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>

本指南討論 RAG 應用程式的文件層級挑戰，以及緩解這些挑戰的最佳實務。這些學習是透過與產業領導者進行採訪和討論來策劃的，並由企業使用案例提供支援。

若要開始最佳化 RAG 應用程式的文件，建議您對現有文件進行稽核。識別對 RAG 應用程式構成[挑戰](challenges.md)的區域。範例包括缺乏結構、語言不明確或過度使用圖形元素。優先處理經常存取或對業務營運至關重要的文件。與主題專家合作，實作本指南中的[最佳實務](best-practices.md)。確保使用清晰的標題、簡潔的語言和內容設定元素來重組文件。對於新文件，請建立指導方針和範本，以確保一致性並協助作者遵守最佳實務。此外，請考慮投資可以自動化文件最佳化程序層面的工具或服務，例如使用生成式 AI 來重組文件。透過採取主動的方法進行文件最佳化，您可以釋放 RAG 應用程式的完整潛力，並在整個組織中推動更準確和更深入的結果。

下列資源可協助您了解並建置組織中的 RAG 應用程式。

## 資源
<a name="resources"></a>

### AWS 文件
<a name="resources-docs"></a>
+ [選擇 RAG 使用案例的 AWS 向量資料庫](https://docs.aws.amazon.com/prescriptive-guidance/latest/choosing-an-aws-vector-database-for-rag-use-cases/introduction.html) (AWS 規範性指導）
+ [AWS 使用 Terraform 和 Amazon Bedrock 在 上部署 RAG 使用案例](https://docs.aws.amazon.com/prescriptive-guidance/latest/patterns/deploy-rag-use-case-on-aws.html) (AWS 方案指引）
+ [使用 RAG 和 ReAct 提示來開發進階生成式 AI 聊天式助理](https://docs.aws.amazon.com/prescriptive-guidance/latest/patterns/develop-advanced-generative-ai-chat-based-assistants-by-using-rag-and-react-prompting.html) (AWS 方案指引）
+ [使用 Amazon Bedrock 知識庫擷取資料並產生 AI 回應 ](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html)(Amazon Bedrock 文件）
+ [擷取增強生成 ](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-rag.html)(Amazon SageMaker AI 文件）
+ [在 上擷取增強生成選項和架構 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/retrieval-augmented-generation-options/introduction.html)(AWS 方案指引）

### 其他 AWS 資源
<a name="resources-other"></a>
+ [建立具有進階 RAG 和 Amazon Bedrock 的多模式助理](https://aws.amazon.com/blogs/machine-learning/create-a-multimodal-assistant-with-advanced-rag-and-amazon-bedrock/) (AWS 部落格文章）