维度网讯，AWS推出Amazon Bedrock Managed Knowledge Base，这是一项托管服务，旨在自动管理企业AI应用背后的检索层，减轻开发者在构建检索增强生成（RAG）系统时面临的持续运维负担。

对于许多开发者而言，构建AI应用的难点已不再集中于模型本身，而在于如何让应用知识保持实时更新。检索增强生成（RAG）已成为将AI应用植根于企业数据的常用技术，但这一技术也引入了持续的运维工作，包括更新嵌入和索引、同步数据源以及调优检索性能等任务。

AWS希望通过Bedrock Managed Knowledge Base减轻这些负担。AWS高级解决方案架构师Daniel Abib在一篇博客文章中表示，该服务默认会自动选择并管理嵌入模型、重排序模型和基础模型，让用户可以快速上手，无需自行挑选或维护。为协助维护数据管道而无需构建和管理自定义集成，该服务还提供了六个面向企业数据源的原生连接器，包括Amazon S3、SharePoint、Confluence、Google Drive、OneDrive和Web内容。

Pareekh Consulting首席分析师Pareekh Jain指出，对于开发团队来说，自动管理基础设施的能力可以立即提高生产力。他表示，企业花费大量时间构建数据连接器、管理文档导入和索引、调优检索质量、实施访问控制以及维护向量数据库，这使得RAG基础设施往往比AI应用本身更为复杂。借助这一服务，开发者可以专注于构建应用，这应该会加速部署时间线并降低维护成本。

Managed Knowledge Base还旨在提升检索准确性。根据Abib的说法，该服务配备了诸如Smart Parsing和Agentic Retriever等功能，旨在帮助提高不同内容类型和来源的准确性，而这些通常是跨多个仓库的RAG管道和查询面临的问题。Jain认为，改进检索质量对于希望将AI项目从实验阶段推进到生产阶段的组织来说可能尤为重要，因为业务数据分散在多个系统中，检索质量对用户信任至关重要。

AWS还将Managed Knowledge Base定位为智能体应用的基础组件。据该超大规模云服务商称，该服务与Bedrock AgentCore集成，减少了将企业知识源连接到AI智能体所需的代码和配置量，同时提供内置的监控、评估和访问管理功能。

Jain表示，这种集成方法可能对更广泛的RAG工具生态系统产生影响，例如减少对LangChain和LlamaIndex等独立编排框架，以及向量数据库、导入管道等自定义组合的需求。但他也警告，集成方法的便利性可能增加客户对单一云提供商的依赖，并限制AI基础设施组装和管理的灵活性。

Amazon Bedrock Managed Knowledge Base目前在北弗吉尼亚、俄勒冈、悉尼、东京、都柏林、法兰克福、伦敦和AWS GovCloud（美国西部）区域可用。该服务采用基于使用量的定价模式，费用与存储的索引数据量和处理的检索请求量挂钩。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com