Tech Meridian ← К ЛЕНТЕ
PROМОЙ MERIDIAN EN

ГАЙД · CODING · #1544

Amazon Bedrock Managed Knowledge Bases поддерживает агентный (agentic) поиск — руководство по LangChain

Техническое руководство показывает использование LangChain с Amazon Bedrock Managed Knowledge Bases для сравнения стандартного одношагового поиска (Retrieve API) и многошагового агентного поиска (AgenticRetrieveStream API). В статье описывается архитектура, права IAM, требование к версии boto3 (agentic_retrieve_stream требует boto3 версии ≥ 1.43.32) и компромиссы по стоимости и просмотру пошаговых trace-событий.

КЛЮЧЕВЫЕ ТЕЗИСЫ

  1. Техническое руководство показывает использование LangChain с Amazon Bedrock Managed Knowledge Bases для сравнения стандартного одношагового поиска (Retrieve API) и многошагового агентного поиска (AgenticRetrieveStream API).
  2. В статье описывается архитектура, права IAM, требование к версии boto3 (agentic_retrieve_stream требует boto3 версии ≥ 1.43.32) и компромиссы по стоимости и просмотру пошаговых trace-событий.
  3. Агентный поиск разбивает запрос на подзапросы и планирует их выполнение, что позволяет RAG‑приложениям лучше отвечать на составные вопросы и влияет на точность, права доступа и стоимость для разработчиков.

ПОЧЕМУ ЭТО ВАЖНО

Агентный поиск разбивает запрос на подзапросы и планирует их выполнение, что позволяет RAG‑приложениям лучше отвечать на составные вопросы и влияет на точность, права доступа и стоимость для разработчиков.

ИСТОЧНИКИ И ХРОНОЛОГИЯ

1
01
AWS MACHINE LEARNING ПЕРВОИСТОЧНИК
Agentic retrieval with LangChain and Amazon Bedrock Knowledge Bases

When a user asks the support assistant, a Retrieval Augmented Generation (RAG) application built with LangChain to compare two products across three dimensions, they’re effectively posing six questions simultaneously. Similarity search uses a single query vector to encapsulate all the intents. The retriever then generates the best approximation of the average of those intents. The resulting answer comes back concise.…

↗