چه چیزی منتشر شده است

AWS در یک پست آموزشی توضیح می‌دهد که چگونه می‌توان بازیابی عاملی (agentic retrieval) را روی پایگاه دانش مدیریت‌شده (Type: MANAGED) در Amazon Bedrock با یک برنامه AWS CDK به زبان پایتون ساخت. به گفته AWS، در RAG ساده یک بازیابی و یک تولید پاسخ انجام می‌شود، اما در رویکرد عاملی یک عامل استدلالگر تصمیم می‌گیرد آیا بازیابی کند، کدام پایگاه دانش را بپرسد و آیا پیش از پاسخ دوباره جست‌وجو کند.

در معماری نمونه، عامل روی AgentCore Runtime اجرا می‌شود، AgentCore Gateway هر پایگاه دانش را به شکل ابزار MCP در اختیار آن می‌گذارد و API با نام AgenticRetrieveStream پاسخی ترکیبی و دارای ارجاع برمی‌گرداند. دو پایگاه دانش وجود دارد: یکی مالی و دیگری هواشناسی، هر دو از اسناد Amazon S3 تغذیه می‌شوند.

برای بررسی:Build agentic retrieval on a Managed Amazon Bedrock Knowledge Base with CDK

چرا پایگاه دانش مدیریت‌شده

طبق منبع، بازیابی عاملی و اتصال به AgentCore Gateway فقط روی پایگاه دانش مدیریت‌شده پشتیبانی می‌شود و روی نوع مدیریت‌شده توسط مشتری (DIY) پشتیبانی نمی‌شود. در نوع مدیریت‌شده، Bedrock خودش ورود داده، ذخیره‌سازی، نمایه‌سازی و بازیابی را بر عهده دارد؛ بنابراین نیازی به ساخت مجموعه OpenSearch Serverless یا پرداخت OCU نیست. AWS می‌گوید در حالت بیکاری فقط هزینه ذخیره‌سازی باقی می‌ماند.

نوع مشتری‌مدیریت‌شده همچنان برای کسانی که می‌خواهند مخزن برداری خودشان را انتخاب کنند، یا نیازهای اقامت داده، تنظیم و انطباق دارند، گزینه مناسب معرفی شده است.

برای بررسی:Build agentic retrieval on a Managed Amazon Bedrock Knowledge Base with CDK

مشاهده‌پذیری و ارزیابی

برنامه چهار پشته (kb، gateway، agent، dashboards) را با دستور cdk deploy --all مستقر می‌کند و ترتیب را CDK از ارجاع سازه‌ها استخراج می‌کند. دو داشبورد CloudWatch هفت لایه تله‌متری را نشان می‌دهند، از جمله متریک‌های پایگاه دانش، Gateway، درخت span های OTEL، مصرف توکن و نمرات ارزیابی. ارزیابی هم به‌صورت درخواستی (از طریق نوت‌بوک) و هم پیوسته (OnlineEvaluationConfig) فراهم می‌شود.

AWS گزارش می‌کند در اجرای نمونه خودش، ارزیاب‌های پیوسته در چهار معیار Correctness، Faithfulness، Response Relevance و Tool-Selection Accuracy نمره ۱٫۰۰ گرفتند، با پنج ردیابی نمره‌دهی‌شده برای هر ارزیاب. در همان اجرا ۱۴ فراخوانی مدل با ۶۰٬۴۷۲ توکن ورودی و ۲٬۷۰۹ توکن خروجی ثبت شد. این اعداد از اجرای خود نویسندگان با دادهٔ کوچک‌اند و آزمون مستقلی در این منبع ارائه نشده است.

برای بررسی:Build agentic retrieval on a Managed Amazon Bedrock Knowledge Base with CDK

محدودیت‌ها و پیش‌نیازها

پیش‌نیازها شامل حساب AWS با دسترسی به Bedrock، AgentCore، IAM، CloudWatch، X-Ray، ECR، CodeBuild، S3، Lambda و CloudFormation است. مدل پیش‌فرض عامل Claude Haiku 4.5 است و باید در حساب در دسترس باشد. فعال بودن CloudWatch Transaction Search، Node.js 18 به بالا، پایتون 3.13 به بالا و bootstrap شدن CDK هم لازم است. ساخت تصویر عامل با CodeBuild حدود ۸ تا ۱۰ دقیقه طول می‌کشد.

پایگاه دانش مدیریت‌شده، AgenticRetrieveStream و AgentCore در همه ریجن‌های AWS موجود نیستند و ریجن پیش‌فرض نمونه us-west-2 است. نمونه ۱۰۰ درصد نمونه‌برداری ارزیابی را فقط برای آزمایش بلاگ تنظیم کرده و برای تولید توصیه نمی‌شود، چون هر جلسه نمونه‌برداری‌شده یک فراخوانی LLM-as-judge دارد. داده مالی ساختگی است. نتایج ارزیابی پیوسته تا حدود ۳۰ دقیقه پس از بسته شدن جلسه ظاهر نمی‌شود.

منبع درباره دسترس‌پذیری در ایران یا یکپارچگی با نخود چیزی نمی‌گوید. AWS خودش اشاره می‌کند که برای سناریوهای تک‌پایگاهی ساده، RAG تک‌مرحله‌ای ارزان‌تر و کافی است؛ طراحی عاملی پیچیدگی عملیاتی بیشتری دارد.

برای بررسی:Build agentic retrieval on a Managed Amazon Bedrock Knowledge Base with CDK

پشت این نوشته

منابع و جزئیات

این خبر با کمک هوش مصنوعی نوشته شده و با بررسی خودکار منابع و متن منتشر شده است. تصویر، تصویرسازی مفهومی است.

این منابع را می‌توانی برای بررسی ادعاها و جزئیات بیشتر بخوانی. تاریخ کنار هر منبع، زمان بررسی آن برای این نوشته است.

  1. Build agentic retrieval on a Managed Amazon Bedrock Knowledge Base with CDK
    aws.amazon.comبررسی:

نخستین انتشار:

روش تهیه و بازبینی نوشته‌ها