Amazon Bedrock 推出托管知识库，简化企业级 AI Agent 搜索构建

一句话看懂

Amazon Bedrock 推出全托管知识库，几分钟内即可搭建企业级 AI Agent 搜索，无需管理向量数据库或解析管道。

详细发生了什么

Amazon Bedrock 正式发布 Managed Knowledge Base（托管知识库），这是一项全托管的 Agent 检索服务，旨在解决企业级 RAG（检索增强生成）应用在规模化部署中的痛点。传统上，团队需要自行拼接数据连接器、解析器、向量存储、知识图谱和检索逻辑，再投入生产环境，整个过程耗时数天甚至数周。

Managed Knowledge Base 将这一切抽象化，提供三大核心能力：

简化设置：通过 AWS 管理控制台或三个 API 调用即可创建知识库、添加数据源并开始数据摄取。内置六个原生连接器（Amazon S3、Microsoft SharePoint、Atlassian Confluence、Google Drive、Microsoft OneDrive 和 Web Crawler），并支持直接摄取 API。服务自动处理数据解析（支持 PDF、PPTX、DOCX 等视觉文档，最大 500MB；音频文件最大 2GB；视频文件最大 10GB）、分块策略选择和向量存储管理。
智能检索：提供两种检索 API——Retrieve 用于直接查询，返回排序后的文本块及相关性分数；RetrieveAndGenerate 则结合 LLM 生成答案，支持多跳推理和复杂查询。默认启用混合搜索（关键词+语义检索），无需额外配置。
生产就绪：内置实时 ACL 权限检查，在查询时直接从数据源验证用户权限，而非依赖可能过期的 ACL 映射。数据在传输和存储时均通过 AWS KMS 加密。

Syngenta Group 和 MRH Trowe 等企业已在生产环境中使用该服务。

中文圈视角

对于国内用户，Amazon Bedrock Managed Knowledge Base 目前需要 AWS 账号且服务部署在海外区域，使用上存在网络延迟和合规门槛。不过，其设计思路对国内云厂商和 AI 平台有重要参考价值：

国产替代方案：国内类似服务如阿里云百炼、百度千帆、华为云 ModelArts 等也提供知识库能力，但在托管程度和原生连接器丰富度上仍有差距。例如，阿里云百炼支持 S3 类似的对象存储 OSS，但缺乏 SharePoint、Confluence 等企业级连接器，需要用户自行开发。
中文场景适配：该服务对多模态数据的解析能力（PDF、音频、视频）对国内企业同样关键，尤其是金融、法律、医疗等文档密集型行业。但中文文档的解析效果（如扫描件 OCR、表格识别）可能不如专门的中文服务（如合合信息、百度 OCR）。
合规与数据主权：国内企业若使用 AWS 海外区域，需注意数据出境合规要求。对于金融、政务等敏感行业，更可能选择国内云服务商。
开发者体验：三个 API 调用即可完成知识库搭建，这种极简体验值得国内平台学习。目前国内平台往往需要手动配置向量数据库、分块策略等，上手门槛较高。

一个尚未被广泛讨论的盲点是：该服务的 ACL 实时检查机制——它直接从数据源（如 SharePoint）查询用户权限，而非依赖静态映射。这避免了权限数据不同步的问题，但可能增加查询延迟。国内平台多采用预同步 ACL 的方式，实时性不足。

几条值得记住的细节

三个 API 调用即可创建知识库：create_knowledge_base、create_data_source、start_ingestion_job。
支持最大 500MB 的 PDF/PPTX/DOCX 文件，2GB 音频，10GB 视频。
内置六个原生数据源连接器：S3、SharePoint、Confluence、Google Drive、OneDrive、Web Crawler。
混合搜索（关键词+语义）默认开启，无需额外配置。
实时 ACL 检查在查询时直接从数据源验证用户权限，而非依赖预同步的 ACL 数据。

一句话总结

如果你在用 AWS 构建企业级 AI 应用，Managed Knowledge Base 能让你从繁琐的检索基础设施中解放出来，几分钟内获得生产就绪的搜索能力。