> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# AWS 演示用 Textract 定制 Bedrock 知识库，处理复杂长文档
- URL: https://globalfeed.ai/zh/aws-yan-shi-yong-textract-ding-zhi-bedrock-zhi-shi-ku-chu-li-fu-za-chang-wen-dang/
- Published: 2026-09-07T18:20:19.000Z
- Updated: 2026-09-07T18:20:19.000Z
- Description: AWS 发布参考方案，把 Amazon Textract 与 Amazon Bedrock 知识库结合，提升水电燃气账单等表格密集长文档的 RAG 准确率。
- Author: GlobalFeed Editor
- Tags: Amazon Bedrock, Amazon Textract, RAG, x-awscloud, dil-zh, video

AWS 在其机器学习博客中给出一套方案，用于定制 Amazon Bedrock 知识库，使其能处理体量大、结构复杂的文档。文中场景是一支每月处理数千份水电燃气账单的客服团队：格式不统一、表格密集、版式各异，导致取值困难。

文章介绍，该客户最初直接把原始账单喂给检索增强生成（RAG）流程，效果不理想：大语言模型（LLM）遗漏关键细节，部分情况下出现幻觉，返回错误或无关的信息。团队由此判断，仅加载原始文档不足以得到可靠回答，必须先做预处理。

## 在检索前加入 Textract

新方案把文本抽取服务 Amazon Textract 放在 Bedrock 之前。Textract 负责抽取结构化与非结构化内容，对相关表格打标签，再转换成模型可用的格式。这样账号、账单明细、付款说明等字段就能被程序化查询，而不是埋在 PDF 里。当前支持的文件类型包括 PDF、DOCX、TXT、HTML、XLSX 和 PNG。

## 部署方式与安全护栏

部署通过一个 shell 脚本启动 AWS CloudFormation 堆栈完成。该堆栈会创建 Lambda 函数、S3 存储桶、一个 OpenSearch Serverless 集群以及 Amazon Bedrock 知识库。堆栈部署完成后，还需配置 S3 存储桶、上传示例文档并设置知识库；上传的文件会被自动处理成适合知识库的格式。

对于生产环境，AWS 建议开启 Amazon Bedrock Guardrails。该功能提供可配置的控制项，用于过滤有害内容、屏蔽被禁止的话题，并对输入和输出中的敏感信息做脱敏处理。此外，接地校验会评估模型回答是否有检索到的源文档支撑，从而减少幻觉。

示例代码已放在 GitHub 上。完整步骤见 [AWS 博客文章](https://aws.amazon.com/blogs/machine-learning/customizing-your-knowledge-base-on-amazon-bedrock-for-large-and-complex-documents-using-amazon-textract/?ref=globalfeed.ai)。