久久精品国产亚洲av成人,精品久久久久中文字幕一区,国产真人无遮挡作爱免费视频

之前分享過一期有關(guān)企業(yè)AI知識(shí)庫(kù)搭建的寶塔面板教程，看出大家對(duì)這類內(nèi)容很感興趣。那么本文將主要介紹基于亞馬遜云科技的云產(chǎn)品Amazon Bedrock+DeepSeek搭建企業(yè)知識(shí)庫(kù)的操作步驟，無(wú)需任何編程經(jīng)驗(yàn)都能學(xué)會(huì)，教你快速搭建屬于自己的基于RAG架構(gòu)企業(yè)內(nèi)部文檔可交互問答系統(tǒng)。

相關(guān)推薦：《寶塔面板搭建企業(yè)AI知識(shí)庫(kù)》

一、注冊(cè)亞馬遜云科技海外區(qū)域賬號(hào)

亞馬遜云科技官網(wǎng)：點(diǎn)擊訪問（注冊(cè)立享100+免費(fèi)云產(chǎn)品）

1、訪問亞馬遜云科技官網(wǎng)點(diǎn)擊右上方“立即注冊(cè)”。

2、注冊(cè)亞馬遜云科技賬號(hào)。

二、準(zhǔn)備與導(dǎo)入企業(yè)知識(shí)數(shù)據(jù)

1、在亞馬遜云科技控制臺(tái)頂部搜索欄中輸入“S3”，點(diǎn)擊進(jìn)入 AWS S3控制臺(tái)。

2、點(diǎn)擊“Create bucket”（創(chuàng)建存儲(chǔ)桶）并輸入存儲(chǔ)桶名稱。

3、填寫存儲(chǔ)桶名字，其他設(shè)置保持默認(rèn)，然后再次點(diǎn)擊“Create bucket”（創(chuàng)建存儲(chǔ)桶）。

4、創(chuàng)建完成后，點(diǎn)擊進(jìn)入該bucket。

5、點(diǎn)擊“Upload”（上傳）。

6、上傳知識(shí)文檔，例如PDF、DOCX、TXT、HTML等格式的文件。

例如將一份txt格式的“2025年公司考勤管理制度”上傳到Amazon S3存儲(chǔ)桶（其中做了一些自定義設(shè)置，以便于驗(yàn)證知識(shí)庫(kù)調(diào)用）。

三、開通Amazon Bedrock和DeepSeek模型權(quán)限

1、在亞馬遜云科技控制臺(tái)的搜索框中輸入“Bedrock”，然后點(diǎn)擊Amazon Bedrock。

2、進(jìn)入Amazon Bedrock頁(yè)面后，找到頁(yè)面中的“Model access”（模型訪問）設(shè)置板塊，仔細(xì)檢查自身賬號(hào)是否已具備DeepSeek的使用權(quán)限。

3、如果沒有DeepSeek模型的使用權(quán)限，請(qǐng)點(diǎn)擊頁(yè)面上的“申請(qǐng)”按鈕。

4、在模型選擇頁(yè)面中，勾選本次教程所需的DeepSeek模型。

5、完成模型勾選后，點(diǎn)擊“提交”按鈕完成模型申請(qǐng)操作。

提交申請(qǐng)后，一般系統(tǒng)會(huì)在短時(shí)間內(nèi)審核并授予權(quán)限，待權(quán)限獲取成功后就可以開始使用DeepSeek模型。

四、創(chuàng)建企業(yè)知識(shí)庫(kù)

1、現(xiàn)在返回亞馬遜云科技Amazon Bedrock控制臺(tái)，點(diǎn)擊左側(cè)“Knowledge Base”（知識(shí)庫(kù)），進(jìn)入知識(shí)庫(kù)管理頁(yè)面。

2、點(diǎn)擊“Create”（創(chuàng)建），根據(jù)準(zhǔn)備的數(shù)據(jù)類型，選擇開始創(chuàng)建流程。

3、自定義知識(shí)庫(kù)名稱：如company-kb。

4、設(shè)置知識(shí)庫(kù)數(shù)據(jù)來(lái)源：選擇亞馬遜云服務(wù)Amazon S3，因?yàn)橐B接到剛才上傳的Amazon S3存儲(chǔ)桶。

5、設(shè)置完成，點(diǎn)擊“next”（下一步）。

6、選擇Amazon S3數(shù)據(jù)源。

7、選擇上傳文檔的Amazon S3 Bucket。

8、繼續(xù)點(diǎn)擊“next”（下一步）。

9、設(shè)置嵌入模型。

10、建議選擇Amazon Titan Embeddings（Amazon Bedrock原生）。

11、設(shè)置向量存儲(chǔ)：此處可以保留默認(rèn)（Amazon OpenSearch Serverless）。

12、點(diǎn)擊“next”（下一步）后，確認(rèn)設(shè)置，點(diǎn)擊“Create knowledge base”（創(chuàng)建知識(shí)庫(kù)）。

等待幾分鐘后，知識(shí)庫(kù)文檔會(huì)自動(dòng)進(jìn)行解析、嵌入并構(gòu)建索引。

五、調(diào)用生產(chǎn)模型

1、接下來(lái)需要同步知識(shí)庫(kù)，在Amazon Bedrock的操作界面中，進(jìn)入Knowledge Bases，勾選新建的“knowledge base”，點(diǎn)擊“Sync”（同步）。

2、選擇測(cè)試知識(shí)庫(kù)的生產(chǎn)模型（目前在控制臺(tái)內(nèi)只能測(cè)試部分大模型）。

3、在AWS右側(cè)對(duì)話框中，可以使用選擇的大模型對(duì)剛剛上傳的公司考勤制度進(jìn)行測(cè)試?？梢钥吹酱竽Ｐ透鶕?jù)知識(shí)庫(kù)中的信息對(duì)問題進(jìn)行了回答。

六、使用Python基于知識(shí)庫(kù)調(diào)用DeepSeek大模型

1、可以使用Anaconda一鍵裝好Python和虛擬環(huán)境，安裝完成后，打開“Anaconda Prompt”。

2、在Anaconda Prompt中輸入以下代碼，創(chuàng)建項(xiàng)目文件夾：

mkdir aws_rag_project
cd aws_rag_project

3、為Python安裝必要庫(kù)：

pip install boto3 langchain langchain-community pandas python-dotenv

4、繼續(xù)在Anaconda Prompt中配置亞馬遜云科技登錄授權(quán)：

aws configure

5、這里需要輸入Amazon Access Key ID、Amazon Secret Access Key和默認(rèn)Region。

這些信息可以在Amazon IAM中獲取或者新建access key，具體Amazon IAM使用方法可參考相關(guān)教程，站長(zhǎng)百科后期也會(huì)為大家分享。

6、在Anaconda Prompt中創(chuàng)建項(xiàng)目環(huán)境設(shè)置.env文件：

echo AWS_REGION=us-east-1 > .env
echo AWS_PROFILE=default >> .env

成功后，會(huì)在項(xiàng)目文件夾中看到.env文件。

7、將以下調(diào)用DeepSeek的python文件保存在項(xiàng)目文件夾中。

Python文件代碼如下：

import os
import boto3
from dotenv import load_dotenv
from botocore.exceptions import NoCredentialsError, ProfileNotFound

# 第一步：加載 .env 文件
load_dotenv()

# 第二步：讀取環(huán)境變量
region = os.getenv(“AWS_REGION”)
profile = os.getenv(“AWS_PROFILE”)

print(“?? 檢查當(dāng)前 AWS 配置…”)
print(“?? AWS Region:”, region)
print(“?? AWS Profile:”, profile)

# 第三步：驗(yàn)證 AWS 配置是否存在
ifnot region ornot profile:
print(“? 錯(cuò)誤：環(huán)境變量 AWS_REGION 或 AWS_PROFILE 未設(shè)置。請(qǐng)檢查 .env 文件。”)
exit(1)

# 第四步：嘗試連接 AWS Bedrock
try:
session = boto3.Session(profile_name=profile, region_name=region)
bedrock_agent_runtime = session.client(service_name=’bedrock-agent-runtime’)
except ProfileNotFound:
print(f”? 錯(cuò)誤：找不到名為 ‘{profile}’ 的 AWS profile。請(qǐng)先運(yùn)行 aws configure 設(shè)置。”)
exit(1)
except NoCredentialsError:
print(“? 錯(cuò)誤：未檢測(cè)到有效的 AWS 憑證。請(qǐng)確保已使用 aws configure 設(shè)置 Access Key。”)
exit(1)

print(“? AWS 環(huán)境配置成功，開始調(diào)用知識(shí)庫(kù)…”)

# 第五步：設(shè)置知識(shí)庫(kù) ID 和模型 ARN（請(qǐng)?zhí)鎿Q為你自己的）
knowledge_base_id = “你的知識(shí)庫(kù)ID” # ← 在控制臺(tái)查看 Knowledge Base ID
model_arn = “你的 model ARN” # 可替換為 DeepSeek 等

# 第六步：輸入你的問題
user_input = “公司全勤獎(jiǎng)是多少錢？”

# 第七步：調(diào)用知識(shí)庫(kù)進(jìn)行 RAG 問答
try:
response = bedrock_agent_runtime.retrieve_and_generate(
input={“text”: user_input},
retrieveAndGenerateConfiguration={
“type”: “KNOWLEDGE_BASE”,
“knowledgeBaseConfiguration”: {
“knowledgeBaseId”: knowledge_base_id,
“modelArn”: model_arn
}
}
)

# 第八步：打印模型回答
print(“\n?? 模型回答：”)
print(response[“output”][“text”])

except Exception as e:
print(“? 出現(xiàn)錯(cuò)誤：”, str(e))

注意：在第五步需要設(shè)置好知識(shí)庫(kù)ID和你想要調(diào)用模型的ARN。

知識(shí)庫(kù)ID可以在Amazon Bedrock的“knowledge base”中找到。

Model ARN建議在Amazon Bedrock的Cross-region inference中找到，這里搜索DeepSeek可以獲取相應(yīng)ARN。

現(xiàn)在可以在Anaconda Prompt中運(yùn)行Python文件，調(diào)用DeepSeek大模型，并結(jié)合企業(yè)知識(shí)庫(kù)進(jìn)行問答。例如當(dāng)提出有關(guān)員工遲到和全勤獎(jiǎng)勵(lì)的規(guī)定時(shí)，DeepSeek會(huì)基于上傳的考勤制度文件，給出準(zhǔn)確回答。

七、退出/清理環(huán)境

由于Amazon Bedrock控制臺(tái)中的Playground屬于即開即用型服務(wù)，因此使用完畢后無(wú)需額外退出操作即可結(jié)束會(huì)話，不用擔(dān)心資源占用問題。但知識(shí)庫(kù)底層依賴的Amazon OpenSearch Serverless（用于向量化數(shù)據(jù)的存儲(chǔ)與檢索）會(huì)單獨(dú)計(jì)費(fèi)，所以如果確定短期內(nèi)不再使用該知識(shí)庫(kù)，建議按照以下順序清理資源，以避免產(chǎn)生不必要的費(fèi)用。

1、在Amazon Bedrock里面刪除“knowledge base”。

2、在Amazon OpenSearch里面刪除“collections”。

3、在Amazon S3服務(wù)中刪除上傳的Amazon S3文件。

通過以上七個(gè)步驟，即可在控制臺(tái)中無(wú)需編寫代碼成功構(gòu)建企業(yè)級(jí)知識(shí)庫(kù)問答系統(tǒng)。另外，對(duì)于控制臺(tái)不支持的大模型，可以使用提供的Python腳本實(shí)現(xiàn)調(diào)用。也可以考慮使用亞馬遜云服務(wù)器 (如Amazon EC2或Amazon Lightsail) 搭建該系統(tǒng)，其中Amazon提供12個(gè)月免費(fèi)套餐，足夠一般小型業(yè)務(wù)負(fù)載。

相關(guān)推薦：

《AI圖像生成工具怎么用豆包+即夢(mèng)一鍵出圖指南》

《Amazon SageMaker+LLaVA實(shí)現(xiàn)圖片自動(dòng)化分類》

《5分鐘快速部署DeepSeek個(gè)人站點(diǎn)》

《亞馬遜云科技Amazon EC2部署DeepSeek-R1蒸餾模型教程》

《DeepSeek搭建個(gè)人知識(shí)庫(kù)》