Bedrock Knowledge Bases

Knowledge Bases mengurus chunking, embedding, penyimpanan vektor, dan retrieval. Ini komponen terbesar Domain 1 ujian AIP-C01 — dan yang paling sering dipakai di aplikasi nyata.

Apa yang digantikan

Di learn-python kamu membangun RAG manual: baca dokumen, potong jadi chunk, buat embedding, simpan ke ChromaDB, cari yang mirip, susun prompt. Knowledge Bases mengambil alih seluruh rantai itu.

Managed atau customer-managed?

Mulai dari Managed. Pindah ke customer-managed kalau kamu butuh kendali penuh atas indeks, punya vector store yang sudah ada, atau perlu konfigurasi penyimpanan yang tidak diekspos Managed KB.

Anatomi

Sumber data (S3, SharePoint, Confluence, …)
    │  job ingest
    ▼
Parsing ──▶ Chunking ──▶ Embedding ──▶ Vector store
                                            │
Pertanyaan ──▶ embedding ──▶ pencarian ──▶ potongan relevan
                                            │
                                            ├─ Retrieve            → potongan + sitasi
                                            └─ RetrieveAndGenerate → jawaban jadi + sitasi

Dua operasi runtime

import boto3

agen = boto3.client("bedrock-agent-runtime", region_name="us-east-1")

# 1) Retrieve — hanya mengambil potongan. Kamu yang menyusun prompt.
hasil = agen.retrieve(
    knowledgeBaseId=KB_ID,
    retrievalQuery={"text": "Bagaimana kebijakan cuti tahunan?"},
    retrievalConfiguration={"vectorSearchConfiguration": {"numberOfResults": 5}},
)
for potongan in hasil["retrievalResults"]:
    print(potongan["score"], potongan["content"]["text"][:80])
    print("  sumber:", potongan["location"])

# 2) RetrieveAndGenerate — sekaligus menjawab
jawab = agen.retrieve_and_generate(
    input={"text": "Bagaimana kebijakan cuti tahunan?"},
    retrieveAndGenerateConfiguration={
        "type": "KNOWLEDGE_BASE",
        "knowledgeBaseConfiguration": {
            "knowledgeBaseId": KB_ID,
            "modelArn": f"arn:aws:bedrock:us-east-1::foundation-model/{MODEL_ID}",
        },
    },
)
print(jawab["output"]["text"])
for sitasi in jawab["citations"]:
    for ref in sitasi["retrievedReferences"]:
        print("  ←", ref["location"])

Menjaga data tetap segar

Knowledge base tidak memperbarui dirinya sendiri. Setiap perubahan pada sumber data butuh job ingest:

agent = boto3.client("bedrock-agent")

agent.start_ingestion_job(knowledgeBaseId=KB_ID, dataSourceId=DS_ID)

Dua pola menjalankannya, dan keduanya sudah kamu pelajari di Fase 1: EventBridge Scheduler untuk sinkronisasi berkala, atau event S3 untuk memicu ingest begitu dokumen baru diunggah. Job inkremental hanya memproses yang berubah, jadi menjalankannya sering itu murah.

Izin yang dibutuhkan

Pemisahan baris kedua dan ketiga itu penting: aplikasi yang melayani pengguna tidak punya alasan untuk bisa memicu ingest atau menghapus knowledge base.