Skip to main content
Open In ColabOpen on GitHub

Bedrock（知识库）检索器

本指南将帮助您开始使用AWS知识库retriever。

Knowledge Bases for Amazon Bedrock 是亚马逊网络服务（AWS）提供的一项服务，它允许您使用您的私有数据快速构建RAG应用程序，以定制FM响应。

实施RAG需要组织执行几个繁琐的步骤，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，并构建自定义集成到数据库中以搜索和检索与用户查询相关的文本。这可能既耗时又低效。

使用Knowledge Bases for Amazon Bedrock，只需指向Amazon S3中数据的位置，Knowledge Bases for Amazon Bedrock就会处理整个摄取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，使用 Langchain - Amazon Bedrock 集成通过 Retrieve API 从知识库中检索用户查询的相关结果。

集成详情​

检索器自托管云服务包
AmazonKnowledgeBasesRetriever❌✅langchain_aws

设置​

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

如果你想从单个查询中获取自动追踪，你也可以通过取消注释以下内容来设置你的 LangSmith API 密钥：

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

安装​

这个检索器位于 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}},
)

用法​

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 Reference: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。

这个页面有帮助吗？