Esta página descreve como solucionar problemas comuns que você pode encontrar ao integrar a Vector Search do MongoDB ao Amazon Camarque.
Para solucionar problemas que não são abordados nesta página, entre em contato com o Suporte do MongoDB.
Solução de problemas gerais
Consulte as etapas a seguir para orientações gerais sobre solução de problemas.
Criação de Base de Conhecimento
Se você encontrar problemas ao criar a base de conhecimento, verifique o seguinte:
Utilize o nome de host correto e assegure-se de que ele contenha um sufixo
-plno cluster caso esteja usando o PrivateLink.O nome do host é o URL do seu cluster do Atlas localizado em sua string de conexão. O nome de host usa o seguinte formato:
<clusterName>.mongodb.net Especifique os mesmos nomes de banco de dados, coleção e índice vetorial que você especificou no Atlas. Certifique-se de que o usuário de banco de dados tenha acesso ao banco de dados no Atlas.
Especifique as chaves corretas de nome de usuário e senha no Secrets Manager e certifique-se de que os ARNsestejam corretos. Para saber mais, veja os conceitos do AWS Secrets Manager.
Se você estiver usando o PrivateLink, insira o nome correto do serviço PrivateLink ao configurar a base de conhecimento no Amazon Bedrock.
Importante
O ponto de extremidade do serviço PrivateLink deve estar na mesma conta que a base de conhecimento.
Se você encontrar problemas relacionados à permissão, consulte Como resolvo erros de permissão que obtenho quando crio uma base de conhecimento no Amazon Cama do Rock?.
Problemas de Sincronização e Recuperação de Dados
Se você encontrar problemas ao sincronizar ou recuperar dados da base de conhecimento, verifique o seguinte:
Certifique-se de que os dados que você deseja ingerir estejam em um formato suportado pelo modelo de base. Por exemplo, se você estiver utilizando um modelo baseado em texto, certifique-se de que os dados estejam no formato de texto.
Certifique-se de que você pode se conectar ao seu cluster e que as credenciais e o acesso à rede não foram alterados.
Certifique-se de especificar o número correto de dimensões em seu índice do MongoDB Vector Search correspondente ao modelo de base que você escolheu.
Se você estiver tentando filtrar seus dados, certifique-se de que definiu os campos de metadados como pré-filtros na definição do seu índice e que eles correspondem aos campos reais na sua fonte de dados.
Observação
Sempre que você adicionar, modificar ou remover arquivos do bucket S3 de uma fonte de dados, é necessário sincronizar a fonte de dados para que ela seja reindexada na base de conhecimento. A sincronização é incremental, então o Amazon Bedrock processa apenas os objetos no seu bucket S3 que você adicionou, modificou ou excluiu desde a última sincronização. Para saber mais, consulte a documentação do Amazon Bedrock.
Erros específicos
Mensagem de erro | Etapas de solução de problemas |
|---|---|
Ao configurar uma base de conhecimento:
| Verifique se você tem as permissões de IAM para criar roles e políticas de IAM. Para saber mais, consulte a documentação do Amazon Base Rock. |
Ao tentar sincronizar uma fonte de dados para uma base de conhecimento:
| Isso ocorre quando você tenta sincronizar uma fonte de dados para uma base de conhecimento que ainda está em processo de criação. Certifique-se de que a base de conhecimento esteja em um estado Pronto antes de sincronizar uma fonte de dados com ela. Para saber como visualizar o status da sua base de conhecimento, consulte a documentação do Amazon Bedrock. |
Ao tentar adicionar uma base de conhecimento a um agente:
| Isso ocorre se você tentar adicionar uma base de conhecimento a um novo agente que está criando antes de salvar o agente. Você deve salvar o agente primeiro e, em seguida, adicionar a base de conhecimento a ele. |
Ao testar um agente:
| Este erro ocorre quando você tenta usar um modelo de base ao qual não tem acesso. Você deve fazer a solicitação de acesso aos modelos Amazon Bedrock antes que eles estejam disponíveis para uso. Para saber como solicitar ou modificar o acesso ao modelo, consulte a documentação do Amazon Bedrock. |
Ao usar o modelo de incorporação de texto Amazon Titan:
| Este é um problema conhecido ao usar a Vector Search do MongoDB com esse modelo. Para resolver esse problema, entre em contato com o suporte do MongoDB. |
Erro na criação de índices e nos campos de filtro. | Se você seguiu o tutorial e criou anteriormente um índice com o campo de filtro |