AWS добавила табличный поиск в Amazon Bedrock Managed Knowledge Base, об этом сообщает AWS Machine Learning Blog. Благодаря функции агентный поиск теперь отвечает на вопросы, которым нужны данные из файлов CSV, XLSX и XLS.
Какую проблему решают
Обычная схема RAG возвращает ограниченный набор фрагментов, лучше всего подходящих под вопрос. Для текста этого хватает, а для таблиц нет. Длинная таблица разбивается на множество фрагментов, поэтому итог или проверка порога строятся лишь по нескольким строкам. В широкой таблице одна строка может содержать больше текста, чем обрабатывает модель поиска, и значения из дальних столбцов находить сложнее. К тому же вопросы задают языком бизнеса, а в таблицах стоят коды центров затрат и названия счетов. Правило, которое придаёт цифрам смысл, часто записано в отдельной политике.
Как это работает
Табличный поиск встроен в существующий агентный поиск, поэтому ничего включать не нужно. Запросы идут через тот же вызов AgenticRetrieveStream, что и для документов. Система находит релевантные выдержки, решает, нужно ли выполнять код над одной или несколькими найденными таблицами, и копирует исходный файл в изолированную песочницу без доступа к сети. Код, написанный моделью, проходит по всей таблице или листу и возвращает только то, что выводит на печать: например, суммы или подходящие строки. Затем агент пишет ответ на основе этих результатов и найденных фрагментов, с цитатами.
Сначала поиск всё равно должен найти нужный файл с таблицей, поэтому название файла в вопросе помогает, особенно если есть черновик и финальная версия. API Retrieve по-прежнему возвращает только фрагменты и код не запускает. Функция работает с файлами, подключёнными через коннекторы, такие как Amazon S3, Microsoft SharePoint и Atlassian Confluence.
Пример из статьи
В статье использованы вымышленные финансовые файлы: книга отчёта о прибылях и убытках, политика по отклонениям, записка о закрытии квартала и бизнес-обзор. Один из вопросов: каким отделам нужно написать комментарий к отклонениям. Для ответа нужны порог из политики, пересмотры бюджета из записки и расчёты по строке каждого отдела. Обычный поиск возвращает фрагменты, но не ответ. Табличный поиск называет отделы Sales, Engineering и Operations, ссылается на политику и записку, а трассировка показывает, какую книгу прочитал код.
Ограничения
- Ответы с данными из таблиц приходят дольше: выполнение кода добавляет как минимум один шаг агента.
- Управляемые метрики, регулярные дашборды и соединения в масштабе хранилища данных остаются за BI-инструментами.
- Файлы больше лимита фильтра размера в источнике данных не загружаются, и код их прочитать не может.
- Код работает с файлами CSV до 500 МБ, а с листами Excel только до 200 МБ, по состоянию на момент написания статьи.
- Сгенерированный код не возвращается, поскольку может содержать значения ячеек. В трассировке указаны прочитанные файлы.
- У вызывающей стороны должны быть права на агентный поиск, включая bedrock:GetDocumentContent: агент читает исходный файл с учётными данными вызывающего.
В статье также разобраны пример настройки с источником данных в S3, диалоги из нескольких реплик и фильтры по метаданным, которые определяют, какие файлы может читать код.