Amazon Bedrock Knowledge Bases

Para equipar os modelos de base (FMs) com informações atualizadas e exclusivas, as organizações usam a geração aumentada via recuperação (RAG), uma técnica que busca dados de fontes da empresa e enriquece o prompt para fornecer respostas mais relevantes e precisas. O Amazon Bedrock Knowledge Bases é uma funcionalidade totalmente gerenciada, com gerenciamento de contexto de sessão integrado e atribuição de origens, que auxilia na implementação de todo o fluxo de trabalho de RAG, desde a ingestão até a recuperação e o aumento de prompts, sem a necessidade de desenvolver integrações personalizadas com fontes de dados e gerenciar fluxos de dados. Além disso, é possível fazer perguntas e resumir informações de um único documento, sem a necessidade de configurar um banco de dados de vetores. Se seus dados contiverem fontes estruturadas, o Amazon Bedrock Knowledge Bases fornece uma linguagem natural gerenciada integrada à solução de linguagem de consulta estruturada para gerar um comando de consulta para recuperar os dados, sem precisar migrá-los para outro armazenamento.

Se você tem fontes de dados não estruturadas, o Amazon Bedrock Knowledge Bases busca automaticamente os dados de origens como o Amazon Simple Storage Service (Amazon S3), o Confluence, o Salesforce, o SharePoint ou o Web Crawler, em versão preliminar. Além disso, você também recebe ingestão programática de documentos, permitindo que os clientes importem dados de streaming ou de fontes não compatíveis. Depois que o conteúdo é inserido, o Amazon Bedrock Knowledge Bases o convertem em blocos de texto, o texto em incorporações e armazenam as incorporações em seu banco de dados de vetores. Você pode escolher entre vários armazenamentos de vetores compatíveis, incluindo Amazon Aurora, Amazon Opensearch Sem Servidor, Amazon Neptune Analytics, MongoDB, Pinecone e Redis Enterprise Cloud. Você também pode optar por se conectar a um índice de pesquisa híbrido do Amazon Kendra para recuperação gerenciada.

Usando o Amazon Bedrock Knowledge Bases, você também pode se conectar aos seus armazenamentos de dados estruturados para gerar respostas fundamentadas. Isso pode ser especialmente útil quando você tem material de origem, como detalhes transacionais armazenados em data warehouses e datalakes. O Amazon Bedrock Knowledge Bases usa a funcionalidade de Conversão de linguagem natural em SQL a fim de converter consultas em comandos SQL e executar esses comandos para recuperar os dados, sem precisar movê-los de sua origem.

Com o Amazon Bedrock Knowledge Bases como sua solução de RAG totalmente gerenciada, você tem a flexibilidade para personalizar e melhorar a precisão da recuperação. Para fontes de dados não estruturadas contendo dados multimodais, como imagens e documentos visualmente elaborados com layouts complexos (por exemplo, documentos contendo tabelas, figuras, gráficos e diagramas), você pode configurar as Bases de Conhecimento para analisar e extrair insights significativos. É possível escolher a Automação de Dados do Amazon Bedrock ou modelos de base como o analisador. Isso permite o processamento contínuo de dados multimodais complexos, para que você possa criar aplicações de IA generativa altamente precisas.

O Amazon Bedrock Knowledge Bases oferece uma variedade de opções avançadas de fragmentação de dados, incluindo fragmentação semântica, hierárquica e de tamanho fixo. Para controle total, você também pode escrever seu próprio código de segmentação como uma função do Lambda e até mesmo usar componentes prontos de frameworks como o LangChain e o LlamaIndex. Se você escolher o Amazon Neptune Analytics como um armazenamento de vetores, o Amazon Bedrock Knowledge Bases criará automaticamente incorporações e grafos que vinculam conteúdos relacionados entre as suas fontes de dados. O Amazon Bedrock Knowledge Bases aproveita essas relações de conteúdo com o GraphRAG para melhorar a precisão da recuperação, permitindo respostas mais abrangentes, relevantes e explicáveis aos usuários finais.

Usando a API Retrieve, você pode obter resultados relevantes para uma consulta do usuário a partir de bases de conhecimento, incluindo elementos visuais, como imagens, diagramas, gráficos e tabelas, ou dados estruturados de bancos de dados, quando aplicável. A API RetrieveAndGenerate vai um passo além, usando diretamente os resultados recuperados para aumentar o prompt do FM e retornar a resposta. Você também pode adicionar o Amazon Bedrock Knowledge Bases ao Amazon Bedrock Agents para fornecer informações contextuais aos agentes. Pode optar também por fornecer filtros ou usar FM para gerar filtros implícitos, com o objetivo de restringir os resultados retornados apenas ao conteúdo relevante. O Amazon Bedrock Knowledge Bases oferece modelos de reclassificação para melhorar a relevância dos trechos de documentos recuperados.

Todas as informações recuperadas do Amazon Bedrock Knowledge Bases são fornecidas com citações (que também incluem elementos visuais) para melhorar a transparência e minimizar alucinações.