#RAG

文章介绍如何用 AWS CDK 在托管 Amazon Bedrock Knowledge Base 上部署企业级智能体检索系统。

托管知识库（Type: MANAGED）由 Amazon Bedrock 负责数据摄取、存储、索引和检索，默认使用服务托管模型完成嵌入与重排序，用户无需再创建、扩展或按 OpenSearch Compute Units（OCUs）付费购买 OpenSearch Serverless 集合与索引。AgenticRetrieveStream API 将多轮规划、工具驱动检索和带引用的答案作为服务原生能力提供，且智能体检索仅在托管知识库上可用。

IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了企业知识助手，让员工用自然语言查询零售运营、兽医诊疗、人事入职和采购等领域的内部文档，覆盖西班牙、葡萄牙、法国三国和四种语言，且无需自建 RAG 基础设施。

该助手通过原生 SharePoint 连接器直接读取现有文档库，避免数据迁移，并启用高级索引处理文档内嵌图片内容。检索环节采用语义与关键词（BM25）混合搜索及托管重排序，均不额外收费，同时在检索时沿用 SharePoint 原有文档级权限，只返回提问者有权查看的内容。答案要求标注来源，检索内容不足时模型会明确说明。

Octave 在 Amazon Bedrock 上为质量管理平台 Reliance 搭建了多租户 AI 基础平台，使单个用例的部署时间缩短 50%。

该平台服务医疗设备、制药和食品制造领域的 650 多家企业客户，各租户数据严格隔离，检索逻辑、向量存储和生成上下文均限定在单一租户内。

本系列第三篇用 Strategy Mosaic 作为语义层，在 Amazon Redshift 与 Amazon Aurora 上以两个链接模型建模 Customer 360 域，无需 ETL，并通过 MCP 端点让托管在 Amazon Bedrock AgentCore 上的 Strands 智能体访问。

本教程演示如何用 Denodo Platform 作为语义层、配合 Amazon Bedrock AgentCore 托管智能体，构建跨 AWS 与本地数据源的 Customer 360 查询方案。

Denodo 将 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 中的客户资料、订单历史与奖励账户三张表联邦为单一 customer_360 视图，智能体通过 Denodo MCP Server 以 VQL 查询，无需 ETL 搬移数据。

亚马逊云科技介绍如何用 Amazon Bedrock AgentCore 构建智能体式文档处理（IDP）系统，由 8 个专用智能体组成识别与训练两条工作流，自动分类、提取、校验并从新文档格式中学习。

系统可在 20 分钟内完成部署，无需为新文档类型手动配置模板，验证失败时由 Instructions Fixer 或 Troubleshooter 智能体自动修复。

基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中完成一份仅需不到 90 秒。

ShipStation Global 工程团队基于 Amazon Bedrock AgentCore 打造了 Slack 内的 AI IT 服务台 Deckhand，可回答常规 IT 与公司问题、识别报错截图并创建和更新 Jira Service Management 工单。

Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI，可将自然语言问题转换为 Sonar 查询。

相比最初把 900+ 模型定义塞进单个提示词的方案，其查询成本降低 90%、输入 token 减少 93%、延迟降低 75%，目前每天处理数千次查询、响应时间 15 秒。

Postman 披露其 Agent Mode 在 Amazon Bedrock 上的生产架构，用于支撑 4000 万开发者的 API 测试、文档、发现与实现工作。

Amazon Quick 与 Amazon Bedrock Knowledge Bases 在预检索 ACL 过滤之外新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。

Qlik 基于 Amazon Bedrock 打造 Qlik Answers，为全球超 4 万家客户提供带来源引用的自然语言问答，2026 年 2 月正式可用后其 Discovery Agent 已为客户发现超 10 万条洞察。

GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应随风险变化；Skills 与 MCP 解决不同问题，前者是打包的专家经验，后者为智能体提供连接工具和数据的标准接口；RAG 并未消亡，它与 Agent、Skills、MCP 可以共存于同一工作流。

Mistral 发布 Agentic Search，作为让 AI 系统在复杂文档中导航、阅读并核验信息的检索层，通过 Mistral Search Toolkit 和 Studio、Vibe 中的 Libraries 提供。