ナレッジベースとしての Amazon Bedrock
Amazon Bedrock のナレッジベースを使用することで、RAG のために会社のプライベートデータソースからのコンテキスト情報を FM とエージェントに提供して、より正確で関連性の高い、カスタマイズされた応答を生成することができます。エンドツーエンドのRAGワークフローのフルマネージドサポート
組織は、基盤モデル (FM) に最新情報と専有情報を実装するために検索拡張生成 (RAG) を使用します。RAG は、企業のデータソースからデータを取得し、プロンプトを強化することで、より正確で関連性の高い応答を提供する手法です。Amazon Bedrockのナレッジベースは、データソースへのカスタム統合を構築してデータフローを管理することなく、取り込みから取得、迅速な拡張まで、RAGワークフロー全体を実装するのに役立つフルマネージド機能です。あるいは、ベクトルデータベースを設定せずに、質問をしたり、単一のドキュメントからデータを要約したりすることもできます。また、セッションコンテキスト管理が組み込まれているため、アプリケーションはマルチターンの会話を簡単にサポートできます。
![ナレッジベースの概要の正式な表現](https://d1.awsstatic.com/products/bedrock/Bedrock-knowledge-bases-fully-managed-support.cc2bb1181021a3193255f9d90d3a80f4508d81f3.jpg)
Knowledge Bases をカスタマイズして、実行時に正確な応答を提供
ユースケース全体で精度を高めるために、取得と取り込みを微調整できるようになりました。高度な解析オプションを活用して、複雑なコンテンツ (表など) を含む非構造化データ (PDF、スキャンした画像など) を理解します。カスタムチャンクなどの高度なデータチャンクオプションを使用すると、独自のチャンクコードを Lamda 関数として記述できるほか、LangChain や LlamaIndex などのフレームワークの既成コンポーネントを使用することもできます。必要に応じて、デフォルト、固定サイズ、チャンクなし、階層型チャンク、セマンティックチャンクなどの組み込みチャンク戦略のいずれかを使用することもできます。取得時に、クエリ修正を利用して、システムが複雑なクエリを理解する能力を高めます。
![Bedrock チャンク解析設定のスクリーンショット](https://d1.awsstatic.com/products/bedrock/bedrock-chunking-parsing-configuration.1e2497b9bcd3febc865fa1a9205a93a6011e0b15.png)
関連データを取得してプロンプトを強化
Retrieve API を使用して、ナレッジベースからユーザークエリに関連する結果を取得できます。RetrieveAndGenerate API はさらに一歩進んで、取得した結果を直接使用して FM プロンプトを拡張し、応答を返します。また、Amazon Bedrockのエージェントにナレッジベースを追加して、エージェントにコンテキスト情報を提供することもできます。
![API の取得と生成](https://d1.awsstatic.com/products/bedrock/Bedrock-knowledge-bases-retrieve-relevant-data-augment-prompts.94fef4c55a758b39a6bfbfe028938083119f8f65.png)
ソースの帰属を提供する
Amazon Bedrockのナレッジベースから取得したすべての情報には、透明性を高め、幻覚を最小限に抑えるために引用が付いています。
![ユーザーがエージェントと会話しているチャットウィンドウ](https://d1.awsstatic.com/products/bedrock/Bedrock-knowledge-bases-source-attribution.47bb1640c3fd90c688e7621a93d118c7049b9d1b.png)