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 知识库 是Amazon网络服务 (AWS) 提供的一项服务，它允许您通过使用私有数据快速构建 RAG 应用程序，以定制 FM 响应。

实施 RAG 需要组织执行多个繁琐的步骤，将数据转换为嵌入（向量），将嵌入存储在专用的向量数据库中，并构建与数据库的自定义集成以搜索和检索与用户查询相关的文本。这可能非常耗时且效率低下。

使用 Knowledge Bases for Amazon Bedrock，只需在 Amazon S3 中指向数据的位置，Knowledge Bases for Amazon Bedrock 将负责将整个摄取工作流导入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，通过 Retrieve API 使用 Langchain - Amazon Bedrock 集成，从知识库中检索与用户查询相关的结果。

集成详情

检索器	Self-host	云服务	包
AmazonKnowledgeBasesRetriever	❌	✅	langchain_aws

设置

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

如果要获取来自单个查询的自动跟踪，还可以通过取消注释以下内容来设置您的 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}},
)

API 参考：AmazonKnowledgeBasesRetriever

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 操操作指南