AWS adiciona RAG de etapa única e modo somente de recuperação ao Bedrock

A Amazon Web Services anunciou em 9 de novembro de 2026 que o Amazon Bedrock Managed Knowledge Base agora oferece suporte à geração aumentada por recuperação (RAG) de etapa única e a solicitações que retornam apenas trechos, por meio de AgenticRetrieveStream. Um intervalo ampliado de 0–5 para maxAgentIteration permite que as aplicações selecionem a recuperação de fontes, uma resposta baseada em uma única busca ou a recuperação agêntica em várias etapas já oferecida pelo serviço.

A atualização incorpora o padrão básico de RAG — uma recuperação seguida da geração de uma resposta — à mesma API de streaming usada em buscas complexas. O RAG de etapa única usa uma chamada ao modelo de fundação para gerar a resposta, enquanto as solicitações somente de recuperação não usam nenhuma. Segundo a AWS, a operação de etapa única pode reduzir a latência e o uso de modelos em comparação com a recuperação agêntica, mas o anúncio não apresenta medições comparativas de latência ou custo.

Um único parâmetro seleciona o modo de recuperação

O valor 0 retorna trechos correspondentes sem gerar uma resposta; o valor 1 faz uma única recuperação e gera uma resposta com generateResponse=true; e os valores de 2 a 5 mantêm o comportamento agêntico existente. Todos os modos oferecem suporte a várias bases de conhecimento. Portanto, etapa única se refere a uma única recuperação, não a uma limitação a uma única base de conhecimento.

Uma iteração corresponde a uma chamada ao modelo de fundação. Quando a geração está ativada, um limite de n reserva a chamada final para a geração da resposta e permite até n menos 1 rodada de planejamento. Cada rodada de planejamento combina uma reformulação da consulta com uma recuperação. A recuperação especulativa inicial ocorre antes do planejamento e nunca é contabilizada no limite.

Com o valor 0, a geração de respostas deve estar desativada. Ativá-la gera um erro 4xx, pois uma resposta exige uma chamada ao modelo. Com o valor 1, o fluxo contém uma recuperação e uma resposta fundamentada, sem eventos de rastreamento do planejamento. As solicitações existentes que usam valores de 2 a 5 não mudam.

Comportamento do streaming e limites operacionais

A referência da API AgenticRetrieveStream identifica messages, retrievers, e agenticRetrieveConfiguration como entradas obrigatórias da solicitação, enquanto generateResponse é opcional. Os trechos da resposta gerada são emitidos apenas quando a geração está ativada. O resultado final pode conter itens recuperados, uma resposta sintetizada e citações que vinculam trechos da resposta aos resultados que lhe dão suporte.

A operação somente de recuperação equivale a chamar Retrieve diretamente, mas o formato da resposta é diferente: os trechos aparecem no evento result sem score ou location campos. Assim, as aplicações que já usam AgenticRetrieveStream podem obter Retrieve-um comportamento semelhante ao de, alterando um parâmetro em vez de integrar uma API separada.

Para perguntas complexas, o Guia do usuário do Amazon Bedrock descreve um fluxo de trabalho que divide as consultas em subconsultas, verifica se as evidências recuperadas são suficientes, realiza buscas adicionais e pode se expandir para abranger um documento completo. A recuperação agêntica é compatível apenas com bases de conhecimento do Bedrock totalmente gerenciadas e permite até cinco recuperadores por solicitação. Reduzir o limite de iterações pode fazer o agente parar antes e potencialmente diminuir a precisão em consultas complexas.

As equipes de aplicação escolhem e testam o modo

A AWS ilustra as configurações com um assistente fictício de políticas internas de um banco, não com uma implantação para um cliente. Uma pergunta sobre a documentação de um empresário individual usa maxAgentIteration=1, enquanto uma comparação dos requisitos para empresários individuais e LLCs que também verifica as regras para proprietários não residentes usa o valor 4, permitindo até três rodadas de planejamento. Uma solicitação para examinar a linguagem das políticas usa o valor 0 e retorna trechos das fontes sem um resumo.

A aplicação deve selecionar o modo; maxAgentIteration não encaminha as solicitações automaticamente. O assistente de exemplo consulta e compara políticas, mas não aprova contas nem substitui a análise e a autorização do banco.

Para a adoção, a AWS recomenda comparar o RAG de etapa única com a configuração agêntica existente na mesma base de conhecimento, usando perguntas representativas e as respostas esperadas. A avaliação deve medir a latência e o custo por solicitação, verificar a correção e o respaldo nas passagens recuperadas e incluir perguntas que exijam vários documentos e perguntas sem resposta. Esses resultados podem orientar a escolha do menor limite de iterações que atenda aos requisitos de qualidade de cada fluxo de trabalho.

A mudança torna a profundidade da recuperação uma decisão de infraestrutura explícita para cada solicitação. Consultas diretas podem evitar chamadas de planejamento, enquanto consultas complexas continuam reunindo evidências de forma iterativa. Para as empresas, a principal questão é saber se a redução do uso de modelos preserva respostas completas e respaldadas pelos próprios documentos, em vez de presumir que um limite de iterações mais alto seja sempre melhor.