請參閱 [Aurora 文件中的快速建立 Amazon Bedrock 的 Aurora PostgreSQL 知識庫](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.quickcreatekb.html)。

1. 檢閱其他[資源](#resources)。

1. 取得專家協助：
   + 如需實作指引，請聯絡您的 AWS 帳戶 團隊或 AWS 解決方案架構師。
   + 與專精於向量資料庫的[AWS 合作夥伴互動](https://partners.amazonaws.com/)。

1. 規劃您的生產部署：
   + 如果從現有的資料庫移動，請建立遷移策略。
   + 為您選擇的解決方案制定擴展計劃。
   + 設計您的監控和維護程序。

## Resources
<a name="resources"></a>

下列資源可協助您選擇向量資料庫。

### AWS 部落格文章
<a name="blog-posts"></a>
+ [使用 Amazon Bedrock 知識庫快速建立和 Amazon Aurora Serverless 加速生成式 AI 應用程式開發](https://aws.amazon.com/blogs/database/accelerate-your-generative-ai-application-development-with-amazon-bedrock-knowledge-bases-quick-create-and-amazon-aurora-serverless/)
+ [Amazon OpenSearch Service 的向量資料庫功能說明](https://aws.amazon.com/blogs/big-data/amazon-opensearch-services-vector-database-capabilities-explained/)
+ [使用 Amazon Bedrock 知識庫深入探索向量資料存放區](https://aws.amazon.com/blogs/machine-learning/dive-deep-into-vector-data-stores-using-amazon-bedrock-knowledge-bases/)
+ [利用 pgvector 和 Amazon Aurora PostgreSQL 進行自然語言處理、聊天機器人和情緒分析](https://aws.amazon.com/blogs/database/leverage-pgvector-and-amazon-aurora-postgresql-for-natural-language-processing-chatbots-and-sentiment-analysis/)

### AWS 服務文件
<a name="service-docs"></a>
+ [選擇 AWS 資料庫服務](https://docs.aws.amazon.com/decision-guides/latest/databases-on-aws-how-to-choose/databases-on-aws-how-to-choose.html)
+ [Amazon Bedrock 知識庫的運作方式](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-how-it-works.html)
+ [Neptune Analytics 文件](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/what-is-neptune-analytics.html)
+ [Amazon Web Services 概觀：資料庫](https://docs.aws.amazon.com/whitepapers/latest/aws-overview/database.html)
+ [使用 Aurora PostgreSQL 做為 Amazon Bedrock 的知識庫](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.VectorDB.html)
+ [使用 Amazon Aurora PostgreSQL](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/Aurora.AuroraPostgreSQL.html)
+ [Amazon DocumentDB](https://docs.aws.amazon.com/documentdb/latest/developerguide/vector-search.html)
+ [Amazon MemoryDB](https://docs.aws.amazon.com/memorydb/latest/devguide/vector-search.html)
+ [Amazon S3 Vectors](https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors.html)

### 其他 AWS 資源
<a name="other-aws-resources"></a>
+ [Amazon Bedrock 知識庫](https://aws.amazon.com/bedrock/knowledge-bases/)
+ [向量資料庫和內嵌](https://aws.amazon.com/solutions/databases/vector-databases-and-embeddings/)
+ [生成式 AI 應用程式的向量資料庫](https://community.aws/content/2f5dkpj96MDM6Y9lumYPjZAB8SX/vector-databases-for-generative-ai-applications)
+ [什麼是Machine Learning中的內嵌？](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)

### 其他資源
<a name="other-resources"></a>
+ [關於 PostgreSQL](https://www.postgresql.org/about/)
+ [pgvector 文件](https://github.com/pgvector/pgvector)
+ [Pinecone 作為 Amazon Bedrock 的知識庫](https://docs.pinecone.io/integrations/amazon-bedrock)
+ [Redis Enterprise Cloud on AWS](https://redis.io/docs/latest/integrate/aws-redis-cloud/)