Esta página describe cómo solucionar problemas comunes que puede encontrar al Integración de MongoDB Vector Search con Amazon Bedrock.
Para solucionar problemas que no están cubiertos en esta página, comuníquese con Soporte de MongoDB.
Solución de problemas generales
Consulte los siguientes pasos para obtener orientación general sobre solución de problemas.
Creación de una base de conocimiento
Si experimenta problemas al crear la base de conocimientos, verifique lo siguiente:
Utilice el nombre de host correcto y asegúrese de que contenga un
-plsufijo en el clúster si se utiliza PrivateLink.El nombre del host es el La URL de su clúster Atlas se encuentra en su cadena de conexión. El nombre de host utiliza el siguiente formato:
<clusterName>.mongodb.net Especifique los mismos nombres de base de datos, colección e índice vectorial que especificó en Atlas. Asegúrese de que el usuario de la base de datos tenga acceso a la misma en Atlas.
Especifique las claves de nombre de usuario y contraseña correctas en Secrets Manager y asegúrese de que los ARNsean correctos. Para obtener más información, consulte los conceptos de AWS Secrets Manager.
Si está utilizando PrivateLink, ingrese el nombre de servicio PrivateLink correcto al configurar la base de conocimiento en Amazon Bedrock.
Importante
El punto final del servicio PrivateLink debe estar en la misma cuenta que la base de conocimiento.
Si encuentra problemas relacionados con los permisos, consulte ¿Cómo puedo solucionar los errores de permisos que aparecen cuando creo una base de conocimientos en Amazon Bedrock?.
Problemas de sincronización y recuperación de datos
Si experimentas problemas al sincronizar o recuperar datos de la base de conocimientos, verifica lo siguiente:
Asegúrese de que los datos que desea ingerir estén en un formato compatible con el modelo base. Por ejemplo, si utiliza un modelo basado en texto, asegúrese de que los datos estén en formato de texto.
Asegúrese de que pueda conectarse a su clúster y de que sus credenciales y acceso a la red no hayan cambiado.
Asegúrese de especificar la cantidad correcta de dimensiones en su índice de búsqueda vectorial de MongoDB correspondiente al modelo de base que haya elegido.
Si intenta filtrar sus datos, asegúrese de haber definido los campos de metadatos como prefiltros en su definición de índice y de que correspondan a los campos reales en su fuente de datos.
Nota
Cada vez que agregue, modifique o elimine archivos del bucket S3 de una fuente de datos, debe sincronizar dicha fuente para que se vuelva a indexar en la base de conocimientos. La sincronización es incremental, por lo que Amazon Bedrock solo procesa los objetos del bucket S que haya agregado, modificado3 o eliminado desde la última sincronización. Para obtener más información, consulte la documentación de Amazon Bedrock.
Errores específicos
Mensaje de error | Pasos para la solución de problemas |
|---|---|
Al configurar una base de conocimientos:
| Asegúrese de tener los permisos de IAM necesarios para crear roles y políticas de IAM. Para obtener más información, consulte la documentación de Amazon Bedrock. |
Al intentar sincronizar una fuente de datos para una base de conocimientos:
| Esto ocurre cuando se intenta sincronizar una fuente de datos para una base de conocimiento que aún está en proceso de creación. Asegúrate de que la base de conocimientos esté en un estado Listo antes de sincronizar una fuente de datos para ella. Para saber cómo ver el estado de su base de conocimientos, consulte la documentación de Amazon Bedrock. |
Al intentar agregar una base de conocimiento a un agente:
| Esto ocurre si intenta agregar una base de conocimientos a un nuevo agente que está creando antes de haberlo guardado. Primero debe guardar el agente y luego agregarle la base de conocimientos. |
Al probar un agente:
| Este error se produce al intentar usar un modelo de base al que no se tiene acceso. Debe solicitar acceso a los modelos de Amazon Bedrock para que estén disponibles. Para saber cómo solicitar o modificar el acceso a un modelo, consulte la documentación de Amazon Bedrock. |
Al utilizar el modelo Amazon Titan Text Embedding:
| Este es un problema conocido al usar MongoDB Vector Search con este modelo. Para solucionarlo, contacte con el soporte de MongoDB. |
Error con la creación de índices y campos de filtro. | Si siguió el tutorial y creó previamente un índice con el campo de |