翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Amazon Bedrock ナレッジベースでデータを取得して AI レスポンスを生成する
<a name="knowledge-base"></a>

基盤モデルは一般的な知識を備えていますが、検索拡張生成 (RAG) を使用することで、レスポンスをさらに改善できます。RAG は、データソースからの情報を使用して、生成されるレスポンスの関連性と正解率を向上させる手法です。Amazon Bedrock ナレッジベースを使用すると、独自の情報を生成 AI アプリケーションと統合できます。クエリが実行されると、ナレッジベースはデータを検索し、クエリに回答するために必要な関連情報を検索します。取得した情報は、その後、生成されるレスポンスの改善に利用できます。Amazon Bedrock ナレッジベースは、大規模なデータセットで安全に取得を活用することで、安全なエンタープライズグレードのエージェント AI アプリケーションを構築するのに役立ちます。

Amazon Bedrock ナレッジベースには、次の 2 種類のナレッジベースがあります。
+ **マネージドナレッジベース** – Amazon Bedrock は、基盤となるデータの取り込み、インデックス作成、ストレージ、取得インフラストラクチャを管理し、アプリケーションとエージェントのロジックに集中できるようにします。マネージドナレッジベースは、マルチモーダルデータの取り込み、ストレージの自動スケーリング、マルチホップ推論のためのエージェント検索などの高度な機能を提供しながら、主要なカスタマイズを提供し続け、エージェントをユースケースに合わせて調整できます。データソースを接続すると、Amazon Bedrock はデフォルトでサービスマネージドモデルを使用して埋め込み、再ランク付け、推論を管理します (独自のモデルを選択するオプションを使用）。Managed Knowledge Base は AgentCore Gateway とネイティブに統合されるため、任意の MCP 互換エージェントフレームワークがカスタムコードなしでツールとしてナレッジベースを検出して呼び出すことができます。Managed Knowledge は、Amazon S3、SharePoint、Confluence、Google Drive、OneDrive、Web Crawler 用のコネクタと、取得時にアクセスコントロールリスト (Web Crawler を除く) を使用したドキュメントレベルのアクセス許可フィルタリングを提供します。スマート解析機能は、PDFs、PPTX、DOCX、ビジュアルが埋め込まれたドキュメント、オーディオ、ビデオ、スキャンされたドキュメントなど、ドキュメントタイプごとに解析戦略を自動的に選択します。エージェント検索は、マルチホップ推論をサポートし、複雑なクエリをサブクエリに分解し、複数のナレッジベース間で反復的に取得し、レスポンスの十分性を評価します。AgentCore Observability とのネイティブ統合は、組み込みのモニタリング、取得トレース、エージェントトレース、およびナレッジごとのベースメトリクスを提供します。
+ **セルフマネージドナレッジベース** – これにより、ベクトルストア (Amazon OpenSearch Serverless、Amazon Aurora、Amazon Neptune など) を含む独自の RAG パイプラインを設定および管理し、データの取り込み、解析、インデックス作成、ストレージ設定を完全に制御できます。マルチモーダルデータの解析など、関連するインフラストラクチャと設定をセットアップおよび管理する必要があります。サードパーティーコネクタ、ドキュメントレベルのアクセス許可、ネイティブ AgentCore Gateway 統合などのいくつかの機能は、マネージドナレッジベースでのみ使用できることに注意してください。

Amazon Bedrock ナレッジベースを使用すると、以下が可能になります。
+ データソースから関連情報を返すことで、ユーザークエリに回答します。
+ データソースから取得した情報を使用して、ユーザークエリに対して正確かつ関連性の高いレスポンスを生成します。
+ 返された関連情報をプロンプトにフィードして、独自のプロンプトを拡張します。
+ 元のデータソースを参照して、正解率をチェックできるように、生成されたレスポンスに引用を含めます。
+ 大量のビジュアルリソースを備えたドキュメントを含めて、イメージを抽出してクエリへの応答として取得できるようにします。取得したデータに基づいてレスポンスを生成すると、モデルはこれらのイメージに基づいて追加のインサイトを提供できます。
+ イメージをクエリとして使用して視覚的に類似したコンテンツを検索するか、マルチモーダル埋め込みモデルを使用して、クエリでテキストとイメージを組み合わせてより正確な結果を得ることができます。
+ モデルの再ランク付けを使用して、データソースから取得される結果に影響を与えます。

**Topics**
+ [ナレッジベースの仕組み](kb-how-it-works.md)
+ [サポートされているモデルとリージョン](knowledge-base-supported.md)
+ [設定なしでドキュメントとチャットする](knowledge-base-chatdoc.md)
+ [ナレッジベースを作成および管理するためのアクセス許可を設定する](knowledge-base-prereq-permissions-general.md)
+ [マネージドナレッジベースを構築する](kb-build-managed.md)
+ [ベクトルストアを使用してナレッジベースを構築する](knowledge-base-build.md)
+ [構造化データストアに接続してナレッジベースを構築する](knowledge-base-build-structured.md)
+ [Amazon Kendra GenAI Index を使用してナレッジベースを構築する](knowledge-base-build-kendra-genai-index.md)
+ [Amazon Neptune Analytics のグラフを使用してナレッジベースを構築する](knowledge-base-build-graphs.md)
+ [クエリとレスポンスを使用してナレッジベースをテストする](knowledge-base-test.md)
+ [アプリケーションのナレッジベースをデプロイする](knowledge-base-deploy.md)
+ [ナレッジベースに関する情報を表示する](kb-info.md)
+ [ナレッジベースを変更する](kb-update.md)
+ [ナレッジベースを削除する](kb-delete.md)