Task 1.5: Retrieval Mechanisms (RAG)

Task 1.5: Thiết kế retrieval mechanisms cho FM augmentation

Skill 1.5.1: Document segmentation (Chunking)

Kiến thức cần nắm:

• Amazon Bedrock chunking capabilities (fixed-size, hierarchical, semantic)
• Fixed-size chunking với Lambda functions
• Hierarchical chunking dựa trên content structure
• Semantic chunking — chia theo ý nghĩa nội dung

Skill 1.5.2: Embedding solutions

Kiến thức cần nắm:

• Amazon Titan Embeddings — Dimensionality và domain fit
• So sánh performance của các Bedrock embedding models
• Lambda functions để batch generate embeddings
• Embedding dimensions: trade-off giữa accuracy và storage/compute cost

Skill 1.5.3: Vector search solutions

Kiến thức cần nắm:

• OpenSearch Service với vector search capabilities
• Amazon Aurora với pgvector extension
• Amazon Bedrock Knowledge Bases với managed vector store

Skill 1.5.4: Advanced search architectures

Kiến thức cần nắm:

• Semantic search với OpenSearch
• Hybrid search — Kết hợp keyword search và vector search
• Amazon Bedrock reranker models — Rerank kết quả để cải thiện relevance

Skill 1.5.5: Query handling systems

Kiến thức cần nắm:

• Amazon Bedrock cho query expansion
• Lambda functions cho query decomposition
• Step Functions cho query transformation
• Multi-query strategies

Skill 1.5.6: Consistent access mechanisms

Kiến thức cần nắm:

• Function calling interfaces cho vector search
• Model Context Protocol (MCP) clients cho vector queries
• Standardized API patterns cho retrieval augmentation

Tài liệu tham khảo

• Amazon Bedrock Knowledge Bases Chunking
• Amazon Titan Embeddings
• AWS Blog - Hybrid Search with OpenSearch