AWS推出Bedrock托管知识库迁移Skill，支持编码智能体安全迁移RAG

摘要：AWS在Agent Toolkit for AWS的amazon-bedrock Skill中加入知识库迁移指南，帮助编码智能体以只读发现、配置映射、人工审批和并行构建的方式，将客户自管Amazon Bedrock知识库迁移至托管知识库。新路径可生成CloudFormation、CDK或Terraform迁移模板，并提供检索验证与安全回滚流程。其价值在于降低RAG基础设施迁移成本，但托管检索固定采用混合搜索，分块、过滤器和ACL语义存在兼容性差异，不能用直接替换知识库ID代替完整验收。

---

这次更新是什么

AWS 已将 Amazon Bedrock 知识库迁移指南加入 Agent Toolkit for AWS 的 amazon-bedrock Skill。编码智能体可以先通过只读 API 检查原有客户自管知识库及其数据源，再生成迁移计划；经用户批准后，它可以在旧知识库旁创建一个 MANAGED 类型的新知识库，或者输出 CloudFormation、AWS CDK 或 Terraform 迁移模板。

这不是把知识库 ID 替换成新 ID 的单向操作。托管知识库在检索配置、混合搜索、分块、过滤表达式、权限语义和评分尺度上均可能变化，因此 AWS 将流程拆为发现、映射、计划、构建、摄取验证和切换等阶段。

从客户自管架构迁往托管架构

在原客户自管模式下，团队需要自行配置向量存储、索引、Embedding 模型、分块策略和容量。托管知识库则由 AWS 管理摄取、存储、索引和检索，并提供：

• 始终启用的关键词与语义混合搜索；
• 托管 Embedding、托管重排模型和多模态文件解析器；
• S3、SharePoint、Confluence 等原生连接器；
• ACL-aware retrieval 与源端权限变更检查；
• 面向复杂问题的 Agentic Retrieval；
• 通过 AgentCore Gateway 暴露给支持 MCP 的客户端；
• 面向跨 AWS 账户调用的资源级策略。

托管模式将基础设施控制权交给 AWS，但内容与应用侧控制权仍由客户保留。这意味着团队减少了向量库扩容、Embedding 重算和索引维护工作，却也更依赖托管服务的配置语义和配额策略。

编码智能体如何执行迁移

迁移 Skill 提供三种工作路径：

1. Explore：只读取文档或以只读方式检查知识库，回答迁移影响，不创建资源。
2. Live knowledge base：读取现有配置并生成计划；只有用户批准具体脚本后，才创建并行的托管知识库及数据源。
3. Infrastructure as Code：读取 CloudFormation、CDK 合成模板或 Terraform 配置，输出同格式迁移文件，不直接部署。

配置映射被分为三类：可以保持的 1:1 参数、需要调整的 Adjusted 参数，以及当前没有托管等价物的 Blocked 参数。遇到阻断配置时，智能体应跳过该知识库并说明原因，而不是强行生成不可执行的迁移结果。

实时构建脚本还要求传入计划文件的 SHA-256 摘要。计划内容变化后，原摘要失效，执行器会拒绝运行，从而缩小“预览内容”和“实际执行内容”不一致的风险。

检索机制与兼容性风险

Managed Knowledge Base 的标准检索固定使用混合搜索，不再提供 overrideSearchType。应用调用虽然仍使用 Retrieve，但请求结构从 vectorSearchConfiguration 改为 managedSearchConfiguration；若继续传入原字段，API 会返回校验错误。

元数据过滤器的语法也不完全兼容。托管知识库不支持 startsWith 与 stringContains，迁移后依赖这些条件的过滤逻辑必须重写。分块策略则不能只依据配置名称判断等价：即使 API 层映射成功，托管解析器和默认分块仍可能改变上下文边界，必须使用企业自己的文档集进行对比。

此外，两类知识库的相似度分数不具备直接可比性。托管分数还取决于 rerankingModelType，因此不能把两套系统的分数按同一阈值判断质量。验证应关注 Top-1 文档是否一致、结果集合重叠、零结果率、权限过滤是否正确，以及最终 RAG 答案的上下文相关性与覆盖率。

权限与智能体安全边界

规划、发现和 IaC 生成路径只需要只读凭证。实时创建阶段则要求切换到单独的受限构建配置，策略显式拒绝修改或删除原知识库，也不要求管理员权限或全访问权限。

AWS 还要求智能体把外部内容视为不可信数据，忽略被读取文档中的指令，仅修改自身创建的资源，并使用 ARN 引用密钥。执行后，团队仍应检查 CloudTrail 事件、生成脚本、IAM 策略和资源差异。

这些约束能降低编码智能体误删生产知识库的风险，但不能替代 IAM 最小权限、独立代码审查和变更管理。Skill 文档中列出的 CloudTrail 管理事件保留期为 90 天，也不等于对数据平面操作的完整审计。

成本与工程权衡

托管知识库按存储和检索计量，文中给出的标准检索价格为每 1,000 次请求 1 美元；Agentic Retrieval 另收每 1,000 次查询 4 美元，包含多轮检索、重排和答案生成。是否划算取决于查询量、文档规模、重排需求和自管向量库原本承担的闲置容量。

对于低利用率的企业问答、客服和内部知识库，托管模式可减少运维与扩容成本；对于需要深度控制索引、Embedding、解析器或检索流水线的团队，迁移可能带来锁定、参数受限和额外请求费用。AWS 提供的成本分析会读取 CloudWatch、S3 对象大小和 Cost Explorer，但估算结果仍需用真实流量回放。

配额也明显提升：托管模式默认每个账户、每个区域可创建 10,000 个知识库，每个知识库可拥有 200 个数据源，并发摄取任务为 50，查询输入上限为 10,000 字符。这支持按团队或产品线隔离知识库，但会扩大资源治理与可见性要求。

开发者落地建议

建议先以 Explore 模式完成只读评估，记录原知识库的解析器、分块、Embedding、过滤器和 ACL 配置。随后使用生产文档的代表性样本建立双跑测试，而不是只比较接口是否返回成功。

对 Terraform 模板至少执行 terraform init -backend=false 与 terraform validate，并人工检查 diff 中是否保留回滚资源。对实时构建，应让智能体先停在计划阶段，核对脚本、IAM 策略、服务角色和计划摘要，再单独授权资源创建。

切换前保留原知识库及运行时权限，同时测试普通用户、无权限用户、过滤无结果和多部分问题。验收标准可以包括“至少 90% 查询的 Top-1 文档一致”和“托管知识库零结果率满足业务阈值”，但这些数字应按企业语料分布调整，不能直接当作通用基准。

适用边界

该 Skill 适合已经在使用 Amazon Bedrock、愿意接受托管检索语义并希望通过编码智能体降低迁移工时的团队。它不提供跨云迁移，也不自动解决数据清洗、权限身份接入或业务答案质量。对高度定制的检索系统，更稳妥的做法是先并行运行并验证，再逐步削减旧架构。

---

消息来源：AWS Machine Learning Blog (2026-11-12)

—— 完 ——

主题标签： #AWS 关注 #Amazon Bedrock 关注 #编码智能体 关注 #RAG迁移 关注 #托管知识库 关注