Amazon Bedrock Knowledge Bases が RAG パイプラインで実行する主要な処理として正しいものを 2 つ選択してください。
- A. ユーザーのクエリをベクトル化し、ベクトルDBから意味的に近いチャンクを検索して基盤モデルに渡す
- B. ベクトルDBに格納されたドキュメントを定期的に削除してストレージコストを最適化する
- C. S3 に格納されたドキュメントを自動的にチャンク分割し、埋め込みモデルを使ってベクトル化してベクトルDBに格納する
- D. 基盤モデル自体をドキュメントの内容で自動的にファインチューニングする
- E. ユーザーの会話履歴をすべてS3に保存して長期記憶として利用する
解答と解説を見る
正解: A, C
Knowledge Bases for Amazon Bedrock は RAG の2つの主要フェーズを自動化する。Cのインジェスション(取り込み)フェーズ: S3 のドキュメントを読み込み、設定されたチャンクサイズに分割し、Amazon Titan Embeddings 等の埋め込みモデルを使って各チャンクをベクトルに変換し、Amazon OpenSearch Serverless 等のベクトルDBに格納する。Aの検索・拡張フェーズ: ユーザーのクエリも同じ埋め込みモデルでベクトル化し、ベクトルDBで類似度検索を行い、上位の関連チャンクを基盤モデルへのプロンプトに自動追加する。Dのファインチューニングは Knowledge Bases の機能ではなく、モデルの重み更新を行う別のプロセス。Eの会話履歴保存は Bedrock エージェントのメモリ機能やアプリケーション側での実装で対応するもの。Bのドキュメント自動削除は Knowledge Bases に存在しない機能。
📚 関連サービスの解説: Amazon S3