Агентный поиск с использованием LangChain и баз знаний Amazon Bedrock
aws ·
В данной статье демонстрируется реализация агентного поиска (agentic retrieval) с использованием LangChain и баз знаний Amazon Bedrock для более эффективной обработки сложных многокомпонентных запросов пользователей по сравнению со стандартным одношаговым поиском. В то время как стандартный поиск опирается на единичный векторный поиск, который часто упускает конкретные намерения в составных вопросах, агентный поиск разбивает запрос на подзапросы, оценивает достаточность доказательств и при необходимости повторяет процесс. Авторы предоставляют техническое руководство по настройке базы знаний, конфигурированию разрешений IAM и интеграции обоих методов поиска в приложение на базе LangChain. Они отмечают, что агентный поиск требует больших затрат и вызывает задержки, но обеспечивает значительно более высокий уровень полноты ответов (recall) на вопросах, требующих множественных переходов или сравнений. В посте также объясняется, как получить доступ к событиям трассировки через прямые вызовы API для анализа процесса планирования, и указывается на текущие трудности интеграции, такие как необходимость оборачивания функций агента в объекты RunnableLambda. В конечном итоге авторы рекомендуют маршрутизировать запросы в зависимости от их сложности: использовать стандартный поиск для простых вопросов и агентный поиск для сложных, чтобы сбалансировать затраты и точность.
aws