用作向量数据库的 Amazon OpenSearch Service

在单个搜索请求中无缝地将向量嵌入与基于文本的关键字查询相结合，以提高搜索质量，并使用高级最近邻算法，例如 ANN（跨 HNSW 和 IVF）和具有自动扩缩功能的精确 k-NN 向量搜索，提供低延迟相似度搜索。利用 GPU 加速在不到一小时的时间内构建十亿规模的向量数据库，并加快人工智能驱动的搜索应用程序、推荐系统和其他代理式人工智能应用程序的上市时间。

利用智能数据生命周期管理，随着工作负载的增长优化成本。  简化向量数据库操作，为完全托管和无服务器配置提供易于使用的界面。使用直观的 AWS 管理控制台和 API 轻松部署、管理和扩展向量数据库，消除了操作复杂性。自动优化以提高搜索质量、速度并节省成本，而不是花费数周时间手动配置算法、压缩和性能设置的参数。

实时添加、更新或删除向量嵌入，无需重新索引，也不会影响查询性能。这种功能可确保人工智能模型和搜索应用程序保持对动态数据变化的响应，使其成为数据频繁演变的电子商务个性化或异常检测等应用场景的理想之选。

Amazon OpenSearch Service 与 AWS 服务和第三方人工智能平台集成，支持现代化生成式人工智能应用程序。借助与 Amazon DynamoDB 和 Amazon DocumentDB 的零 ETL 集成，您能够通过对运营数据的向量搜索来增强生成人工智能应用程序，无需构建复杂的管线。与 Amazon Bedrock 的原生双向集成简化了生成式人工智能工作流，使您可以将基础模型连接到知识库，实现高效的嵌入生成和检索增强生成（RAG）应用程序。OpenSearch Service 是 AWS 为 Amazon Bedrock 推荐的向量数据库。开发人员可以利用 Amazon SageMaker 的强大功能进行模型训练和部署，或者通过预构建的连接器轻松连接到 Amazon Titan 或 OpenAI、Cohere、DeepSeek 等第三方模型。这样可以实现安全、高效和可扩展的开发，同时最大限度地提高现有数据和基础设施投资的价值。

一项完全托管的服务，可管理 OpenSearch，提供企业可靠性，同时利用开源创新。全球开源社区积极促进并增强 OpenSearch（现为 Linux Foundation 的一部分），推动持续发展，而托管的服务消除了基础设施管理开销。这种方法可提供高可用性（99.99% 的 SLA）、自动扩缩、补丁和更新，以及 Apache 2.0 许可技术的灵活性和供应商中立性。开源社区还有助于指导项目的方向，确保持续创新，使所有用户受益。

通过将传统的关键字搜索与向量相似度相结合来增强搜索体验，从而提高相关性。支持自然语言理解、多模态查询（文本、图像、音频）和混合搜索功能，为不同的内容类型提供与上下文相关的结果。

大规模提供个性化推荐，使用向量相似度匹配数十亿个项目的用户偏好，近乎实时地提供相关建议。

通过将基础模型连接到您的业务数据，实现准确、上下文感知的响应和任务执行，构建值得信赖的人工智能聊天机器人、助手和应用程序。通过基于向量的信息检索消除幻觉并提高准确性，同时保持简单查询和复杂交互的快速响应时间。

通过比较大型数据集的向量相似度，大规模识别模式和异常，从而实时检测潜在的欺诈、假冒或可疑活动。