As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Crie uma base de conhecimento gerenciada Quando você cria uma base de conhecimento gerenciada, o Amazon Bedrock AgentCore gerencia a infraestrutura de armazenamento, indexação e recuperação para você. Por padrão, um modelo de incorporação gerenciado por serviços é usado e nenhuma seleção ou configuração de modelo é necessária. Em vez disso, você pode fornecer seu próprio modelo de incorporação Bedrock. Você também pode fornecer opcionalmente uma chave KMS para criptografia do armazenamento vetorial gerenciado. Depois de criar a base de conhecimento, conecte-a a uma fonte de dados e inicie a ingestão. Para obter detalhes sobre como conectar uma fonte de dados, consulte [Conectar uma fonte de dados](kb-managed-connect-ds.md). Para sincronizar uma fonte de dados, use a `StartIngestionJob` API. Para obter detalhes, consulte [Sincronizar os dados com a base de conhecimento do Amazon Bedrock](kb-data-source-sync-ingest.md). Para saber como criar uma base de conhecimento gerenciada, escolha a guia do seu método preferido: ------ #### [ Console ] **Para criar uma base de conhecimento gerenciada** 1. Faça login no Console de gerenciamento da AWS e navegue até Amazon Bedrock AgentCore > **Built-in ferramentas** > **Base de conhecimento**. 1. Escolha **Criar base de conhecimento gerenciada**. 1. (Opcional) Expanda a seção **Configurações adicionais** da **Base de Conhecimento** para configurar o seguinte: + Adicione uma descrição. + Escolha um tipo de modelo de incorporação: + **Gerenciado** (padrão): um modelo de incorporação gerenciado por serviços é usado. Nenhuma seleção ou configuração de modelo é necessária. + **Personalizado**: selecione um modelo de incorporação Bedrock. Escolha o modelo para abrir o seletor de modelos, que mostra os fornecedores e modelos disponíveis (Amazon, Cohere). + Configure as permissões do IAM: escolha **Criar e usar uma nova função de serviço** (recomendado) ou selecione uma função existente. + Configure a AWS KMS criptografia para o armazenamento vetorial AWS gerenciado (chave gerenciada por padrão ou selecione uma chave KMS personalizada). 1. Em **Fonte de dados**, forneça um nome de fonte de dados. 1. Selecione seu tipo de fonte de dados no menu suspenso: Amazon S3, Confluence, Custom, Google Drive OneDrive ou Web Crawler. SharePoint 1. Defina as configurações de conexão da fonte de dados para o tipo de fonte de dados selecionado. 1. (Opcional) Expanda **Análise e fragmentação de conteúdo para configurar** o seguinte: + A estratégia de análise é definida como **Analisador gerenciado por padrão**. + Selecione uma estratégia de fragmentação de texto no menu suspenso: + **Fragmentação padrão (recomendada**): divide o texto em partes de tamanho fixo. + Fixed-size fragmentação: **divide o** texto no tamanho aproximado do token definido. + **Sem fragmentação**: para documentos pré-processados ou pré-divididos. 1. (Opcional) Expanda **Configurações avançadas** para configurar a indexação avançada. Em **Indexação de conteúdo**, o padrão indexa conteúdo baseado em texto de documentos comuns. Ative a indexação avançada para modalidades adicionais: + **Conteúdo visual em documentos**: processa imagens incorporadas em arquivos.pdf, .docx, .ppt, .pptx. + **Arquivos de áudio**: processa arquivos.mp3, .wav, .m4a, .flac, .ogg. + **Arquivos de vídeo**: processa arquivos.mp4, .mov, .m4v. Opcionalmente, defina um tamanho máximo de arquivo (MB) e configure a proteção contra exclusão de documentos. 1. (Opcional) Configure a entrega de registros para enviar registros de ingestão da base de conhecimento para um destino, como CloudWatch Logs, Amazon S3 ou Firehose. 1. Escolha **Criar base de conhecimento**. 1. Aguarde a criação da base de conhecimento e da fonte de dados (2 a 5 minutos). Se você criar uma base de conhecimento gerenciada com uma chave gerenciada pelo cliente, a criação poderá levar mais tempo. ------ #### [ API ] Veja a seguir um exemplo de como criar uma base de conhecimento gerenciada e configurar sua fonte de dados usando a API com o SDK AWS CLI ou um SDK compatível, como Python. Depois de ligar [CreateKnowledgeBase](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent_CreateKnowledgeBase.html), você liga [CreateDataSource](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent_CreateDataSource.html)para criar sua fonte de dados com suas informações de conexão`dataSourceConfiguration`. Para saber mais sobre personalizações que você pode aplicar à ingestão incluindo o campo opcional `vectorIngestionConfiguration`, consulte [Personalizar a ingestão para uma fonte de dados](kb-managed-customize-ingestion.md). **AWS Command Line Interface** **Etapa 1: criar a base de conhecimento** Com um modelo de incorporação gerenciado (padrão): ``` aws bedrock-agent create-knowledge-base \ --name "{{my-managed-kb}}" \ --role-arn "{{arn:aws:iam::123456789012:role/BedrockKBRole}}" \ --description "{{My managed knowledge base}}" \ --knowledge-base-configuration file://kb-config.json kb-config.json { "type": "MANAGED", "managedKnowledgeBaseConfiguration": { "embeddingModelType": "MANAGED" } } ``` Com um modelo de incorporação personalizado (modelo Bedrock fornecido pelo cliente): ``` aws bedrock-agent create-knowledge-base \ --name "{{my-custom-embed-kb}}" \ --role-arn "{{arn:aws:iam::123456789012:role/BedrockKBRole}}" \ --description "{{My managed knowledge base with custom embedding}}" \ --knowledge-base-configuration file://kb-config.json kb-config.json { "type": "MANAGED", "managedKnowledgeBaseConfiguration": { "embeddingModelType": "CUSTOM", "embeddingModelArn": "{{arn:aws:bedrock:us-west-2::foundation-model/amazon.titan-embed-text-v2:0}}", "embeddingModelConfiguration": { "bedrockEmbeddingModelConfiguration": { "dimensions": 1024 } } } } ``` **nota** Quando `embeddingModelType` é omitido, o padrão é. `MANAGED` Ao usar`MANAGED`, você não deve especificar `embeddingModelArn` ou`embeddingModelConfiguration`. Ao usar`CUSTOM`, os dois campos são obrigatórios. **Etapa 2: criar uma fonte de dados** ``` aws bedrock-agent create-data-source \ --name "{{S3-connector}}" \ --description "{{S3 data source connector for Amazon Bedrock to use content in S3}}" \ --knowledge-base-id "{{your-knowledge-base-id}}" \ --data-source-configuration file://bedrock-s3-managed-connector-configuration.json \ --data-deletion-policy "DELETE" \ --vector-ingestion-configuration '{"parsingConfiguration":{"parsingStrategy":"SMART_PARSING"}}' bedrock-s3-managed-connector-configuration.json { "type": "MANAGED_KNOWLEDGE_BASE_CONNECTOR", "managedKnowledgeBaseConnectorConfiguration": { "mediaExtractionConfiguration": { "imageExtractionConfiguration": { "imageExtractionStatus": "ENABLED" } }, "connectorParameters": { "type": "S3", "version": "1", "connectionConfiguration": { "bucketName": "{{your-test-s3-bucket}}", "bucketOwnerAccountId": "{{123456789012}}" }, "deletionProtectionConfiguration": { "enableDeletionProtection": false } } } } ``` ------ ## Opções de modelo de incorporação As bases de conhecimento gerenciadas oferecem suporte a dois tipos de modelos de incorporação: + **Incorporação gerenciada** (padrão) — Um modelo de incorporação gerenciado por serviços é usado automaticamente. Você não precisa selecionar um modelo, configurar dimensões ou gerenciar os limites de serviço da Bedrock para incorporação. O serviço lida com seleção de modelos, hospedagem e escalabilidade de forma transparente. + **Incorporação personalizada** — Você fornece seu próprio ARN do modelo de incorporação Bedrock. Ao usar um modelo de incorporação personalizado, você deve especificar as dimensões do modelo (1024) e o tipo de dados de incorporação float32. Os seguintes modelos de incorporação Bedrock são compatíveis: + Incorporador de Texto do Amazon Titan v2 + Cohere Embed English v3 + Cohere Embed Multilingual v3 + Cohere Embed v4 + Incorporações multimodais do Amazon Nova **nota** Você não pode alterar o tipo de modelo de incorporação depois de criar a base de conhecimento. Para alternar entre incorporação gerenciada e personalizada, você deve criar uma nova base de conhecimento. **Importante** Se você criar uma base de conhecimento com um modelo de incorporação personalizado, o reranker gerenciado não estará disponível para essa base de conhecimento. Para usar o reranker gerenciado, crie sua base de conhecimento com o modelo padrão de incorporação gerenciada. ## Conectores de fonte de dados compatíveis As bases de conhecimento gerenciadas oferecem suporte aos seguintes conectores de fonte de dados: + Amazon S3 + Confluence + Microsoft SharePoint + Google Drive + Microsoft OneDrive + Web Crawler + Conector personalizado Para obter informações sobre como configurar conectores de fonte de dados, consulte [Conectar uma fonte de dados](kb-managed-connect-ds.md).