前言

随着 ChatGPT 的问世，我们迎来了许多创新和变革的机会。一年一度的亚马逊云科技大会 re:Invent 也带来了许多前言的技术，其中 AWS CEO Adam Selipsky 在 2023 re:Invent 大会中介绍 Amazon Q 让我印象深刻，这预示着生成式 AI 的又一个里程碑。

在本文中，我们将探讨 Amazon Q 是什么以及它能为我们做些什么。我们还将详细介绍如何使用 Amazon Q 来构建知识库，并分享一些实际案例。无论是个人学习，还是团队协作，Amazon Q 都将是您的理想之选。

让我们一起深入了解 Amazon Q，并探索如何在知识库建设中充分发挥其潜力。

Amazon Q 是什么

Amazon Q 是一款基于生成式人工智能的助手，通过连接如代码仓库、网址、数据库、文档、email等各种信息库来帮助企业或者个人以自然语言对话的方式，提供历史数据检索、摘要生成、内容撰写等。

Amazon Q 与通用生成式 AI 的区别

通用的生成式 AI 最大问题在于内容来源于互联网的公开数据，无法针对特定的数据源进行训练，比如无法跟企业内部数据，业务相结合，也无法满足个人的个性化需求，记得当时玩 ChatGPT 遇到最大的问题在于数据源的限制，为了让 ChatGPT 学习某个特定的技能，需要将内容拆分再提供给 ChatGPT 学习，这大大限制了生成式 AI 的能力。因此 Amazon Q 较 ChatGPT 而言有以下优势：

• 与特定业务相结合；
• 支持多种数据源；
• 将权限引入生成式 AI 中，在企业中可以根据组织架构对人员设置不同的访问权限；
• 使用 Amazon Kendra 可以将已训练完成的数据源进行共享，大大缩短训练时间。

接下来我们用 Amazon Q 打造一个 Rust 知识库。

用 Amazon Q 打造知识库

第一步

打开 Amazon Q 登录或创建账号，进入如下页面。在页面的开头就清晰描述 Amazon Q 的工作方式。点击【Create Application】，填写 Application 基本信息，点击【Create】进入下一步。

第二步

为应用程序选择索引器。有以下两种索引器：

• native retriever
• existing retriever

很遗憾，未能从官方文档中了解到这两种索引器的使用场景。但经过操作发现，native retriever 只能在当前应用下使用，existing retriever 一旦创建可以被多个应用使用。第一次使用我选择了 native retriever。

第三步

添加数据源，Amazon Q 提供了多种数据源，我选了其中的 Web crawler ，填写数据源名称、url 等关键信息。其他信息按照提示填写。特别注意 Sync scope，尽可能缩小范围，避免爬取诸多无用的页面，进而影响索引速度和内容相关性。

第四步

点击【Sync now】后，需完成两个步骤：

1. 抓取页面内容
2. 为页面创建索引

网页数量越多，完成以上两步的时间就越久。

比较耗时的步骤在于创建索引。所以尽可能缩小爬取范围。其中：

• rust_book1：rust 语言圣经中文版
• rust_book2：rust 语音官方文档（英文版）
• rust_book3：rust 语音官方文档（中文版）
• rust_book4：Rust语言实战（英文版）
• rust_book5：Rust语言实战（中文版）

第五步

点击【Preview web experience】进行预览，将会打开一个对话界面进行测试。也可以通过最后一步使用 IAM 集成符合 SAML 2.0 的外部身份提供商 (IdP) 的方式进行部署对外通过访问。

测试结果如下，确实如官方文档所言目前仅支持对英文文档进行索引，虽然能用多种语言进行对话，但英语对话的效果最佳。

总结

Amazon Q 旨在改变企业与数据交互的方式。该可以帮助用户解答特定于业务的问题，而不需要手动搜索。Amazon Q可以通过AWS管理控制台、公司文档页面、Slack等多个渠道访问，并保证数据隐私和安全。

想象在公司内的几个场景：

• 一个新人，想要了解公司的业务
• A 项目现在谁负责，都有谁参与
• A 项目 B 业务板块怎么操作，文档在哪
• ……

当有了 Amazon Q 这一切都会发生改变，我们期待的未来已来~

本文参与了「构」向云端 | 亚马逊云科技 x 思否 2023 re:Invent 构建者征文大赛 ，欢迎正在阅读的你也加入。

授权声明：本篇文章授权活动官方亚马逊云科技文章转发、改写权，包括不限于在 Developer Centre，知乎，自媒体平台，第三方开发者媒体等亚马逊云科技官方渠道