Bedrock（知识库）检索器

本指南将帮助您开始使用 AWS 知识库 检索器。

Amazon Bedrock 的知识库 是一个 Amazon Web Services (AWS) 产品，它允许您通过使用您的私有数据来定制 FM 响应，从而快速构建 RAG 应用程序。

实施 RAG 要求组织执行一些繁琐的步骤，将数据转换为嵌入（向量），将嵌入存储在专门的向量数据库中，并构建与数据库的自定义集成，以便搜索和检索与用户查询相关的文本。这可能很耗时且效率低下。

通过 Amazon Bedrock 的知识库，只需指向您在 Amazon S3 中的数据位置，Amazon Bedrock 的知识库 就会处理整个数据导入工作流到您的向量数据库中。如果您没有现有的向量数据库，Amazon Bedrock 会为您创建一个 Amazon OpenSearch Serverless 向量存储。对于检索，请使用 Langchain - Amazon Bedrock 集成通过 Retrieve API 从知识库中检索与用户查询相关的结果。

集成详细信息

检索器	自托管	云产品	包
AmazonKnowledgeBasesRetriever	❌	✅	langchain_aws

设置

知识库可以通过 AWS 控制台 或使用 AWS SDK 进行配置。我们将需要 knowledge_base_id 来实例化检索器。

如果您想从单个查询中获得自动跟踪，您也可以通过取消下面代码的注释来设置您的 LangSmith API 密钥

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装

此检索器位于 langchain-aws 包中

%pip install -qU langchain-aws

实例化

现在我们可以实例化我们的检索器

from langchain_aws.retrievers import AmazonKnowledgeBasesRetriever

retriever = AmazonKnowledgeBasesRetriever(
    knowledge_base_id="PUIJP4EQUA",
    retrieval_config={"vectorSearchConfiguration": {"numberOfResults": 4}},
)

使用

query = "What did the president say about Ketanji Brown?"

retriever.invoke(query)

在链中使用

from botocore.client import Config
from langchain.chains import RetrievalQA
from langchain_aws import Bedrock

model_kwargs_claude = {"temperature": 0, "top_k": 10, "max_tokens_to_sample": 3000}

llm = Bedrock(model_id="anthropic.claude-v2", model_kwargs=model_kwargs_claude)

qa = RetrievalQA.from_chain_type(
    llm=llm, retriever=retriever, return_source_documents=True
)

qa(query)

API 参考：RetrievalQA

API 参考

有关所有 AmazonKnowledgeBasesRetriever 功能和配置的详细文档，请访问 API 参考。

相关

• 检索器 概念指南
• 检索器 操作指南