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。

# 检索增强生成选项和架构 AWS
<a name="introduction"></a>

*Amazon Web Services 的 Mithil Shah、Rajeev Muralidhar 和 Natacha Fort*

*2024 年 10 月*（[文档历史记录](doc-history.md)）

*生成式 AI* 是指 AI 模型的子集，这些模型可以根据简单的文本提示创建新的内容和工件，例如图像、视频、文本和音频。生成式 AI 模型基于大量数据进行训练，这些数据涵盖了广泛的主题和任务。这使他们能够在执行各种任务时表现出非凡的多功能性，即使是那些他们没有接受过明确培训的任务也是如此。由于单个模型能够执行多项任务，因此这些模型通常被称为*基础模型* (FMs)。

生成式人工智能模型的显著应用之一是它们在回答问题方面的熟练程度。但是，当使用这些模型根据自定义文档回答问题时，会出现一些特定的挑战。自定义文档可以包括专有信息、内部网站、内部文档、ConfluenceSharePoint页面、页面等。一种选择是使用*检索增强生成 (RAG)*。使用 RAG，基础模型在生成响应之前会引用其训练数据源（例如您的自定义文档）之外的权威数据源。

本指南描述了不同的生成式 AI 选项，这些选项可用于回答自定义文档中的问题，包括检索增强生成 (RAG) 系统。它还概述了在 Amazon Web Services 上构建 RAG 系统 (AWS)。通过查看 RAG 选项和架构，您可以在 RAG 架构上的完全托管 AWS 服务和自定义 RAG 架构之间进行选择。

## 目标受众
<a name="intended-audience"></a>

本指南的目标受众是生成式人工智能架构师和管理人员，他们想要构建 RAG 解决方案，查看可用架构，并了解每种选项的优缺点。

## 目标
<a name="objectives"></a>

本指南可以帮助您执行以下操作：
+ 了解可用于回答自定义文档中问题的生成式 AI 选项
+ 在上查看 RAG 系统的架构选项 AWS
+ 了解每个 RAG 选项的优缺点
+ 为您的环境选择 RAG 架构 AWS