Amazon Kendra 功能

除企業內容之外，為您的使用者建立安全、生成式 AI 技術的對話體驗。Amazon Kendra 提供優化的 Kendra Retriever API，可讓您使用 Amazon Kendra 的高準確度語義排名器，做為 Retrieval Augmented Generation (RAG) 工作流程的企業擷取器。Kendra Retriever API 會從您的企業內容中尋找並擷取與使用者問題語意最相關的段落，並且具有優化的精細度，以最大限度地提升 RAG 承載的品質，而無需您具備精確語意擷取方面的專業知識。然後，這些優化的段落可與使用者的問題一起傳送至 LLM 以獲得生成式回應。Kendra Retriever API 還包括 Kendra 功能，例如以 ACL 為基礎的篩選、相關性調整、以中繼資料為基礎的篩選等。

使用 Amazon Kendra 和全新 Retriever API 提供下列優勢，以便您建置 Gen AI 體驗：

• 智慧型文件區塊化：僅將內容中最相關的段落傳送至 LLM。
• 針對 RAG 進行最佳化：Kendra Retriever API 以 LLM 答案準確性所需的最佳精細度傳回最相關的段落。
• 使用者 ACL 篩選：僅傳回最終使用者有權從您的企業內容檢視的段落。
• 相關性提升：透過依據日期、來源儲存器或任何中繼資料增強特定內容，來改善 LLM 答案。
• 加速 Gen AI 應用程式開發：善用上述功能，而不是從頭開始建置自己的企業擷取器，藉此來快速啟動並執行。

若要開始使用 Kendra Retriever API，請參閱這裡的文件，並參閱此部落格文章以取得開始使用的提示、最佳實務和程式碼範本。

Amazon Kendra 利用 ML 從非結構化的資料提供更相關的答案。搜尋 (如「健康福利」) 一般關鍵字，或詢問「產假的時間是多久？」的自然語言問題，Amazon Kendra 會使用閱讀理解來給予具體的答案 (「14 週」)。更多一般的問題，例如「如何配置我的 VPN？」 Amazon Kendra 會透過提取最相關的文字段落給予描述性答案。

Amazon Kendra 同樣也支援常見問答集配對並使用專門的模型從精選的常見問答集提取答案，其可精確定位最接近的問題並回覆相應的答案。 

Amazon Kendra 甚至可在 HTML 頁面內嵌的資料表中找到答案。 您可以提出諸如「年費最低的信用卡是什麼？」之類的問題。在行銷網頁上的信用卡比較表中可以找到答案。

為了補充上述智慧搜尋功能，Amazon Kendra 使用深度學習語義搜尋模型進行準確的文件排名。整體而言，這可提供更豐富的搜尋體驗，呈現特定答案，在您需要更多資訊時，提供相關內容以供探索。

Amazon Kendra 使用機器學習 (ML)，根據終端使用者的搜尋模式與意見回饋，持續最佳化搜尋結果。例如，當使用者搜尋「如何變更我的醫療保健福利？」時，將會有多份人力資源 (HR) 福利相關文件競爭搜尋結果的榜首位置。為了確定與此問題最相關的文件，Amazon Kendra 會從使用者互動與意見回饋中學習，將首選文件移至清單上方。它可自動應用增量改進學習技術，您無需具備機器學習 (ML) 專業知識。

您可以根據特定企業目標，微調搜尋結果並在結果中提高特定的答案和文件。例如，相關性調整可協助您根據更多權威性的資料來源、作者或文件新鮮度來提高結果。若要進一步了解，請參閱我們的相關性調整部落格文章。

為了擴展 Amazon Kendra 對於特定企業詞彙的理解，您可以提供自己的自訂同義詞。Amazon Kendra 會使用這些同義詞自動擴展查詢，以便包含與擴展詞彙相匹配的內容和答案。例如，當使用者詢問「什麼是 HSA？」時 Amazon Kendra 將回覆參考「健康儲蓄帳戶」或是 “HSA” 的文件。

使用連接器搭配 Amazon Kendra 是一種更快速、簡便的方式，只需將資料來源新增至 Amazon Kendra 索引並選取連接器類型即可。連接器可進行排程，以便自動將您的索引與資料來源同步，如此一來，您就可以隨時安全地搜尋最新內容。Amazon Kendra 為 Amazon Simple Storage Service (S3)、Microsoft SharePoint、Salesforce、ServiceNow、Google Drive、Confluence 等熱門資料來源提供本機連接器。如果沒有可用的本機連接器，Amazon Kendra 會提供自訂資料來源連接器以及許多支援合作夥伴的連接器。如需關於 Amazon Kendra 連接器可用性的詳細資訊，請造訪 Amazon Kendra 連接器資料庫。

Amazon Kendra 會使用深度學習模型，以了解包括人資、營運、支援及研發在內的眾多內部使用案例的自然語言查詢和文件內容及結構。Amazon Kendra 也經過優化處理，可了解 IT、金融服務、保險、製藥、產業製造、石油與天然氣、法律、媒體與娛樂、觀光旅遊業、醫療保健、新聞、電訊、礦業、食品與飲料、汽車等領域的複雜語言。例如，搜尋人資答案的使用者可以輸入「提交 HSA 表格的截止日期」，Amazon Kendra 亦將會搜尋「提交健康儲蓄帳戶表格的截止日期」，以便涵蓋更廣泛的搜尋範圍，讓使用者獲得最準確的答案。

您現在只需幾個步驟，即可使用 Amazon Kendra 部署功能齊全且可定製的搜尋體驗，無需編寫任何程式碼或機器學習 (ML) 經驗。Experience Builder 提供直觀的視覺化工作流程，可在雲端安全快速地建置、自訂和啟動搜尋應用程式。您可以從建置器中的即用型搜尋體驗範本開始，透過拖放所需的元件 (如篩選條件或排序)，即可對其進行自訂。您可以邀請他人協作或測試您的搜尋應用程式以獲得意見回饋，然後在您準備好部署體驗時與所有使用者共享該專案。Amazon Kendra Experience Builder 整合 AWS IAM Identity Center (AWS Single Sign-On 的後繼者)，支援 Azure AD 和 Okta 等常用的身分供應商，在存取搜尋體驗的同時，能夠提供安全的最終使用者 Single Sign-On 身分驗證。如需關於 Amazon Kendra Experience Builder 的詳細資訊，請瀏覽文件。

藉助 Amazon Kendra 搜尋分析儀表板，您可以更好地了解搜尋應用程式中的品質和可用性指標。儀表板可協助管理員和內容建立者了解最終使用者尋找相關搜尋結果的難易程度、搜尋結果的品質以及內容中的差距。它提供您的使用者如何與您的搜尋應用程式互動，以及您的搜尋結果有效性的快照。可以在主控台的視覺化儀表板中檢視分析資料，或透過 API 存取資料來建置自己的儀表板。它讓您能夠深入了解搜尋趨勢和使用者行為，以識別洞察，還有助於明確潛在的改善領域。如需有關 Amazon Kendra 搜尋分析儀表板的詳細資訊，請瀏覽文件。

憑藉 Amazon Kendra 自訂文件擴充功能，您可以建置自訂擷取管道，這可在文件索引至 Amazon Kendra 之前對其進行預處理。例如，在使用我們的連接器從 SharePoint 等儲存庫中擷取內容時，您可以使用額外的中繼資料來豐富文件、將掃描的文件轉換為文字、對文件進行分類、擷取實體，並使用自訂 ETL 程序進一步轉換文件。擴充透過可在主控台設定的規則，或從 AWS Lambda 叫用函數來執行。這些函數可選擇呼叫其他 AWS AI 服務，例如 Amazon Comprehend、Amazon Transcribe 或 Amazon Textract。如需關於 Amazon Kendra 自訂文件擴充的詳細資訊，請瀏覽文件。

Amazon Kendra 包括自動完成最終使用者搜尋查詢的功能。查詢自動完成功能不僅有助於您減少大約 25% 的打字量，還可以指導您提出更為精確和常見的問題來給予更完善的協助。提出這些問題通常也會獲得更相關和實用的答案。例如，若您開始在搜尋方塊中輸入「哪裡」，Amazon Kendra 即可建議「IT 服務台在哪裡？」或「自助餐廳在哪裡？」等選項和其他相關的常見問題，以完成查詢。