Cơ sở kiến thức về Amazon Bedrock

Để trang bị cho mô hình nền tảng (FM) thông tin độc quyền và cập nhật nhất, các tổ chức sử dụng kỹ thuật Tạo sinh tăng cường truy xuất (RAG), một kỹ thuật tìm nạp dữ liệu từ các nguồn dữ liệu của công ty và làm phong phú thêm câu lệnh để cung cấp các phản hồi phù hợp và chính xác hơn. Cơ sở kiến thức của Amazon Bedrock là một tính năng được quản lý toàn phần giúp bạn triển khai toàn bộ quy trình làm việc RAG từ tải nhập đến truy xuất và tăng cường câu lệnh mà không cần phải xây dựng các tích hợp tùy chỉnh cho các nguồn dữ liệu và quản lý luồng dữ liệu. Ngoài ra, bạn có thể đặt câu hỏi và tóm tắt dữ liệu từ một tài liệu duy nhất mà không cần thiết lập cơ sở dữ liệu véc-tơ. Bạn cũng có tính năng Quản lý ngữ cảnh của phiên được tích hợp sẵn, vì vậy ứng dụng của bạn có thể dễ dàng hỗ trợ các cuộc trò chuyện đa lượt.

Khi bạn trỏ đến vị trí của dữ liệu độc quyền của mình, Cơ sở kiến thức của Amazon Bedrock sẽ tự động tìm nạp các tài liệu. Bạn có thể tải nhập nội dung từ web và từ các kho lưu trữ như Amazon Simple Storage Service (Amazon S3), Confluence (bản xem trước), Salesforce (bản xem trước), SharePoint (bản xem trước). Sau khi nội dung đã được tải nhập, Cơ sở kiến thức của Amazon Bedrock chia nội dung thành các khối văn bản, chuyển đổi văn bản thành phần nhúng và lưu trữ các phần nhúng trong cơ sở dữ liệu véc-tơ của bạn.
Cơ sở kiến thức của Amazon Bedrock cũng quản lý các hoạt động phức tạp trong quy trình làm việc như so sánh nội dung, xử lý lỗi, kiểm soát thông lượng, mã hóa, v.v. Nếu bạn không có cơ sở dữ liệu véc-tơ hiện có, Amazon Bedrock sẽ tạo một kho véc-tơ Amazon OpenSearch phi máy chủ cho bạn. Hoặc bạn có thể chỉ định một kho véc-tơ hiện có trong một trong các cơ sở dữ liệu được hỗ trợ, bao gồm Amazon OpenSearch phi máy chủ, Pinecone và Đám mây Redis Enterprise, Amazon Aurora và MongoDB.

Giờ đây, bạn có thể tinh chỉnh việc truy xuất và tải nhập để đạt được độ chính xác tốt hơn trong các trường hợp sử dụng. Tận dụng các tùy chọn phân tích cú pháp nâng cao để hiểu dữ liệu phi cấu trúc (ví dụ: PDF, hình ảnh được quét) với nội dung phức tạp (ví dụ: bảng). Sử dụng các tùy chọn phân đoạn dữ liệu nâng cao như phân đoạn tùy chỉnh, bạn có thể viết mã phân đoạn của riêng mình dưới dạng hàm Lamda và thậm chí sử dụng các thành phần có sẵn từ các khung như LangChain và LlamaIndex. Nếu thích, bạn cũng có thể sử dụng một trong các chiến lược phân đoạn tích hợp sẵn của chúng tôi, bao gồm mặc định, kích thước cố định, không phân đoạn, phân đoạn phân cấp hoặc phân đoạn theo ngữ nghĩa. Tại thời điểm truy xuất, hãy sử dụng tái tạo truy vấn để cải thiện khả năng của hệ thống trong việc hiểu các truy vấn phức tạp.

Bạn có thể sử dụng API truy xuất để tìm nạp kết quả có liên quan cho truy vấn người dùng từ cơ sở kiến thức. API RetrieveAndGenerate tiến một bước xa hơn bằng cách trực tiếp sử dụng kết quả được truy xuất để tăng cường câu lệnh FM và trả về phản hồi. Bạn cũng có thể thêm Cơ sở kiến thức của Amazon Bedrock vào Tác tử của Amazon Bedrock để cung cấp thông tin theo ngữ cảnh cho các tác tử.

Tất cả thông tin được truy xuất từ Cơ sở kiến thức của Amazon Bedrock được cung cấp với các trích dẫn để cải thiện tính minh bạch và giảm thiểu ảo giác.