前言

隨着 ChatGPT 的問世，我們迎來了許多創新和變革的機會。一年一度的亞馬遜雲科技大會 re:Invent 也帶來了許多前言的技術，其中 AWS CEO Adam Selipsky 在 2023 re:Invent 大會中介紹 Amazon Q 讓我印象深刻，這預示着生成式 AI 的又一里程碑。

在本文中，我們將探討 Amazon Q 是什麼以及它能為我們做些什麼。我們還將詳細介紹如何使用 Amazon Q 來構建知識庫，並分享一些實際案例。無論是個人學習，還是團隊協作，Amazon Q 都將是您的理想之選。

讓我們一起深入瞭解 Amazon Q，並探索如何在知識庫建設中充分發揮其潛力。

Amazon Q 是什麼

Amazon Q 是一款基於生成式人工智能的助手，通過連接如代碼倉庫、網址、數據庫、文檔、email等各種信息庫來幫助企業或者個人以自然語言對話的方式，提供歷史數據檢索、摘要生成、內容撰寫等。

Amazon Q 與通用生成式 AI 的區別

通用的生成式 AI 最大問題在於內容來源於互聯網的公開數據，無法針對特定的數據源進行訓練，比如無法跟企業內部數據，業務相結合，也無法滿足個人的個性化需求，記得當時玩 ChatGPT 遇到最大的問題在於數據源的限制，為了讓 ChatGPT 學習某個特定的技能，需要將內容拆分再提供給 ChatGPT 學習，這大大限制了生成式 AI 的能力。因此 Amazon Q 較 ChatGPT 而言有以下優勢：

• 與特定業務相結合；
• 支持多種數據源；
• 將權限引入生成式 AI 中，在企業中可以根據組織架構對人員設置不同的訪問權限；
• 使用 Amazon Kendra 可以將已訓練完成的數據源進行共享，大大縮短訓練時間。

接下來我們用 Amazon Q 打造一個 Rust 知識庫。

用 Amazon Q 打造知識庫

第一步

打開 Amazon Q 登錄或創建賬號，進入如下頁面。在頁面的開頭就清晰描述 Amazon Q 的工作方式。點擊【Create Application】，填寫 Application 基本信息，點擊【Create】進入下一步。

第二步

為應用程序選擇索引器。有以下兩種索引器：

• native retriever
• existing retriever

很遺憾，未能從官方文檔中瞭解到這兩種索引器的使用場景。但經過操作發現，native retriever 只能在當前應用下使用，existing retriever 一旦創建可以被多個應用使用。第一次使用我選擇了 native retriever。

第三步

添加數據源，Amazon Q 提供了多種數據源，我選了其中的 Web crawler ，填寫數據源名稱、url 等關鍵信息。其他信息按照提示填寫。特別注意 Sync scope，儘可能縮小範圍，避免爬取諸多無用的頁面，進而影響索引速度和內容相關性。

第四步

點擊【Sync now】後，需完成兩個步驟：

1. 抓取頁面內容
2. 為頁面創建索引

網頁數量越多，完成以上兩步的時間就越久。

比較耗時的步驟在於創建索引。所以儘可能縮小爬取範圍。其中：

• rust_book1：rust 語言聖經中文版
• rust_book2：rust 語音官方文檔（英文版）
• rust_book3：rust 語音官方文檔（中文版）
• rust_book4：Rust語言實戰（英文版）
• rust_book5：Rust語言實戰（中文版）

第五步

點擊【Preview web experience】進行預覽，將會打開一個對話界面進行測試。也可以通過最後一步使用 IAM 集成符合 SAML 2.0 的外部身份提供商 (IdP) 的方式進行部署對外通過訪問。

測試結果如下，確實如官方文檔所言目前僅支持對英文文檔進行索引，雖然能用多種語言進行對話，但英語對話的效果最佳。

總結

Amazon Q 旨在改變企業與數據交互的方式。該可以幫助用户解答特定於業務的問題，而不需要手動搜索。Amazon Q可以通過AWS管理控制枱、公司文檔頁面、Slack等多個渠道訪問，並保證數據隱私和安全。

想象在公司內的幾個場景：

• 一個新人，想要了解公司的業務
• A 項目現在誰負責，都有誰參與
• A 項目 B 業務板塊怎麼操作，文檔在哪
• …

當有了 Amazon Q 這一切都會發生改變，我們期待的未來已來。

本文參與了「構」向雲端 | 亞馬遜雲科技 x 思否 2023 re:Invent 構建者徵文大賽 ，歡迎正在閲讀的你也加入。

授權聲明：本篇文章授權活動官方亞馬遜雲科技文章轉發、改寫權，包括不限於在 Developer Centre，知乎，自媒體平台，第三方開發者媒體等亞馬遜雲科技官方渠道