如何将S3存储桶对象元数据添加至AWS Bedrock知识库？

一、更新现有S3数据源以纳入元数据映射 #

• 打开AWS Bedrock控制台，进入知识库页面找到你的目标知识库。
• 切换到数据源标签，选中已配置的S3数据源，点击编辑按钮。
• 在数据提取设置区域，找到元数据提取模块：
  • 勾选「提取S3对象元数据」选项；
  • 列出需要提取的元数据键（支持S3内置元数据如Content-Type，或自定义元数据如x-amz-meta-category）；
  • 标记需要用于RAG过滤的字段，确保它们被设为可检索字段。
• 保存配置后，Bedrock会自动触发同步任务，重新处理S3对象并将指定元数据字段添加到OpenSearch Serverless的索引映射中。
• 同步完成后，在RAG查询时可通过filter参数调用这些元数据（比如调用Retrieve API时指定filter={"category": "tech"}）。

二、创建新S3数据源并配置元数据映射 #

• 在Bedrock控制台的知识库页面，要么新建知识库，要么进入现有知识库的数据源管理页，点击添加数据源并选择S3。
• 完成S3存储桶路径、IAM角色等基础配置后，进入数据提取设置：
  • 开启「元数据提取」，明确列出需要纳入映射的元数据键；
  • 为每个元数据字段指定类型（如字符串、数值，Bedrock会自动匹配OpenSearch的映射类型）；
  • 标记需要用于过滤的字段，确保它们被加入可搜索映射。
• 启动同步后，Bedrock会自动在OpenSearch Serverless集群中创建包含指定元数据字段的索引映射，无需手动修改集群配置。

关键注意事项 #

• OpenSearch Serverless的映射由Bedrock自动维护，无需你直接操作集群。只要在数据源配置中指定了元数据，同步时Bedrock会自动更新索引映射结构。
• S3自定义元数据必须以x-amz-meta-为前缀，Bedrock会自动去除前缀后将字段名存入索引（比如x-amz-meta-author会转为author字段）。
• 同步完成后，可通过Bedrock的检索测试功能验证元数据是否正确索引，比如添加过滤条件测试返回结果是否符合预期。

内容的提问来源于stack exchange，提问作者Makarand