sample-rag-bedrock-langchain-blog
该代码仓库对应 AWS Machine Learning Blog 文章，提供完整的端到端示例，包括创建 Amazon Bedrock Managed Knowledge Base、上传 S3 数据源并触发摄入作业、使用 LangChain 的 AmazonKnowledgeBasesRetriever 进行标准单次检索、使用 langchain-aws 的 agentic_retrieve 函数进行多步规划检索，以及直接调用 boto3 的 agentic_retrieve_stream 以读取规划 trace events。示例还覆盖 IAM 权限配置、将检索结果集成到 LangChain 链（LCEL）、按查询复杂度路由的建议，以及资源清理脚本。它帮助开发者理解和对比两种检索方式：标准 Retrieve 适合单一意图问题，代理式检索适合多部分、比较或多跳问题，但会带来更高的成本和延迟。
访问官方网站使用场景
该代码仓库对应 AWS Machine Learning Blog 文章，提供完整的端到端示例，包括创建 Amazon Bedrock Managed Knowledge Base、上传 S3 数据源并触发摄入作业、使用 LangChain 的 AmazonKnowledgeBasesRetriever 进行标准单次检索、使用 langchain-aws 的 agentic_retrieve 函数进行多步规划检索，以及直接调用 boto3 的 agentic_retrieve_stream 以读取规划 trace events。示例还覆盖 IAM 权限配置、将检索结果集成到 LangChain 链（LCEL）、按查询复杂度路由的建议，以及资源清理脚本。它帮助开发者理解和对比两种检索方式：标准 Retrieve 适合单一意图问题，代理式检索适合多部分、比较或多跳问题，但会带来更高的成本和延迟。
优势
AWS 官方示例代码，基于生产级服务 Amazon Bedrock Managed Knowledge Bases 覆盖标准与代理式两种检索路径，便于直接对比 包含从权限、数据摄取到查询和清理的完整工作流 展示如何读取 trace events，帮助理解规划行为和调试 与 LangChain 生态原生集成，便于快速原型开发
缺点与限制
代理式检索比标准检索成本更高、延迟更高，且涉及多次模型调用 示例默认使用 us-east-1 区域，其他区域需自行验证支持情况 langchain-aws 中 agentic_retrieve 是独立函数，需要 RunnableLambda 包装才能用于 LCEL 读取代理式检索 trace events 需要直接调用 boto3，上层封装不暴露规划细节 代理式检索结果不提供标准 Retrieve 中的 typed score 字段，可能影响依赖评分排序的逻辑 Amazon Bedrock Guardrails 在代理式检索中仅支持 BLOCK 模式，不支持 MASK 模式 运行示例需要 AWS 账户并可能产生存储、检索和模型推理费用