借助亚马逊云科技的Amazon Bedrock知识库功能，我们可以安全地将Amazon Bedrock中的基础模型连接到我们的私有数据，实现检索增强生成（RAG）。给知识库挂载额外的数据有助于模型生成更相关、基于上下文的准确响应，而无需重新训练AI模型。
在本文中我们将介绍Amazon Bedrock知识库在用于生成响应的RetrieveAndGenerate API中的两项新功能：配置最大检索结果数量和使用知识库提示词模板创建自定义提示词。现在大家可以将这些选项作为查询参数，在知识库搜索中使用。
新功能概述及优势
Bedrock知识库的最大检索结果数量选项，允许大家调整从向量存储中检索并传递给AI模型生成答案的搜索结果数量。这使AI模型在回答用户问题时，能够根据复杂问题提供更多背景信息，或者对于简单问题减少不必要的信息量。大家利用知识库最多可以检索100条结果，这个选项可以提供更多的相关上下文的搜索结果，从而提高准确性，并减少模型生成幻觉的情况。
自定义知识库提示模板允许大家替换默认的提示模板，以自定义发送给模型的提示词。这使大家可以自定义模型的语气、输出格式和行为，以适应不同的用户需求。有了这个选项大家可以调整术语，使其更符合特定行业或领域（如医疗或法律）。此外还可以添加自定义指令和示例，以更好地匹配特定的工作流程。在接下来的部分，我们将介绍如何通过亚马逊云科技管理控制台或SDK来实现这些功能。
通过控制台配置最大检索结果数量
要跟随本文示例操作，大家需要一个已创建的知识库。在建好知识库后，如果要在控制台上使用最大检索结果数量选项，请按照以下步骤操作：
- 在亚马逊云科技Bedrock控制台左侧导航栏中，选择知识库（Knowledge bases）。
- 选择已创建的知识库。
- 选择测试知识库（Test knowledge base）。
- 选择配置图标（Configuration）。
- 在开始测试知识库之前，选择同步数据源（Sync data source）。
6. 在配置（Configurations）部分中的搜索类型（Search Type）下，根据业务需求选择搜索类型。本文为了简化安利的演示，使用了默认搜索（Default Search）。大家还可以根据业务需求使用语义搜索（Semantic Search）或混合搜索（Hybrid Search）。要了解更多关于混合搜索的信息，请参阅亚马逊云科技 Bedrock 知识库现在支持混合搜索。
7. 展开最大源搜索数据源块数量（Maximum number of source chunks） 选项，并设置最大检索结果数量。
为了展示Bedrock这一功能的价值，我们提供了一些案例展示，以说明如何提高知识库生成响应的准确性。我们使用了亚马逊的年度财报和股东信（包括2023年亚马逊10-K文档、2022年股东信、2021年股东信、2020年股东信、2019年股东信）作为知识库的数据源。然后我们使用以下查询进行实验：“亚马逊的年收入是在哪一年从2450亿美元增长到4340亿美元？”
对于这个查询，正确的答案应该是“亚马逊的年收入从2019年的2450亿美元增长到2022年的4340 亿美元”，这一结论是基于知识库中的文档得出的。我们使用Claude v3作为AI 模型来生成最终的响应，该响应基于知识库检索到的上下文信息。此外Claude 3 Sonnet和Claude 3 Haiku也支持作为知识库AI模型。
下面我们开始进行另一项查询实验，以比较不同配置下的检索情况。我们使用相同的查询输入（“亚马逊的年收入是在哪一年从2450亿美元增长到4340亿美元？”），并将最大检索结果数量设置为5。如下图所示生成的响应是：“对不起，我无法帮助处理您的请求。”
然后我们将最大检索结果数量设置为12，并再次提出相同的问题。这次生成的响应是：“亚马逊的年收入从2019年的2450亿美元增长到2022年的4340亿美元。”
如本示例所示，通过调整最大检索结果数量，我们才能够正确检索到答案。如果大家想要了解生成答案所依据的来源信息，可以选择显示来源详情（Show source details） 以验证知识库的检索结果。
在本篇中，我们介绍了如何在亚马逊云科技上为Bedrock知识库功能，并通过调整知识库进行内容搜索时的最大检索结果数量，更精准地检索到我们希望得到的结果。在本系列下篇中，我们将继续介绍如何配置自定义的知识库提示词模板，使知识库按大家的业务需求进行更定制化的回复。欢迎大家继续关注小李哥的亚马逊云科技前沿AI解决方案介绍系列，关注我不要错过未来更多高质量内容。
