AWS представила полностью управляемое решение для создания корпоративного поиска и RAG-систем, избавляющее от необходимости самостоятельно настраивать векторные базы данных и парсеры.
3 мин
Amazon Web Services перевела в стадию общедоступного релиза (general availability) сервис Managed Knowledge Base для Amazon Bedrock. Это решение берет на себя всю техническую сложность по созданию пайплайнов для систем генеративного искусственного интеллекта и интеллектуального поиска по корпоративным данным.
До сих пор создание систем поисковой генерации (RAG) требовало объединения множества разрозненных компонентов. Разработчикам приходилось самостоятельно настраивать коннекторы к базам данных, писать парсеры для различных форматов файлов, выбирать и развертывать векторные хранилища, а также внедрять сложную логику извлечения информации. Помимо этого, необходимо было решать проблемы масштабирования, безопасности и контроля доступа на уровне отдельных документов. На сборку и тестирование базового пайплайна уходили недели инженерного времени.
Diagram showing the native enterprise connectors and real-time ACL checks feeding documents into Managed Knowledge Base
Новый сервис от Amazon предлагает абстракцию высокого уровня: настройка базовой инфраструктуры теперь выполняется всего в три шага через API. Система включает шесть встроенных корпоративных коннекторов, среди которых Amazon S3, Microsoft SharePoint, Atlassian Confluence, Google Drive, Microsoft OneDrive, а также встроенный веб-краулер. Ключевая особенность этих коннекторов — поддержка списков контроля доступа (ACL) в реальном времени. Система проверяет права пользователя непосредственно в первоисточнике в момент запроса, гарантируя, что языковая модель не получит доступ к закрытым документам.
Сервис автоматически обрабатывает мультимодальные данные. Вместо создания отдельных пайплайнов для каждого типа файлов, система сама подбирает стратегию парсинга. Она корректно извлекает данные из таблиц, диаграмм и документов со сложной версткой (PDF, PPTX, DOCX), а также поддерживает обработку тяжелых медиафайлов: аудио размером до 2 ГБ и видео до 10 ГБ.
Хранение данных также полностью управляется на стороне AWS. Сервис автоматически выделяет ресурсы, выбирает размерность векторов и метрики сходства, масштабируясь от гигабайт до терабайт без вмешательства пользователя. Гибридный поиск, объединяющий семантический поиск и поиск по ключевым словам, включен по умолчанию.
Architecture diagram of AgentCore Gateway fronting a Managed Knowledge Base, with MCP-compatible agent frameworks invoking it as a tool through a single gateway URL
Особого внимания заслуживают два режима извлечения информации. Стандартный метод (Retrieve) предназначен для прямых ответов на вопросы и сценариев, где критична низкая задержка. Второй метод — агентный поиск (Agentic Retrieval) — использует базовые модели (foundation models) для решения сложных аналитических задач. При получении комплексного запроса система разбивает его на подзапросы, параллельно ищет информацию в нескольких базах знаний, оценивает полноту найденных данных и, при необходимости, инициирует дополнительные циклы поиска (до пяти итераций). Это позволяет системе проводить сравнительный анализ и отслеживать цепочки решений в разрозненных документах.
Переход от самостоятельной сборки RAG-систем к управляемым сервисам — это закономерный этап развития индустрии. Компании не хотят тратить ресурсы на поддержку инфраструктуры векторных баз данных или написание алгоритмов для фрагментации (chunking) текста. Amazon предлагает решение, которое существенно снижает порог входа для внедрения искусственного интеллекта в корпоративный сектор.
В ближайшем будущем мы увидим усиление конкуренции между облачными провайдерами за предоставление лучших готовых RAG-решений. По мере того как базовые инфраструктурные задачи будут полностью автоматизированы, фокус разработчиков сместится на создание специализированной бизнес-логики и улучшение пользовательского опыта. Агентный подход к поиску, вероятно, станет стандартом для сложных аналитических задач в корпоративной среде.
Spectrum diagram showing AWS knowledge retrieval options from Amazon Quick (highest abstraction) through Managed Knowledge Base and Bedrock Knowledge Bases to a custom RAG pipeline (lowest abstraction)
Изображение из источника
AWS выпустила управляемый сервис для RAG, который абстрагирует сложность настройки векторных баз, парсеров и коннекторов, позволяя развернуть безопасный корпоративный поиск за минуты.
Главная ценность сервиса заключается не в самих алгоритмах поиска, а во встроенном решении проблемы контроля доступа (ACL) на этапе запроса, что исторически было главным барьером для внедрения генеративного ИИ в крупных корпорациях.
