AWS aggiunge a Bedrock la RAG a generazione singola e la modalità di sola ricerca

Amazon Web Services ha annunciato il 9 novembre 2026 che Amazon Bedrock Managed Knowledge Base ora supporta la generazione aumentata dal recupero (RAG) a generazione singola e le richieste che restituiscono solo passaggi tramite AgenticRetrieveStream. Un intervallo ampliato da 0 a 5 per maxAgentIteration consente alle applicazioni di scegliere tra il recupero delle fonti, una risposta basata su un’unica ricerca e il recupero agentico in più passaggi già disponibile nel servizio.

L’aggiornamento integra il modello RAG di base, in cui a un singolo recupero segue la generazione di una risposta, nella stessa API di streaming utilizzata per le ricerche complesse. La RAG a generazione singola utilizza una chiamata al modello fondazionale per generare la risposta, mentre le richieste di sola ricerca non ne richiedono alcuna. AWS afferma che il funzionamento a generazione singola può ridurre la latenza e l’utilizzo del modello rispetto al recupero agentico, ma l’annuncio non fornisce confronti misurati di latenza o costi.

Un parametro seleziona la modalità di recupero

Il valore 0 restituisce i passaggi corrispondenti senza generare una risposta; il valore 1 esegue un recupero e genera una risposta con generateResponse=true; i valori da 2 a 5 mantengono il comportamento agentico esistente. Tutte le modalità supportano più basi di conoscenza. «Generazione singola» si riferisce quindi a un solo recupero, non a una limitazione a una sola base di conoscenza.

Un’iterazione corrisponde a una chiamata al modello fondazionale. Quando la generazione è attiva, un limite di n riserva la chiamata finale alla generazione della risposta e consente fino a n meno 1 cicli di pianificazione. Ogni ciclo di pianificazione abbina la riscrittura di una query a un recupero. Il recupero speculativo iniziale viene eseguito prima della pianificazione e non rientra mai nel limite.

Con il valore 0, la generazione della risposta deve essere disattivata. Se la si attiva, si verifica un errore 4xx, perché per generare una risposta è necessaria una chiamata al modello. Con il valore 1, lo stream include un recupero e una risposta basata sulle fonti, senza eventi di traccia della pianificazione. Le richieste esistenti che utilizzano i valori da 2 a 5 non cambiano.

Comportamento dello streaming e limiti operativi

Il riferimento all’API AgenticRetrieveStream indica messages, retrievers, e agenticRetrieveConfiguration come input obbligatori della richiesta, mentre generateResponse è facoltativo. I segmenti della risposta generata vengono emessi solo quando la generazione è attiva. Il risultato finale può contenere elementi recuperati, una risposta sintetizzata e citazioni che collegano parti della risposta ai risultati che la supportano.

Il funzionamento in sola modalità di recupero equivale a chiamare direttamente Retrieve , ma il formato della risposta è diverso: i passaggi compaiono nell’evento result dello stream senza score o location campi. Le applicazioni che già utilizzano AgenticRetrieveStream possono quindi ottenere un comportamento Retrievesimile a quello di [nome] modificando un parametro, invece di integrare un’API separata.

Per le domande complesse, la Guida per l’utente di Amazon Bedrock descrive un flusso di lavoro che scompone le query in sottoquery, verifica se le prove recuperate sono sufficienti, effettua ulteriori ricerche e può estendersi a un intero documento. Il recupero agentico supporta solo le basi di conoscenza Bedrock completamente gestite e consente fino a cinque strumenti di recupero per richiesta. Abbassare il limite di iterazioni può fermare prima l’agente e potenzialmente ridurre la precisione nelle query complesse.

I team applicativi scelgono e testano la modalità

AWS illustra le impostazioni con un assistente interno per le politiche di una banca immaginaria, non con una soluzione adottata da un cliente. Per una domanda sulla documentazione relativa a un’impresa individuale si utilizza maxAgentIteration=1, mentre per confrontare i requisiti delle imprese individuali e delle società a responsabilità limitata, verificando anche le regole per i titolari non residenti, si utilizza 4, che consente fino a tre cicli di pianificazione. Una richiesta di esaminare il testo di una politica utilizza 0 e restituisce i passaggi delle fonti senza un riepilogo.

È l’applicazione a dover selezionare la modalità; maxAgentIteration non instrada automaticamente le richieste. L’assistente dell’esempio gestisce la consultazione e il confronto delle politiche, ma non approva i conti né sostituisce la revisione e l’autorizzazione della banca.

Per adottare la funzionalità, AWS consiglia di confrontare la RAG a generazione singola con la configurazione agentica esistente sulla stessa base di conoscenza, utilizzando domande rappresentative e le relative risposte attese. La valutazione dovrebbe misurare la latenza e il costo per richiesta, verificare la correttezza e il supporto fornito dai passaggi recuperati e includere domande che richiedono più documenti e domande a cui non è possibile rispondere. I risultati possono aiutare a scegliere il limite di iterazioni più basso che soddisfi i requisiti di qualità di ciascun flusso di lavoro.

La modifica rende la profondità del recupero una scelta infrastrutturale esplicita per ogni richiesta. Le ricerche dirette possono evitare le chiamate di pianificazione, mentre le query complesse mantengono la raccolta iterativa di prove. Per le aziende, il compromesso fondamentale consiste nello stabilire se un minore utilizzo del modello consenta comunque di fornire risposte complete e supportate dai propri documenti, anziché presumere che un limite di iterazioni più alto sia sempre preferibile.