AWS lägger till RAG i ett enda steg och ett läge för enbart hämtning i Bedrock

Amazon Web Services meddelade den 9 november 2026 att Amazon Bedrock Managed Knowledge Base nu stöder retrievalförstärkt generering (RAG) i ett enda steg och förfrågningar som enbart hämtar textavsnitt via AgenticRetrieveStream. Ett utökat intervall på 0–5 för maxAgentIteration gör det möjligt för applikationer att välja hämtning av källmaterial, ett svar efter en enda sökning eller tjänstens befintliga agentbaserade hämtning i flera steg.

Uppdateringen för in det grundläggande RAG-mönstret, där en hämtning följs av ett genererat svar, i samma strömnings-API som används för komplexa sökningar. RAG i ett enda steg använder ett anrop till en grundmodell för att generera svaret, medan förfrågningar som enbart gäller hämtning inte använder något sådant anrop. AWS uppger att drift i ett enda steg kan minska svarstiden och modellförbrukningen jämfört med agentbaserad hämtning, men i tillkännagivandet anges inga uppmätta jämförelser av svarstid eller kostnad.

En parameter väljer hämtningsläge

Värdet 0 returnerar matchande textavsnitt utan att generera ett svar; värdet 1 hämtar material en gång och genererar ett svar med generateResponse=true; och värdena 2 till 5 behåller det befintliga agentbaserade beteendet. Alla lägen stöder flera kunskapsbaser. ”Ett enda steg” syftar alltså på en hämtning, inte på en begränsning till en kunskapsbas.

En iteration motsvarar ett anrop till en grundmodell. När generering är aktiverad reserverar en gräns på n det sista anropet för att generera svaret och tillåter högst n minus 1 planeringsomgångar. Varje planeringsomgång kombinerar en omskrivning av sökfrågan med en hämtning. Den inledande spekulativa hämtningen körs före planeringen och räknas aldrig in i gränsen.

Vid värdet 0 måste svarsgenerering vara avstängd. Om den aktiveras uppstår ett 4xx-fel, eftersom ett svar kräver ett modellanrop. Vid värdet 1 innehåller strömmen en hämtning och ett förankrat svar, utan händelser som visar planeringsspår. Befintliga förfrågningar som använder värdena 2 till 5 påverkas inte.

Strömningsbeteende och driftbegränsningar

I API-referensen för AgenticRetrieveStream anges messages, retrievers, och agenticRetrieveConfiguration som obligatoriska indata för förfrågan, medan generateResponse är valfritt. Delar av det genererade svaret skickas bara ut när generering är aktiverad. Det slutliga resultatet kan innehålla hämtade objekt, ett sammanställt svar och källhänvisningar som kopplar delar av svaret till underbyggande resultat.

Drift som enbart gäller hämtning motsvarar att anropa Retrieve direkt, men svarsformatet skiljer sig: textavsnitten visas i strömmens result händelse utan score eller location Applikationer som redan använder AgenticRetrieveStream kan därför få Retrieve-liknande beteende genom att ändra en parameter i stället för att integrera ett separat API.

För komplexa frågor beskriver användarhandboken för Amazon Bedrock ett arbetsflöde där sökfrågor delas upp i delfrågor, där man kontrollerar om den hämtade informationen räcker, genomför ytterligare sökningar och vid behov utökar sökningen till ett helt dokument. Agentbaserad hämtning stöder endast fullständigt hanterade kunskapsbaser i Bedrock och tillåter upp till fem hämtare per förfrågan. Om iterationsgränsen sänks kan agenten stoppas tidigare, vilket potentiellt kan försämra precisionen för komplexa frågor.

Applikationsteam väljer och testar läge

AWS illustrerar inställningarna med en fiktiv banks interna policyassistent, inte med en lösning som används av en kund. En dokumentationsfråga om en enskild näringsidkare använder maxAgentIteration=1, medan en jämförelse av kraven för enskilda näringsidkare och LLC-företag, där även regler för ägare som inte är bosatta i landet kontrolleras, använder 4 och tillåter därmed upp till tre planeringsomgångar. En förfrågan om att granska formuleringar i en policy använder 0 och returnerar källtextavsnitt utan någon sammanfattning.

Applikationen måste välja läge; maxAgentIteration dirigerar inte automatiskt förfrågningar. Exempelassistenten hanterar sökning efter och jämförelse av policyer, men godkänner varken konton eller ersätter bankens granskning och godkännande.

För att införa detta rekommenderar AWS att man jämför RAG i ett enda steg med den befintliga agentbaserade konfigurationen på samma kunskapsbas, med representativa frågor och förväntade svar. Utvärderingen bör mäta svarstid och kostnad per förfrågan, kontrollera att svaren är korrekta och stöds av de hämtade textavsnitten samt omfatta frågor som kräver flera dokument och frågor som inte går att besvara. Resultaten kan vägleda valet av den lägsta iterationsgräns som uppfyller kvalitetskraven för varje arbetsflöde.

Ändringen gör hämtningsdjupet till ett uttryckligt infrastrukturval för varje förfrågan. Direkta uppslag kan göras utan planeringsanrop, medan komplexa frågor fortfarande kan kräva iterativ insamling av underlag. För företag är den centrala avvägningen om minskad modellförbrukning fortfarande ger fullständiga svar med stöd i de egna dokumenten, i stället för att utgå från att en högre iterationsgräns alltid är bättre.