aws-samples/rag-with-amazon-bedrock-and-pgvector
📦 开源项目aws-samples
基于 Amazon Bedrock 和 RDS PGVector 构建生产级 RAG 应用的参考架构。
rag-with-amazon-bedrock-and-pgvector 项目是一个稳健的参考实现，旨在弥合 AI 原型开发与生产部署之间的鸿沟。它采用 Python、LangChain 和 AWS CDK 等现代技术栈来编排完整的 RAG 流水线。核心技术组件包括用于访问基础模型的 Amazon Bedrock，以及支持 pgvector 扩展的 Amazon RDS for PostgreSQL，从而实现高性能的向量嵌入存储与检索。
该架构具备模块化与安全性，集成了 AWS Cognito 进行用户管理，Secrets Manager 进行凭证处理，并使用 ECS Fargate 进行容器化应用托管。通过提供结构化的基础设施方案，开发者可以专注于应用逻辑而非繁琐的云端配置。它展示了在云原生环境中管理向量数据库、处理文档摄取以及将大模型集成到 Web 接口的最佳实践。对于希望在 AWS 上标准化 RAG 部署模式、确保系统可扩展性、可维护性与安全性的团队来说，该示例极具参考价值。
💡核心亮点
- ├─使用 Amazon RDS 与 pgvector 插件
- ├─完整的 AWS CDK 基础设施代码
- └─集成 Cognito 身份验证功能
🎯适用人群
- ├─云架构师
- ├─AI 工程师
- └─全栈开发人员