あるチームが、Amazon Bedrock で実行されているオープンソースの LLM を使用して、Retrieval Augmented Generation (RAG) を利用したいと考えています。RAG のソースドキュメント (CSV および DOCX ファイル) は S3 バケットに保存されています。これらのファイルに対して RAG を有効にするために、運用上のオーバーヘッドが最も少ないアプローチはどれですか？

Amazon Bedrock のナレッジベースは、RAG のためのフルマネージドサービスであり、S3 バケット内のドキュメントを直接データソースとして使用できます。これにより、ベクトルデータベースの管理やデータ変換のパイプライン構築といった運用上のオーバーヘッドが最小限に抑えられます。SageMaker PipelinesやAutoMLは新しいモデルの生成やファインチューニングに焦点を当てており、既存のLLMとS3ドキュメントをRAGで連携させる直接的な解決策ではありません。Amazon Neptuneはグラフデータベースであり、RAGのベクトル検索には通常、専用のベクトルデータベースが使用されます。