/ /

Solución de problemas de la integración de la base de conocimientos Amazon Bedrock

Esta página describe cómo solucionar problemas comunes que puede encontrar al integrar MongoDB Vector Search con Amazon Bedrock.

Para solucionar problemas que no se cubren en esta página, ponte en contacto con MongoDB Soporte.

Solución general de problemas

Consulte los siguientes pasos para obtener orientación general sobre la reparación de fallos.

Creación de una base de conocimiento

Si experimentas problemas al crear la base de conocimientos, verifica lo siguiente:

Utiliza el hostname correcto y asegúrate de que contenga el sufijo -pl en el clúster si usas PrivateLink.

El nombre de host es la URL de su clúster Atlas ubicada en la 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 los nombres especificados en Atlas. Asegúrese de que el usuario de la base de datos tenga acceso a la base de datos en Atlas.
Especifique las claves correctas de nombre de usuario y contraseña en Secrets Manager, y asegúrese de que los ARNsean correctos. Para obtener más información, consulta Conceptos de AWS Secrets Manager.
Si está utilizando PrivateLink, introduzca el nombre correcto del servicio PrivateLink al configurar la base de conocimientos en Amazon Bedrock.

Importante
El punto final del servicio PrivateLink debe estar en la misma cuenta que la base de conocimientos.
Si encuentra problemas relacionados con permisos, consulte ¿Cómo puedo solucionar los problemas de permisos que surgen al crear 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 ingresar estén en un formato compatible con el modelo fundacional. Por ejemplo, si estás utilizando un modelo basado en texto, asegúrate de que los datos estén en formato de texto.
Asegúrate de poder conectarte a tu clúster y de que sus credenciales y el acceso a la red no hayan cambiado.
Asegúrate de especificar el número correcto de dimensiones en tu índice de MongoDB Vector Search correspondiente al modelo base que has elegido.
Si intentas filtrar tus datos, asegúrate de que has definido los campos de metadatos como pre-filtros en la definición de tu índice y de que corresponden a los campos reales en tu fuente de datos.

Nota

Cada vez que añades, modificas o remueves archivos del contenedor S3 de una fuente de datos, debes sincronizar la fuente de datos para que se reindexe en la Base de Conocimiento. La sincronización es incremental, por lo que Amazon Bedrock solo procesa los objetos del contenedor S3 que hayas añadido, modificado o borrado desde la última sincronización. Para obtener más información, consulta la documentación de Amazon Bedrock.

Errores específicos

Mensaje de error	Pasos de solución de problemas
Al configurar una base de conocimiento: `AccessDeniedException: User ... is not authorized to perform: iam:CreateRole on resource ... because no identity-based policy allows the iam:CreateRole action`	Asegúrate de tener los permisos de IAM para crear roles y políticas de IAM. Para obtener más información, consulta la documentación de Amazon Bedrock.
Al intentar sincronizar una fuente de datos para una base de conocimiento: `ConflictException: You cannot start an ingestion job on a knowledgeBase with status CREATING.`	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 aprender cómo ver el estado de tu base de conocimientos, consulta la documentación de Amazon Bedrock.
Al intentar añadir una base de conocimientos a un agente: `You must save your agent with Agent Resource Role defined before adding a knowledge base.`	Esto ocurre si intentas agregar una base de conocimientos a un nuevo agente que estás creando antes de que hayas guardado el agente. Debes guardar el agente primero y luego añadir la base de conocimiento al agente.
Al probar un agente: `Access denied when calling Bedrock. Check your request permissions and retry the request.`	Este error ocurre cuando intenta utilizar un modelo base al que no tiene acceso. Debe solicitar acceso a los modelos de Amazon Bedrock antes de que estén disponibles para su uso. Para aprender cómo solicitar o modificar el acceso al modelo, consulte la documentación de Amazon Bedrock.
Al utilizar el modelo Amazon Titan Text Embedding: `BSON field '$vectorSearch.queryVector.####' is the wrong type 'int', expected type 'double'`	Este es un problema conocido al usar MongoDB Vector Search con este modelo. Para resolver este problema, contacta al soporte de MongoDB.
Error con la creación del índice y los campos de filtro.	Si seguiste el tutorial y anteriormente creaste un índice con el campo de filtro `page_number`, debes actualizar tu definición de índice para usar el nuevo nombre del campo de filtro `x-amz-bedrock-kb-document-page-number` en su lugar. Amazon Bedrock ha actualizado el nombre del campo y los índices que utilizan el antiguo nombre del campo ya no funcionan correctamente con las bases de conocimientos de Amazon Bedrock.

Volver

Búsqueda híbrida

Google Vertex AI