Amazon Bedrock 知识库支持自然语言理赔查询，引入代理式检索与接地检查

一句话结论

亚马逊云科技推出 Bedrock 知识库理赔查询方案，支持多轮代理检索、自动引用及接地护栏，降低幻觉风险。

关键要点

• Amazon Bedrock Knowledge Bases 提供全托管 RAG 能力，自动完成文档解析、分块、嵌入及向量存储，无需手动配置向量数据库。
• AgenticRetrieveStream API 支持将复杂问题拆分为子查询并多次检索，流式返回答案、引用及检索追踪事件，引用通过字符跨度映射至源文档。
• 系统强制使用 Amazon Bedrock Guardrails 上下文接地检查，拦截低于设定阈值的响应，在理赔场景中优先拒绝回答而非生成无依据内容。
• 在 40 题测试中，普通检索召回率为 90.5%，引用召回率 81.2%；对抗性测试中检索召回率达 96.7%，引用召回率 90.2%，且与过滤器矛盾的分块数为 0。
• 元数据侧车文件限制为 10KB，支持数值范围比较；访问控制必须通过认证会话推导区域及客户 ID 过滤器，严禁接受用户自由文本作为边界。

背景与事实

亚马逊云科技在 Amazon Bedrock（亚马逊云科技 Bedrock）平台发布了基于知识库的自然语言理赔查询功能。该方案允许用户使用自然语言查询存储在 Amazon S3（亚马逊云科技简单存储服务）中的理赔文档，支持 PDF、Word 及纯文本等原生格式。每个理赔文档对应一个同名的 .metadata.json 元数据侧车文件，该文件限制大小为 10KB，包含 claim_id、status 等字符串或布尔类型，以及 amount、date_filed 等数字类型字段。日期以 YYYYMMDD 整数格式存储，以支持“上个月”等数值范围比较；金额字段仅存储单一可比较值，明细保留在正文中。

创建知识库时，系统通过 bedrock-agent 客户端将嵌入模型类型设为 MANAGED，由 Amazon Bedrock 自动选择并运行嵌入模型，无需用户配置底层向量存储。通过 service role 授予知识库读取 S3 桶的权限，并可使用 AWS KMS 密钥对托管向量存储进行静态加密。摄取路径通过 StartIngestionJob 启动解析、分块、嵌入及索引任务，文档更新后需重新运行任务以同步索引，状态可通过 get_ingestion_job 或控制台检查。检索路径调用 AgenticRetrieveStream API，结合 Amazon Bedrock Guardrails 进行上下文接地检查，最终返回带有引用的自然语言答案。

影响分析

该方案对中文开发者及理赔行业从业者具有显著的落地参考意义。首先，全托管的 RAG 架构消除了自建向量数据库的运维负担，使团队能聚焦于理赔业务逻辑而非底层基础设施。其次，引入“代理式检索”（Agentic Retrieval）机制，系统将复杂问题拆解为子查询并验证证据充分性，解决了传统单次检索在处理多部分问题时的局限性。对于涉及合规要求的金融保险场景，强制性的接地护栏与最小权限访问控制模型，为 AI 生成内容提供了安全边界。但需明确，此方案目前基于合成数据演示，面向生产环境部署前必须经过人工审查与对抗性测试，不能完全依赖自动评分结果。

适用边界

该结论适用于核保、保单服务等具有明确结构化元数据及文档边界的窄域场景。若查询涉及宽泛无过滤的库存类问题或开放式探索，系统表现最弱。此外，引用覆盖率并不保证答案的完整性，且该架构不替代最终的人工决策，所有理赔决定仍需保留人在回路机制。若元数据侧车超过 10KB 限制，或需要处理非结构化的复杂附件，该方案需进行额外适配。

孤本观察

编辑判断显示，该方案在对抗性测试中将检索召回率提升至 96.7%，表明“拆分问题+多次验证”的代理策略比单次检索更具备鲁棒性。同时，将“拒绝回答”设定为接地失败后的默认行为，反映了在高风险领域对幻觉容忍度极低的设计哲学。

来源：AWS Machine Learning Blog