Questions fréquentes (FAQ) sur HAQM Kendra
Commencer à créer sur la console
Commencer à créer avec HAQM Kendra dans AWS Management Console.
HAQM Kendra est un service de recherche d'entreprise très précis et facile à utiliser qui repose sur la technologie du machine learning (ML). Il permet aux développeurs d'ajouter des capacités de recherche à leurs applications afin que leurs utilisateurs finaux puissent découvrir les informations stockées dans le vaste contenu réparti à l'échelle de leur société. Il s'agit notamment de données issues de manuels, de rapports de recherche, de questions fréquentes, de documentations de ressources humaines (RH) et de guides de services clients, qui peuvent se trouver dans divers systèmes, comme HAQM Simple Storage Service (S3), Microsoft SharePoint, Salesforce, ServiceNow, des bases de données RDS ou Microsoft OneDrive. Lorsque vous saisissez une question, le service utilise des algorithmes ML pour comprendre le contexte et renvoyer les résultats les plus pertinents, qu'il s'agisse d'une réponse précise ou d'un document entier. Par exemple, vous pouvez poser une question du type « Combien la carte de crédit d'entreprise rapporte-t-elle en cashback ? » pour qu'HAQM Kendra consulte les documents pertinents et retourne une réponse spécifique (par exemple « 2 % »). Kendra met à votre disposition un exemple de code pour vous permettre de commencer à intégrer de façon simple et rapide une fonction de recherche très précise dans vos applications nouvelles ou existantes.
HAQM Kendra fournit des capacités de recherche à technologie ML pour toutes les données non structurées que vous stockez dans AWS. HAQM Kendra propose des connecteurs natifs faciles à utiliser pour les types de référentiels AWS courants comme les bases de données HAQM S3 et HAQM RDS. D'autres services d'IA, tels qu'HAQM Comprehend, HAQM Transcribe et HAQM Comprehend Medical, peuvent être utilisés pour prétraiter des documents, générer du texte interrogeable, extraire des entités et enrichir les métadonnées pour des expériences de recherche plus spécialisées.
Lorsque vos données ne contiennent pas de réponse précise à une question, HAQM Kendra renvoie la liste des documents les plus pertinents classés par ses modèles de deep learning.
HAQM Kendra ne prend pas encore en charge les questions pour lesquelles les réponses nécessitent l'agrégation de passages de plusieurs documents ou des calculs.
La console HAQM Kendra offre le moyen le plus simple de démarrer. Vous pouvez diriger HAQM Kendra vers des documents non structurés et semi-structurés comme des questions fréquentes (FAQ) stockées dans HAQM S3. Après l'ingestion, vous pouvez commencer à tester Kendra en saisissant des requêtes directement dans la section « search » (recherche) de la console. Vous pouvez ensuite déployer la recherche HAQM Kendra de deux façons simples : (1) utilisez l'éditeur d'interface utilisateur visuel d'Experience Builder (aucun code nécessaire) ou (2) implémentez l'API HAQM Kendra en utilisant quelques lignes de code pour un contrôle plus précis. Des exemples de code sont également fournis dans la console pour accélérer l'implémentation de l'API.
HAQM Kendra offre une expertise propre aux domaines juridique, de l'informatique, de la pharmaceutique, des assurances, de l'énergie, de l'industrie, des services financiers, des médias et du divertissement, du voyage et de l'hôtellerie, de la santé, des ressources humaines, des actualités, des télécommunications et de l'automobile. Vous pouvez ajuster et développer la compréhension dans un domaine spécifique de Kendra en fournissant vos propres listes de synonymes. Il vous suffit pour cela de charger un fichier avec votre terminologie spécifique, et HAQM Kendra utilise ces synonymes pour enrichir les recherches des utilisateurs.
HAQM Kendra prend en charge les données non structurées et semi-structurées au format .html, MS Office (.doc, .ppt), PDF et texte. Avec la solution MediaSearch, vous pouvez également utiliser HAQM Kendra pour rechercher des fichiers audio et vidéo.
HAQM Kendra vous propose deux méthodes pour tenir à jour votre index. Premièrement, les connecteurs vous permettent de planifier une synchronisation automatique et régulière de vos sources de données. Deuxièmement, l'API HAQM Kendra vous permet de créer votre propre connecteur de façon à envoyer les données directement à HAQM Kendra à partir de votre source de données via vos tâches ou applications ETL existantes.
Pour en savoir plus sur la prise en charge des langues, consultez cette page de documentation.
L'intégration de contenu ne nécessite pas de codage lorsque vous utilisez les connecteurs natifs. Vous pouvez également écrire vos propres connecteurs personnalisés pour les intégrer à d'autres sources de données, à l'aide du kit SDK HAQM Kendra. Vous pouvez déployer la recherche HAQM Kendra de deux façons simples : (1) utilisez l'éditeur d'interface utilisateur visuel d'Experience Builder (aucun code nécessaire) ou (2) implémentez l'API Kendra à l'aide de quelques lignes de code pour plus de flexibilité. Des exemples de code sont également fournis dans la console pour accélérer l'implémentation de l'API. Le kit SDK offre un contrôle et une flexibilité complets de l'expérience de l'utilisateur final.
Pour en savoir plus, consultez la page Services régionaux AWS.
Vous pouvez écrire vos propres connecteurs à l'aide de l'API HAQM Kendra Custom Data Source. De plus, HAQM Kendra dispose d'un écosystème de partenaires experts en recherche qui peut vous aider à créer des connecteurs actuellement non disponibles depuis AWS. Pour en savoir plus sur notre réseau partenaires, contactez-nous.
HAQM Kendra chiffre vos données en transit et au repos. Trois choix s'offrent à vous pour les clés de chiffrement des données au repos : clé KMS appartenant à AWS, clé KMS gérée par AWS dans votre compte ou clé KMS gérée par le client. Pour les données en transit, HAQM Kendra utilise le protocole HTTPS pour communiquer avec votre application client. Les appels d'API pour accéder à HAQM Kendra via le réseau utilisent le protocole TLS (Transport Layer Security) qui doit être pris en charge par le client.
Oui, la solution MediaSearch combine HAQM Kendra à HAQM Transcribe, et permet aux utilisateurs de rechercher des réponses pertinentes incluses dans du contenu audio et vidéo.
L’index GenAI HAQM Kendra est un nouvel indice de Kendra conçu pour la génération augmentée de récupération (RAG) et la recherche intelligente afin d’aider les entreprises à créer des assistants numériques et des expériences de recherche intelligentes de manière plus efficiente et efficace. Cet indice offre une précision de récupération élevée, en tirant parti de modèles sémantiques avancés et des dernières technologies de récupération d’informations. L’index GenAI HAQM Kendra se connecte à plus de 40 sources de données d’entreprise et prend en charge les autorisations des utilisateurs grâce à un filtrage basé sur les métadonnées. Il peut être intégré à Bedrock Knowledge Bases et à d’autres outils Bedrock pour créer des assistants numériques alimentés par RAG, ou utilisé avec Q Business pour une solution d’assistant numérique entièrement gérée. Cette intégration permet de choisir les outils GenAI appropriés pour le contenu indexé. Vous pouvez créer des chatbots alimentés par RAG en combinant l’index GenAI Kendra avec des modèles de fondation, des invites personnalisées et des flux de travail. En outre, vous pouvez utiliser l’index avec Q Business pour créer un assistant GenAI entièrement géré sur votre contenu indexé.
L’index GenAI Kendra est profondément intégré à Q Business et à Bedrock Knowledge Base, offrant flexibilité et polyvalence dans la création de solutions d’IA générative d’entreprise. Vous pouvez tirer parti d’un indice d’IA générative en tant qu’extracteur dans Q Business pour une approche entièrement gérée de la création d’un assistant d’IA générative, offrant une expérience rationalisée sans configuration approfondie. De même, si vous avez besoin d’une plus grande configurabilité sur des aspects tels que la personnalisation d’invites, le choix du modèle de fondation et l’orchestration, vous pouvez utiliser l’index GenAI en tant qu’extracteur géré avec Bedrock Knowledge Bases pour adapter la solution à vos besoins. De plus, l’index GenAI favorise la mobilité entre Q Business et Bedrock Knowledge Bases, permettant ainsi une transition fluide à mesure que vos besoins évoluent.
L’index GenAI améliore la précision sémantique en intégrant la recherche vectorielle et des modèles sémantiques améliorés, qui ont été rigoureusement évalués sur divers jeux de données. L’index GenAI fonctionne avec Bedrock Knowledge Bases et a une capacité de départ plus petite, ce qui permet aux clients de démarrer avec une faible charge de travail.
Commencer à créer avec HAQM Kendra dans AWS Management Console.