# BedrockとPineconeで安くRAGを作ろう！ついでに参照リンクも表示する方法

## 目次
1. はじめに
2. RAGアプリの概要
3. BedrockとPineconeの活用
   1. Pineconeのメリットとデメリット
   2. Bedrockの機能
4. 構築手順
   1. Pineconeインデックスの作成
   2. シークレットマネージャーの設定
   3. S3バケットの作成
   4. Bedrock基盤モデルの有効化
   5. Bedrockナレッジベースの作成
5. 利用方法
   1. データソースの同期
   2. Pythonコードでの利用
6. まとめ

## 1. はじめに
AWS環境で「ほぼ無料」のRAG（Retrieval-Augmented Generation）アプリを運用する方法を紹介します。多くの生成AIアプリで用いられるRAGアプローチは、ベクトルデータベース（DB）のランニングコストが高くなりがちです。AWSのサービスを活用しつつ、コストを抑えて構築する方法を探ってみましょう。

## 2. RAGアプリの概要
RAGは、生成AIモデルが十分な情報を得て回答を生成するために使われる有用なアプローチです。情報の取得と生成を組み合わせるこの方法は、ユーザーに対して高品質で正確な情報を提供するための手段です。しかし、ベクトルDBの運用コストは通常高いため、効率的な方法が求められます。

## 3. BedrockとPineconeの活用
### 3.1 Pineconeのメリットとデメリット
PineconeはサーバーレスなSaaS製品で、特に利用頻度が低い場合にはランニングコストを抑えられます。AWSのナレッジベースにも簡単に統合できますが、高度な機能を利用するにはOpenSearch Serverlessが必要です。業務利用時にはセキュリティルールの注意も必要です。

### 3.2 Bedrockの機能
Bedrockでは、Amazon Bedrockのナレッジベース機能を使用すると、簡単にRAGを実装できます。特に初心者にとっては便利なツールです。また、AWS上のPineconeインフラを選択することで、セキュリティを強化することも可能です。

## 4. 構築手順
### 4.1 Pineconeインデックスの作成
Pinecone公式サイトでアカウントを作成し、無料プランでインデックスを作成します。埋め込みの次元数は、Amazon TitanまたはCohereを選択する場合に応じて設定します。

### 4.2 シークレットマネージャーの設定
PineconeからAPIキーを取得し、AWS Secrets Managerでシークレットを作成します。キーは`apiKey`として設定する必要があります。

### 4.3 S3バケットの作成
AWSで新規S3バケットを作成し、対象ドキュメントを配置します。例えば、PDFやExcel (.xlsx) 形式がサポートされています。

### 4.4 Bedrock基盤モデルの有効化
Amazon Bedrockコンソールで必要なモデル（Amazon Titanなど）を有効化します。該当するモデルが使えない場合はリージョン変更などを検討します。

### 4.5 Bedrockナレッジベースの作成
Bedrockのナレッジベースを作成し、設定項目を入力します。モデル、データベース、S3のURI、認証情報などを適切に設定します。

## 5. 利用方法
### 5.1 データソースの同期
ナレッジベースの作成後、データソースの同期を行います。同期が完了すれば、RAGアプリが即座に利用可能になります。

### 5.2 Pythonコードでの利用
以下はPythonを用いたRAGアプリの利用例です。Bedrock APIを通じて、知識ベースを活用したテキスト生成を行います。

![img](/mosaic-code.jpg)

このコードではS3に保存されたドキュメントの位置を表示することで、出自を明確にしつつ精確な回答を提供します。

## 6. まとめ
AWSのBedrockとPineconeを活用することで、コスト効率よくRAGアプリを構築できることが確認できました。Pineconeのサーバーレス特性と、Bedrockのナレッジベース機能を組み合わせることで、維持費を低く抑えたシステムを実現できます。より高度な機能を求める場合は、OpenSearch Serverlessなどのオプションも検討してみてください。 [cv:issue_marketplace_engineer]

# BedrockとPineconeで安くRAGを作ろう！ついでに参照リンクも表示する方法

## 目次
1. はじめに
2. RAGアプリの概要
3. BedrockとPineconeの活用
   1. Pineconeのメリットとデメリット
   2. Bedrockの機能
4. 構築手順
   1. Pineconeインデックスの作成
   2. シークレットマネージャーの設定
   3. S3バケットの作成
   4. Bedrock基盤モデルの有効化
   5. Bedrockナレッジベースの作成
5. 利用方法
   1. データソースの同期
   2. Pythonコードでの利用
6. まとめ

## 1. はじめに
AWS環境で「ほぼ無料」のRAG（Retrieval-Augmented Generation）アプリを運用する方法を紹介します。多くの生成AIアプリで用いられるRAGアプローチは、ベクトルデータベース（DB）のランニングコストが高くなりがちです。AWSのサービスを活用しつつ、コストを抑えて構築する方法を探ってみましょう。

## 2. RAGアプリの概要
RAGは、生成AIモデルが十分な情報を得て回答を生成するために使われる有用なアプローチです。情報の取得と生成を組み合わせるこの方法は、ユーザーに対して高品質で正確な情報を提供するための手段です。しかし、ベクトルDBの運用コストは通常高いため、効率的な方法が求められます。

## 3. BedrockとPineconeの活用
### 3.1 Pineconeのメリットとデメリット
PineconeはサーバーレスなSaaS製品で、特に利用頻度が低い場合にはランニングコストを抑えられます。AWSのナレッジベースにも簡単に統合できますが、高度な機能を利用するにはOpenSearch Serverlessが必要です。業務利用時にはセキュリティルールの注意も必要です。

### 3.2 Bedrockの機能
Bedrockでは、Amazon Bedrockのナレッジベース機能を使用すると、簡単にRAGを実装できます。特に初心者にとっては便利なツールです。また、AWS上のPineconeインフラを選択することで、セキュリティを強化することも可能です。

## 4. 構築手順
### 4.1 Pineconeインデックスの作成
Pinecone公式サイトでアカウントを作成し、無料プランでインデックスを作成します。埋め込みの次元数は、Amazon TitanまたはCohereを選択する場合に応じて設定します。

### 4.2 シークレットマネージャーの設定
PineconeからAPIキーを取得し、AWS Secrets Managerでシークレットを作成します。キーは`apiKey`として設定する必要があります。

### 4.3 S3バケットの作成
AWSで新規S3バケットを作成し、対象ドキュメントを配置します。例えば、PDFやExcel (.xlsx) 形式がサポートされています。

### 4.4 Bedrock基盤モデルの有効化
Amazon Bedrockコンソールで必要なモデル（Amazon Titanなど）を有効化します。該当するモデルが使えない場合はリージョン変更などを検討します。

### 4.5 Bedrockナレッジベースの作成
Bedrockのナレッジベースを作成し、設定項目を入力します。モデル、データベース、S3のURI、認証情報などを適切に設定します。

## 5. 利用方法
### 5.1 データソースの同期
ナレッジベースの作成後、データソースの同期を行います。同期が完了すれば、RAGアプリが即座に利用可能になります。

### 5.2 Pythonコードでの利用
以下はPythonを用いたRAGアプリの利用例です。Bedrock APIを通じて、知識ベースを活用したテキスト生成を行います。

```python
import boto3

# クライアントを初期化
bedrock_agent = boto3.client(
    service_name='bedrock-agent-runtime',
    region_name='us-east-1'
)

# レスポンスを取得
response = bedrock_agent.retrieve_and_generate(
    input={'text': "かぐたんって何？"},
    retrieveAndGenerateConfiguration={
        'knowledgeBaseConfiguration': {
            'knowledgeBaseId': "XXXXXXXXXX",  # ナレッジベースIDを入力
            'modelArn': "arn:aws:bedrock:us-east-1::foundation-model/anthropic-claude-3.5-sonnet"
        },
        'type': 'KNOWLEDGE_BASE'
    }
)

# 生成結果を表示
print(response['output']['text'])
# 参照したドキュメントのURIを表示
print(response['citations'][0]['retrievedReferences'][0]['location']['s3Location'])
```

このコードではS3に保存されたドキュメントの位置を表示することで、出自を明確にしつつ精確な回答を提供します。

## 6. まとめ
AWSのBedrockとPineconeを活用することで、コスト効率よくRAGアプリを構築できることが確認できました。Pineconeのサーバーレス特性と、Bedrockのナレッジベース機能を組み合わせることで、維持費を低く抑えたシステムを実現できます。より高度な機能を求める場合は、OpenSearch Serverlessなどのオプションも検討してみてください。 

BedrockとPineconeで安くRAGを作ろう！ついでに参照リンクも表示する方法

目次

続きを読むには単価診断を受けてください（30秒）