本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用 Amazon Bedrock 知識庫擷取資料並產生 AI 回應
<a name="knowledge-base"></a>

雖然基礎模型具有一般知識，但您可以使用檢索增強生成 (RAG) 進一步改善其回應。RAG 是一種技術，使用來自資料來源的資訊來改善所產生回應的相關性和準確性。使用 Amazon Bedrock 知識庫，您可以將專屬資訊整合到您的生成式 AI 應用程式。進行查詢時，知識庫會搜尋您的資料，以尋找相關資訊來回應查詢。然後，擷取的資訊可用於改善產生的回應。您可以使用 Amazon Bedrock 知識庫的功能，建置自己的 RAG 型應用程式。

透過 Amazon Bedrock 知識庫，您可以：
+ 從資料來源傳回相關資訊，以回答使用者查詢。
+ 使用從資料來源擷取的資訊，協助產生準確且相關的使用者查詢回應。
+ 將傳回的相關資訊饋送至提示中，增強您自己的提示。
+ 在產生的回應中包含引文，以便參考原始資料來源並檢查準確性。
+ 包含具有豐富視覺化資源的文件，可從中擷取和擷取影像，以回應查詢。如果您根據擷取的資料產生回應，模型可以根據這些影像提供額外的洞見。
+ 使用影像做為查詢來搜尋視覺上相似的內容，或使用多模態內嵌模型在查詢中結合文字和影像，以獲得更精確的結果。
+ 將自然語言轉換為針對結構化資料庫自訂的查詢 (例如 SQL 查詢)。這些查詢用於從結構化資料存放區擷取資料。
+ 更新您的資料來源，並直接將變更擷取至知識庫，以便立即存取。
+ 使用重新排名模型來影響從資料來源擷取的結果。
+ 在 [Amazon Bedrock 代理人](agents.md)工作流程中包含知識庫。

若要設定知識庫，您必須完成下列一般步驟：

1. (選用) 如果您將知識庫連線至非結構化資料來源，請設定您自己的[支援向量存放區](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup.html)，以編製資料的向量嵌入表示的索引。如果您打算使用 Amazon Bedrock 主控台來為您建立 Amazon OpenSearch Serverless 向量存放區，則可以略過此步驟。

1. 將您的知識庫連線至非結構化或結構化資料來源。

1. 將資料來源與您的知識庫同步。

1. 設定應用程式或代理程式以執行下列動作：
   + 查詢知識庫並傳回相關來源。
   + 查詢知識庫，並根據擷取的結果產生自然語言回應。
   + (如果您查詢連線至結構化資料存放區的知識庫) 將查詢轉換為結構化資料特定語言查詢 (例如 SQL 查詢)。

**Topics**
+ [知識庫的運作方式](kb-how-it-works.md)
+ [支援的模型和區域](knowledge-base-supported.md)
+ [以零設定與您的文件聊天](knowledge-base-chatdoc.md)
+ [設定許可以建立和管理知識庫](knowledge-base-prereq-permissions-general.md)
+ [透過連線至資料來源來建立知識庫](knowledge-base-build.md)
+ [建立多模態內容的知識庫](kb-multimodal.md)
+ [透過連線至結構化資料存放區來建立知識庫](knowledge-base-build-structured.md)
+ [使用 Amazon Kendra GenAI 指數建立知識庫](knowledge-base-build-kendra-genai-index.md)
+ [使用 Amazon Neptune Analytics 圖形建立知識庫](knowledge-base-build-graphs.md)
+ [使用查詢和回應測試您的知識庫](knowledge-base-test.md)
+ [部署應用程式的知識庫](knowledge-base-deploy.md)
+ [檢視知識庫的相關資訊](kb-info.md)
+ [修改知識庫](kb-update.md)
+ [刪除知識庫](kb-delete.md)