bedrock kb rag workshop ดาวน์โหลด - bedrock kb rag workshop Source Source Download

bedrock kb rag workshop

ซอร์สโค้ดอื่น ๆ

1.0.0

ดาวน์โหลด

การดึงรุ่นเพิ่มโดยใช้ amazon bedrock

พื้นที่เก็บข้อมูลนี้ให้รหัสตัวอย่างสำหรับการใช้แอปพลิเคชันตอบคำถามโดยใช้เทคนิค Augmented Generation (RAG) แบบดึงข้อมูลการดึง (RAG) ด้วย Bedrock Amazon การใช้ผ้าขี้ริ้วประกอบด้วยสองส่วน:

ไปป์ไลน์ข้อมูลที่นำเข้ามาจากเอกสาร (โดยทั่วไปจะเก็บไว้ใน Amazon S3) ลงในฐานความรู้เช่นฐานข้อมูลเวกเตอร์เช่น Amazon OpenSearch Service Serverless (AOSS) เพื่อให้สามารถค้นหาได้เมื่อได้รับคำถาม
แอปพลิเคชันที่ได้รับคำถามจากผู้ใช้ค้นหาฐานความรู้สำหรับข้อมูลที่เกี่ยวข้อง (บริบท) จากนั้นสร้างพรอมต์ที่มีคำถามและบริบทและมอบให้กับ LLM สำหรับการสร้างการตอบกลับ

ไปป์ไลน์ข้อมูลแสดงให้เห็นถึงการยกหนักที่ไม่แตกต่างและสามารถนำไปใช้ได้โดยใช้ตัวแทนของอเมซอนสำหรับฐานความรู้ ตอนนี้เราสามารถเชื่อมต่อถัง S3 เข้ากับฐานข้อมูลเวกเตอร์เช่น AOSS และมีตัวแทนของข้อเท็จจริงอ่านวัตถุ (HTML, PDF, ข้อความ ฯลฯ ), ก้อนพวกเขาแล้วแปลงชิ้นส่วนเหล่านี้เป็น embeddings โดยใช้โมเดลฝังตัวของ Amazon Titan ทั้งหมดนี้โดยไม่ต้องสร้างปรับใช้และจัดการไปป์ไลน์ข้อมูล

เมื่อข้อมูลมีอยู่ในฐานความรู้ของข้อเท็จจริงแล้วแอปพลิเคชันตอบคำถามสามารถสร้างได้โดยใช้รูปแบบสถาปัตยกรรมต่อไปนี้

ตัวแทน KB

การติดตั้ง

ทำตามขั้นตอนด้านล่างเพื่อสร้างและเรียกใช้โซลูชัน RAG blog_post.md อธิบายวิธีการแก้ปัญหานี้โดยละเอียด

เปิดตัวเทมเพลต AWS CloudFormation ที่รวมอยู่ในที่เก็บนี้โดยใช้ปุ่มใดปุ่มหนึ่งจากตารางด้านล่าง เทมเพลต CloudFormation สร้างทรัพยากรต่อไปนี้ภายในบัญชี AWS ของคุณ: Amazon OpenSearch Service Service Serverless (AOSS) Bucket Amazon S3 บทบาท IAM สำหรับตัวแทนฐานความรู้และสมุดบันทึกความรู้ของ Amazon และสมุดบันทึก Amazon Sagemaker
ภูมิภาค AWS การเชื่อมโยง
US-East-1 (N. Virginia)
US-WEST-2 (โอเรกอน)
ทำตามคำแนะนำในการสร้างคำตอบคำถามที่ใช้ RAG โดยใช้ฐานความรู้ของ Amazon Bedrock และ Amazon OpenSearch Service ServiceLess