Knowledge Basesを作成する
Knowledge Basesを作成することで、S3上のドキュメントをチャンク分割・ベクトル化してベクトルストアに登録し、質問時にRAGとして使える状態を一括で用意できます。まずデータソースとなるS3バケットを用意してドキュメントを配置し、次にナレッジベース本体を作成、最後にデータソースを同期する流れで進めます。
1. S3バケットを作成する
S3コンソールで「バケットを作成」を開き、以下の設定でバケットを作ります。
| 項目 | 設定値 | 設定の基準 |
|---|---|---|
| AWS リージョン | アジアパシフィック(東京) ap-northeast-1 |
Knowledge Basesと同じリージョンに揃える |
| バケットタイプ | 汎用 | 一般的な用途向けの標準タイプを使う |
| バケット名 | ai-platform-rag-<自分の識別子> |
S3バケット名は全世界で一意のため、識別子を付けて重複を避ける |
| パブリックアクセス | すべてブロック | 内部利用のみに限定する |

その他の項目はデフォルトのままで問題ありません。画面下部までスクロールし、右下の「バケットを作成」をクリックします。

バケット一覧画面に戻り、「バケット『ai-platform-rag-<自分の識別子>』が正常に作成されました」というメッセージが表示されれば、バケットの作成は完了です。

2. restaurant.md をアップロードする
サンプルドキュメントとして、Bistro・DevOps の店舗情報とメニューをまとめた restaurant.md を用意しています。以下のボタンからダウンロードしてください。
ダウンロードした restaurant.md を、作成したS3バケットにアップロードします。バケットの詳細画面(オブジェクトタブ)を開き、右上の「アップロード」をクリックします。

アップロード画面が開いたら、「ファイルを追加」ボタンから、あるいは画面上部のエリアにドラッグ&ドロップで restaurant.md を追加します。ファイル一覧に restaurant.md が表示されたら、右下の「アップロード」をクリックします。

「アップロードに成功しました」の緑バナーが表示され、ファイル一覧で restaurant.md のステータスが「成功しました」になっていれば、アップロードは完了です。

3. ナレッジベース本体を作成する
S3にドキュメントの配置ができたので、これをデータソースにしてナレッジベース本体を作成します。Bedrockコンソールの左メニューで「ナレッジベース」を開き、右上の「Create Managed KB」ボタンをクリックします。

Create Managed Knowledge Base (KB) 画面が開くので、以下の項目を入力します。
| 項目 | 設定値 | 設定の基準 |
|---|---|---|
| ナレッジベース名 | ai-platform-rag-kb |
用途がひと目で分かる名前をつける |
| データソース名 | ai-platform-rag-kb-source |
ナレッジベースとの対応が分かる名前をつける |
| Data source type | Amazon S3 | 今回のハンズオンで使うデータソースを指定する |
| データソースの場所 | このAWSアカウント | 同じアカウント内のS3バケットを使う |
| S3 のURI | s3://ai-platform-rag-<自分の識別子> |
前のステップで作成したバケットを指定する |

上記以外の設定項目は、デフォルトのままで問題ありません。ハンズオンで押さえておくポイントは以下です。
- 埋め込みモデル(KB details の追加設定)は
Managed embeddings model - recommendedがデフォルトで選ばれており、Managed KBが追加費用なしで用意する埋め込みモデルで日本語にも対応する - IAM Permissions(KB details の追加設定)は
新しいサービスロールを作成して使用がデフォルトで選ばれており、Bedrockが自動でAmazonBedrockExecutionRoleForKnowledgeBase_...というロールを作成する - ベクトルストアは Managed KB では明示的な選択項目がなく、内部で自動的にマネージドベクトルストアが用意される
画面下部までスクロールし、右下の「ナレッジベースを作成」をクリックします。

ナレッジベースの作成には数分〜10分ほどかかります。ステータスが「使用可能」になると、続いてデータソースの初回同期が自動で始まります。

| 💡 ポイント |
|---|
| Managed KBが自動で用意するベクトルストアは、有効化されている間は常時稼働のコストが発生します。ハンズオンで作りっぱなしにするとコストが積み重なるため、後の「不要リソースの削除」で忘れずに片付けてください。 |
4. データソースの初回同期を待つ
Managed KBは、ナレッジベースの作成直後にデータソースの初回同期(S3上のドキュメントを取り込んでチャンク分割・ベクトル化する処理)を自動で開始します。
ナレッジベースの詳細画面下部の「データソース」欄で、ステータスが「同期中」になっていることを確認します。しばらく待つとステータスが「使用可能」に変わり、ベクトル検索が使える状態になります。今回のような小さなドキュメントであれば、数分以内に完了します。

なお、後からS3のドキュメントを追加・更新した場合は、同じ画面の「同期」ボタンから手動で再同期を実行します。
5. コンソールから動作確認する
初回同期が完了すると、ナレッジベース詳細画面の上部に「データソースの同期が完了しました」の緑バナーが表示され、データソース欄のステータスも「利用可能」に変わります。この状態になっていれば、動作確認に進めます。

まずはBedrockコンソールから、実際に質問を投げてナレッジに基づいた回答が返ってくることを確認します。ナレッジベース詳細画面の右上にある「ナレッジベースをテスト」ボタンをクリックします。

テスト画面(Test KBs)が開きます。左側の「設定」パネルでは、APIモードとして Agentic retrieval with answer generation(Managed KBのデフォルト。検索と回答生成をエージェンティックに行う方式)と、応答生成に使うモデル Managed model - Equivalent to Claude Sonnet 4.6 or better(Managed KBが用意する、Claude Sonnet相当のモデル)が自動選択されています。設定はそのまま触らずに進めます。
右側「テスト」パネル下部のプロンプト欄に、以下の質問を入力して「実行」をクリックします。
営業時間を教えて

数秒待つと、ドキュメントの内容に基づいた応答が返ります。
Bistro・DevOpsの営業時間は以下の通りです。
ランチ
・11:30〜14:30(ラストオーダー 14:00)
ディナー
・17:30〜22:00(ラストオーダー 21:30)
なお、定休日は毎週火曜日、および月末の水曜日となっています。
回答本文の途中に [1] [2] のような引用番号が付き、応答の下部に「View source chunks」と「Trace details」のリンクが表示されます。

「View source chunks」をクリックすると、画面右側に「ソースチャンク」パネルが開き、restaurant.md から実際に取り出されたテキストの中身を確認できます。モデルが自分の記憶ではなく、登録したドキュメントの内容から回答を組み立てていることが具体的に見えます。

同様に「ワインは何がありますか?」「ハンバーグはありますか?」などの質問も試して、ドキュメントの内容に沿った回答が返ることを確認してみてください。
一方、ドキュメントに書かれていない質問(例: 「駐車場はありますか?」)を投げると、モデルは「Bistro・DevOpsの店舗情報には駐車場に関する記載がありません」とドキュメントに事実がないことを正直に伝えたうえで、「渋谷駅周辺には複数のコインパーキングがある」といったモデル自身の一般知識で補足を添える形で応答します。

ドキュメントに根拠がないことは勝手に断定せずハルシネーションを避けつつ、利用者に役立つ情報も返せているのがRAGの強みです。