bedrock kb rag workshop

Amazon Bedrock을 사용하여 증강 증기 세대

이 저장소는 Amazon Bedrock과 함께 검색 증강 생성 (RAG) 기술을 사용하여 질문 응답 응용 프로그램을 구현하기위한 샘플 코드를 제공합니다. 헝겊 구현은 두 부분으로 구성됩니다.

1. 문서 (일반적으로 Amazon S3에 저장된)에서 지식 기반으로 저장되는 데이터 파이프 라인, 즉 Amazon OpenSearch Service Serverless (ASS)와 같은 벡터 데이터베이스가 있으므로 질문을받을 때 조회 할 수 있습니다.

2. 사용자로부터 질문을받는 응용 프로그램은 관련 정보 (컨텍스트)에 대한 지식 기반을 찾은 다음 질문과 컨텍스트를 포함하는 프롬프트를 작성하고 응답을 생성하기 위해 LLM에 제공합니다.

데이터 파이프 라인은 미분화 된 무거운 리프팅을 나타내며 지식 기반을 위해 Amazon Bedrock 에이전트를 사용하여 구현할 수 있습니다. 이제 S3 버킷을 AOSS와 같은 벡터 데이터베이스에 연결하고 기반 에이전트에 객체 (HTML, PDF, 텍스트 등)를 읽은 다음이 청크를 Amazon Titan Embedings 모델을 사용하여 삽입으로 변환 한 다음 ASS에 저장할 수 있습니다. 데이터 파이프 라인을 빌드, 배포 및 관리하지 않고도이 모든 것.

Bedrock Knowledge Base에서 데이터를 사용할 수 있으면 다음 아키텍처 패턴을 사용하여 질문 응답 응용 프로그램을 구축 할 수 있습니다.

설치

아래에 나열된 단계를 따르면 헝겊 솔루션을 만들고 실행하십시오. blog_post.md는이 솔루션을 자세히 설명합니다.

1. 아래 표의 버튼 중 하나를 사용 하여이 저장소에 포함 된 AWS CloudFormation 템플릿을 시작하십시오. CloudFormation 템플릿은 AWS 계정 내에서 다음 리소스를 만듭니다. Amazon OpenSearch Service Serverless (AOSS) 컬렉션, Amazon S3 Bucket, Amazon Bedrock Knowledge Base Agent 및 노트북의 IAM 역할 및 다음 단계를 실행하기 위해이 저장소가있는 Amazon Sagemaker 노트북.

   AWS 지역	링크
   US-East-1 (N. Virginia)
   US-WEST-2 (오레곤)

2. Amazon Bedrock Knowledge Base 및 Amazon OpenSearch Service Server Less를 사용하여 RAG 기반 질문 답변 솔루션 빌드의 지침에 따라

보안

자세한 내용은 기여를 참조하십시오.

특허

이 라이브러리는 MIT-0 라이센스에 따라 라이센스가 부여됩니다. 라이센스 파일을 참조하십시오.