Un'azienda sta migrando un'applicazione Retrieval-Augmented Generation su AWS. I documenti sono già stati spostati in un bucket S3. L'applicazione richiede una ricerca testuale semantica su tali file. Quale soluzione AWS soddisfa questo requisito?

La risposta corretta è "Ingerire i documenti S3 in Amazon Kendra utilizzando il connettore S3 e utilizzare Amazon Kendra per eseguire la ricerca semantica". Amazon Kendra è un servizio di ricerca intelligente che supporta la ricerca semantica su vari tipi di documenti, inclusi quelli archiviati in S3, tramite un connettore integrato. È progettato specificamente per casi d'uso RAG, fornendo una ricerca altamente accurata e contestuale. Le altre opzioni sono meno adatte: Eseguire un job AWS Batch per calcolare gli embedding e archiviarli in AWS Glue non offre una soluzione di ricerca semantica completa e pronta all'uso; richiederebbe un'implementazione complessa della logica di ricerca. Utilizzare un notebook Amazon SageMaker per generare gli embedding e salvarli in SageMaker Feature Store è un approccio valido per la gestione degli embedding, ma non fornisce un motore di ricerca semantica integrato come Kendra. Richiederebbe ulteriori sviluppi per la funzionalità di ricerca. Amazon Textract è un servizio di estrazione di testo e dati dai documenti, non un motore di ricerca semantica. Non è progettato per eseguire ricerche semantiche sui contenuti dei documenti.