本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 选择 “检索增强生成” 选项 AWS
<a name="choosing-option"></a>

本指南的[完全托管 RAG 选项](rag-fully-managed.md)和[自定义 RAG 架构](rag-custom.md)部分描述了构建基于 RAG 的搜索解决方案的各种方法。 AWS本节介绍如何根据您的用例在这些选项之间进行选择。在某些情况下，可能有多个选项起作用。在这种情况下，选择取决于实施的难易程度、组织中可用的技能以及公司的政策和标准。

我们建议您按以下顺序考虑完全托管和自定义 RAG 选项，并选择适合您用例的第一个选项：

1. 使用 [Amazon Q Business](rag-fully-managed-q-business.md)，除非：
   + 此服务在您中不可用 AWS 区域，您的数据也无法移动到可用的区域
   + 你有特定的理由自定义 RAG 工作流程
   + 你想使用现有的矢量数据库或特定的 LLM

1. 使用 [Amazon Bedrock 知识库](rag-fully-managed-bedrock.md)除非：
   + 您的矢量数据库不受支持
   + 你有特定的理由自定义 RAG 工作流程

1. 将 [Amazon Kendra](rag-custom-retrievers.md#rag-custom-kendra) 与你选择的[生成器](rag-custom-generators.md)结合使用，除非：
   + 你想选择自己的矢量数据库
   + 你想自定义分块策略

1. 如果你想更好地控制检索器并想要选择自己的矢量数据库：
   + 如果您没有现有的矢量数据库，也不需要低延迟或图形查询，请考虑使用 [Amazon OpenSearch 服务](rag-custom-retrievers.md#rag-custom-opensearch)。
   + 如果你有现有的PostgreSQL矢量数据库，可以考虑使用 [Amazon Aurora Postgre pgvector SQL](rag-custom-retrievers.md#rag-custom-aurora) 和选项。
   + [如果你需要低延迟，可以考虑使用内存选项，例如 Amazon Memor [yDB 或 Amazon DocumentDB](rag-custom-retrievers.md#rag-custom-memorydb)。](rag-custom-retrievers.md#rag-custom-docdb)
   + 如果您想将矢量搜索与图表查询相结合，可以考虑使用 [Amazon Neptune](rag-custom-retrievers.md#rag-custom-neptune) Analytics。
   + 如果您已经在使用第三方矢量数据库，或者从中找到了具体的好处，请考虑[Pinecone[MongoDB Atlas](rag-custom-retrievers.md#rag-custom-mongodb-atlas)](rag-custom-retrievers.md#rag-custom-pinecone)、和[Weaviate](rag-custom-retrievers.md#rag-custom-weaviate)。

1. 如果你想选择法学硕士：
   + 如果您使用 Amazon Q Business，则无法选择 LLM。
   + 如果您使用 Amazon Bedrock，则可以选择其中一种[支持的基础模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html)。
   + 如果您使用 Amazon Kendra 或自定义矢量数据库，则可以使用本指南中描述的[生成器](rag-custom-generators.md)之一，也可以使用自定义 LLM。
**注意**  
您还可以使用自定义文档对现有 LLM 进行微调，以提高其响应的准确性。有关更多信息，请参阅本指南中的[比较 RAG 和微调](rag-vs-fine-tuning.md)。

1. 如果你想使用现有的 Amazon A SageMaker I Canvas 实现，或者你想比较不同的 RAG 响应 LLMs，可以考虑使用 [Amazon A SageMaker I Canvas](rag-fully-managed-sagemaker-canvas.md)。