Amazon Bedrock

Amazon Bedrock 知识库是 AWS 完全托管的 RAG（检索增强生成）能力，帮助用户在 Amazon Bedrock 上实施从数据摄取、索引、存储到检索和提示增强的整个 RAG 工作流，无需构建自定义的數據源集成或管理数据流 。

用户只需指向数据存储位置，Bedrock 知识库内部会自动提取文档、将文档分块、将文本转换为嵌入、并将嵌入存储在用户选择的向量数据库中，且 Bedrock 会管理和更新这些嵌入，保持向量数据库与数据源同步 。

Bedrock 知识库提供两种 API 来支持 RAG：RetrieveAndGenerate（查询知识库并根据检索信息生成响应，内置会话上下文管理以支持多轮对话）与 Retrieve（仅返回检索结果，供用户自行构建后续工作流） 。从检索到的信息可追溯至其来源，从而提高透明度并最小化幻觉 。

2026 年 AWS 官方明确将 Amazon Bedrock Managed Knowledge Base（BMKB）定位为 Amazon Kendra 的继任者——Kendra 自 2026 年 6 月 30 日进入维护模式，2026 年 7 月 30 日起停止接纳新客户；AWS 建议客户将 Kendra 应用迁移、任何新的搜索应用直接构建在 BMKB 上 。

BMKB 是完全托管的 RAG 解决方案，具有内置连接器、智能解析、带混合搜索的托管向量存储，以及生成响应（使用 Retrieve and Generate API）和跨多个知识库进行多步推理（使用 Agentic Retrieval API）的能力 。

产品概述

Amazon Bedrock 知识库提供两种形态 ：

• Managed Knowledge Base（托管知识库）：Amazon Bedrock 管理底层的数据摄取、索引、存储和检索基础设施，用户只需专注应用与智能体逻辑。托管知识库提供先进能力：多模态数据摄取、存储自动扩缩、用于多跳推理的智能体检索等；同时继续提供关键定制能力，可调整分块策略与嵌入模型以优化特定应用，并可选用于响应生成的基础模型。托管知识库原生集成 AgentCore Gateway，任何兼容 MCP 的智能体框架均可发现并将知识库作为工具调用，无需自定义代码。
• Customer-managed Knowledge Base（客户自管知识库）：用户自行搭建和管理 RAG 管线，包括向量存储（如 Amazon OpenSearch Serverless、Amazon Aurora、Amazon Neptune），对数据摄取、解析、索引和存储配置有完全控制权。需注意，第三方连接器、文档级权限、原生 AgentCore Gateway 集成等能力仅托管知识库可用。

技术架构上，BMKB 的核心特性 ：

• 端到端 RAG 管线管理：Bedrock 全程管理嵌入、重排序与推理（默认使用服务托管模型，可选自带模型）
• 混合搜索（必选）：始终执行”关键词 + 语义”混合搜索，不提供纯语义搜索模式
• 智能解析（Smart Parsing）：按文档类型自动选择解析策略，支持 PDF、PPTX、DOCX、嵌入式视觉元素文档、音频、视频、扫描文档
• 托管向量库：由 Bedrock 完全运维，无需配置或管理 OpenSearch、Aurora 或其他向量数据库；嵌入模型固定 1024 维 float32 向量
• 分块策略：Default（约 300 token 固定大小）、Fixed-size（可配 maxTokens 与 overlapPercentage）、Hierarchical（父子分块，可配层级）、No Chunking；托管知识库不支持语义分块
• 7 个数据源连接器：Amazon S3、Confluence、Microsoft SharePoint、Web Crawler、Google Drive、Microsoft OneDrive、Custom connector
• 文档级权限过滤：除 Web Crawler 外，其他连接器在检索时支持基于 ACL 的文档级权限过滤
• 多 API 支持：Retrieve（返回最相关源块/图片数组）、RetrieveAndGenerate（检索+InvokeModel 生成自然语言响应，含引文）、GenerateQuery（自然语言转结构化查询）、AgenticRetrieveStream（基础模型分解复杂查询为子查询，跨多知识库迭代检索并评估充分性，返回去重源块与可观测性追踪事件）
• AgentCore Observability 原生集成：内置监控、检索追踪、智能体追踪、每知识库指标

商业模型上，BMKB 采用商业付费，成本可预测，基于摄取的知识库大小、执行的查询数量与 LLM 使用情况计费 。安全合规方面，客户输入与模型输出不与第三方模型提供商共享，也不用于训练或改进基础模型 。

核心能力

• 全托管 RAG 管线：从摄取到检索、提示增强端到端托管，无需构建自定义集成或管理数据流
• 混合搜索（关键词+语义）：BMKB 始终执行混合搜索，不提供纯语义搜索模式
• 智能解析（Smart Parsing）：按文档类型自动选择解析策略，支持 PDF/PPTX/DOCX/嵌入式视觉文档/音频/视频/扫描文档
• 托管向量库：Bedrock 完全运维，支持多模态嵌入（Amazon Titan Multimodal Embeddings G1、Cohere Embed v3/v4 等，固定 1024 维 float32）
• 4 种分块策略：Default / Fixed-size / Hierarchical（父子分块）/ No Chunking
• 7 个数据源连接器：S3、Confluence、SharePoint、Web Crawler、Google Drive、OneDrive、Custom
• 文档级 ACL 权限过滤：除 Web Crawler 外，检索时支持基于 ACL 的文档级权限过滤
• 4 个核心 API：Retrieve（返回相关源块）、RetrieveAndGenerate（检索+生成，含引文）、GenerateQuery（自然语言转结构化查询）、AgenticRetrieveStream（多跳推理，跨多知识库迭代检索）
• 多模态支持：可提取并检索文档中的图片，模型在生成文本响应时利用图片洞察并提供图片来源归属
• 引文与溯源：生成响应包含引文，指向特定源块，提高透明度、最小化幻觉
• AgentCore Gateway 原生集成：任何兼容 MCP 的智能体框架可发现并将知识库作为工具调用，无需自定义代码
• AgentCore Observability 原生集成：内置监控、检索追踪、智能体追踪、每知识库指标
• 会话上下文管理：内置会话上下文管理，生成式 AI 应用可轻松支持多轮对话
• 存储自动扩缩：托管知识库提供存储自动扩缩能力

优势亮点

• Kendra 的官方继任者：AWS 明确推荐 BMKB 作为 Kendra 的替代，提供相似功能及更先进的生成式 AI 与智能体 AI 能力
• 完全托管零运维：Bedrock 管理底层数据摄取、索引、存储、检索基础设施，用户只需专注应用逻辑
• 混合搜索开箱即用：关键词+语义混合搜索，检索精度优于单一模式
• 智能解析多模态：按文档类型自动选择解析策略，支持 PDF/PPTX/DOCX/音视频/扫描文档
• 智能体检索（Agentic Retrieval）：基础模型分解复杂查询为子查询，跨多知识库迭代检索并评估充分性，支持多跳推理
• MCP 原生集成：通过 AgentCore Gateway，任何兼容 MCP 的智能体框架可将知识库作为工具调用
• 引文溯源抗幻觉：RetrieveAndGenerate 生成的响应包含引文，指向特定源块
• 成本可预测：基于摄取大小、查询数量、LLM 使用量的可预测成本模型
• AWS 生态深度集成：与 Bedrock 智能体、Guardrails、Prompt Management、AgentCore 等深度集成
• 数据隐私保障：客户输入与输出不与第三方模型提供商共享，不用于训练基础模型

短板

• 并非 Kendra 的完全 API 兼容替代品：AWS 官方明确”并非所有 Kendra 功能都可直接在 BMKB 中获得，许多需通过变通方法实现” ；从 Kendra 迁移需要仔细的架构映射、API 翻译、功能差距分析与变通方案
• 连接器数量有限：BMKB 当前仅支持 7 个数据源连接器（S3、Confluence、SharePoint、Web Crawler、Google Drive、OneDrive、Custom），远少于 Kendra 原本的 40+ 连接器 ；依赖不支持连接器的 Kendra 部署需要两阶段迁移（先到 S3 中介，再到原生连接器）
• 不支持语义分块：托管知识库不支持语义分块（semantic chunking）
• 混合搜索不可关闭：BMKB 始终执行混合搜索，不提供纯语义搜索模式
• 嵌入维度固定：托管向量库固定 1024 维 float32 向量，灵活性受限
• 深度绑定 AWS 生态：最佳体验需在 AWS 生态内使用，跨云灵活性受限
• 客户自管形态运维成本高：若选择 Customer-managed Knowledge Base，需自行配置和管理 OpenSearch Serverless、Aurora 等向量存储及相关基础设施
• 第三方连接器能力仅托管版可用：第三方连接器、文档级权限、原生 AgentCore Gateway 集成等能力仅 Managed Knowledge Base 提供，Customer-managed 形态不支持

适用企业/部门

企业 IT、AWS 用户、AI 应用开发者。适合以下场景 ：

• 新建企业 RAG 应用：AWS 官方推荐任何新的搜索应用直接构建在 BMKB 上
• Kendra 存量客户迁移：正在使用 Kendra 并计划迁移到生成式 AI/智能体 AI 平台的企业（需仔细规划，参考 AWS 官方迁移指南）
• 智能体驱动的 RAG 工作流：需要跨多知识库多跳推理、与 MCP 兼容智能体框架集成的 AI 应用
• 多模态文档问答：需要处理 PDF/PPTX/DOCX/音视频/扫描文档并提取图片语义的企业知识库
• 合规与可审计的 AI 应用：需要引文溯源、ACL 文档级权限过滤、AgentCore Observability 可观测性的受监管行业
• AWS 生态内的生成式 AI：已在使用 Bedrock 智能体、Guardrails、AgentCore 的企业，可直接将 BMKB 作为托管 RAG 检索器集成