跳至主要内容

有关如何在 AWS 上创建低成本语义搜索的指导

访问示例代码

概述

本指南将展示如何实施经济高效的检索增强生成（RAG）解决方案，以满足您的人工智能需求。它为创建易于访问的小规模 RAG 实现提供了实用的工具和方法，这些 RAG 实现始终保持有效，而不会产生通常与向量数据库解决方案相关的高昂成本。这种方法让人们更容易获得先进的人工智能技术，并使您的小型企业能够对生成式人工智能应用程序进行个性化，并在预算限制内使用各项人工智能功能。

工作原理

文档摄取和向量化流程

此架构图展示了如何利用 Amazon DynamoDB 有效地创建低成本向量存储。它展示了关键组件及其相互作用，并概述了架构的结构和功能。此图说明了文档摄取和向量化流程。

下载架构图
Creating Low-Cost Semantic Search on AWS - Document ingestion and vectorization flow

推理流程

此架构图展示了如何利用 Amazon DynamoDB 有效地创建低成本向量存储。它展示了关键组件及其相互作用，并概述了架构的结构和功能。此图说明了推理流程。 

下载架构图
Creating Low-Cost Semantic Search on AWS - Inference Flow

自信地进行部署

为部署做好准备了吗？ 查看 GitHub 上的示例代码，了解详细的部署说明，以根据需要按原样部署或进行自定义部署。 

访问示例代码

优势

将 DynamoDB 用作经济高效的向量存储来实现检索增强生成解决方案功能，无需昂贵的专用向量数据库，同时还能保持中小型工作负载的性能。

为您的应用程序提供智能文档理解和语义搜索功能。根据贵组织的特定知识库，提供相关的上下文感知响应，从而改善用户体验。

使用预构建的工作流和托管式服务，快速实施高级人工智能技术。专注于从数据中创造价值，让 AWS 来处理底层基础设施和人工智能模型管理工作。

免责声明

示例代码；软件库；命令行工具；概念验证；模板；或其他相关技术（包括由我方人员提供的任何前述项）作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议（以适用者为准）向您提供。您不应将这些 AWS 内容用在您的生产账户中，或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容，例如示例代码，以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源（例如，运行 Amazon EC2 实例或使用 Amazon S3 存储）而产生 AWS 费用。

本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指南是一个技术起点，您可以在部署架构时自定义与第三方服务的集成。