AWS føjer enkelttrins-RAG og en tilstand, der kun henter information, til Bedrock

Amazon Web Services annoncerede den 9. november 2026, at Amazon Bedrock Managed Knowledge Base nu understøtter retrieval-augmenteret generering (RAG) i ét trin og forespørgsler, der kun returnerer tekstpassager, via AgenticRetrieveStream. Et udvidet interval på 0–5 for maxAgentIteration lader applikationer vælge mellem hentning af kilder, et svar efter én søgning eller tjenestens eksisterende agentbaserede hentning i flere trin.

Opdateringen føjer det grundlæggende RAG-mønster, hvor én hentning efterfølges af et genereret svar, til den samme streaming-API, som bruges til komplekse søgninger. Enkelttrins-RAG bruger ét kald til en grundmodel til generering, mens forespørgsler, der kun henter information, ikke bruger nogen. AWS siger, at drift i ét trin kan reducere latenstid og modelanvendelse sammenlignet med agentbaseret hentning, men annonceringen indeholder ingen målt sammenligning af latenstid eller omkostninger.

Én parameter vælger hentningstilstanden

Værdien 0 returnerer matchende tekstpassager uden at generere et svar; værdien 1 henter information én gang og genererer et svar med generateResponse=true; og værdierne 2 til 5 bevarer den eksisterende agentbaserede funktionalitet. Alle tilstande understøtter flere vidensbaser. Enkelttrin henviser derfor til én hentning, ikke til en begrænsning på én vidensbase.

Én iteration svarer til ét kald til en grundmodel. Når generering er aktiveret, sætter en grænse på n den sidste modelkald af til generering af svaret og tillader op til n minus 1 planlægningsrunde. Hver planlægningsrunde kombinerer en omskrivning af forespørgslen med en hentning. Den indledende, spekulative hentning finder sted før planlægningen og tæller aldrig med i grænsen.

Ved værdien 0 skal generering af svar være slået fra. Hvis den aktiveres, opstår der en 4xx-fejl, fordi et svar kræver et modelkald. Ved værdien 1 indeholder strømmen én hentning og ét forankret svar uden sporingshændelser for planlægning. Eksisterende forespørgsler med værdier fra 2 til 5 ændres ikke.

Streamingadfærd og driftsgrænser

API-referencen til AgenticRetrieveStream angiver messages, retrievers, og agenticRetrieveConfiguration som obligatoriske input til forespørgslen, mens generateResponse er valgfri. De genererede svarblokke sendes kun, når generering er aktiveret. Det endelige resultat kan indeholde hentede elementer, et sammenfattet svar og kildehenvisninger, der knytter dele af svaret til de underbyggende resultater.

Drift, hvor der kun hentes information, svarer til at kalde Retrieve direkte, men svarformatet er anderledes: tekstpassager vises i strømmens result hændelse uden score eller location felter. Applikationer, der allerede bruger AgenticRetrieveStream kan derfor få Retrieve-lignende funktionalitet ved at ændre en parameter i stedet for at integrere en separat API.

Til komplekse spørgsmål beskriver brugervejledningen til Amazon Bedrock en arbejdsgang, der opdeler forespørgsler i underforespørgsler, kontrollerer, om det hentede belæg er tilstrækkeligt, udfører flere søgninger og kan udvide søgningen til et helt dokument. Agentbaseret hentning understøtter kun fuldt administrerede vidensbaser i Bedrock og tillader op til fem hentere pr. forespørgsel. Hvis iterationsgrænsen sænkes, kan agenten stoppe tidligere, hvilket potentielt kan reducere nøjagtigheden ved komplekse forespørgsler.

Applikationsteams vælger og tester tilstanden

AWS illustrerer indstillingerne med en fiktiv banks interne politikassistent, ikke en løsning, der er taget i brug hos en kunde. Et dokumentationsspørgsmål om enkeltmandsvirksomheder bruger maxAgentIteration=1, mens en sammenligning af kravene til enkeltmandsvirksomheder og LLC’er, der også undersøger reglerne for ejere uden bopæl i landet, bruger 4 og dermed tillader op til tre planlægningsrunder. En forespørgsel om at gennemgå ordlyden i en politik bruger 0 og returnerer kildepassager uden et sammendrag.

Applikationen skal vælge tilstanden; maxAgentIteration dirigerer ikke automatisk forespørgsler. Eksempelassistenten håndterer opslag i og sammenligning af politikker, men hverken godkender den konti eller erstatter bankens gennemgang og godkendelse.

For at tage løsningen i brug anbefaler AWS, at man sammenligner enkelttrins-RAG med den eksisterende agentbaserede konfiguration på den samme vidensbase ved hjælp af repræsentative spørgsmål og forventede svar. Evalueringen bør måle latenstid og omkostninger pr. forespørgsel, kontrollere, at oplysningerne er korrekte og underbygges af de hentede tekstpassager, og omfatte spørgsmål, der kræver flere dokumenter, samt spørgsmål, der ikke kan besvares. Resultaterne kan bruges til at vælge den laveste iterationsgrænse, der opfylder kvalitetskravene for hver arbejdsgang.

Ændringen gør hentningsdybden til en eksplicit infrastrukturindstilling for hver forespørgsel. Direkte opslag kan undgå planlægningskald, mens komplekse forespørgsler fortsat kan indsamle belæg trinvist. For virksomheder er det centrale spørgsmål, om et lavere modelforbrug stadig giver fuldstændige, underbyggede svar baseret på deres egne dokumenter, frem for at antage, at en højere iterationsgrænse altid er bedre.