Resposta correta
- AAmazon Bedrock com Retrieval Augmented Generation (RAG)
Explicação
O Amazon Bedrock com Retrieval Augmented Generation (RAG) é a escolha correta porque permite que o modelo de IA generativa acesse e incorpore a documentação de produto mais recente de uma base de conhecimento externa sem retreinamento. O RAG funciona recuperando trechos de documentos relevantes no momento da inferência e injetando-os no contexto do modelo, garantindo que as respostas reflitam as informações mais recentes. Isso atende diretamente ao requisito de manter-se atualizado com a documentação em evolução, evitando o custo e a latência de um retreinamento completo do modelo.
Para se aprofundar
O padrão RAG do Amazon Bedrock desacopla o conhecimento dos pesos do modelo: o modelo base permanece congelado enquanto um armazenamento de vetores (comumente Amazon OpenSearch Serverless, Aurora pgvector ou Knowledge Bases for Amazon Bedrock) contém trechos incorporados da documentação do seu produto. Na inferência, a consulta do usuário é incorporada com o mesmo modelo de incorporação (por exemplo, Amazon Titan Embeddings ou Cohere Embed), uma pesquisa de similaridade recupera os principais trechos e esses trechos são injetados no prompt como contexto antes que o FM gere o resumo. Como o índice é atualizado de forma independente, atualizar a documentação significa reingerir e reincorporar os arquivos alterados, e não retreinar. Um limite sutil que vale a pena conhecer: a qualidade da recuperação é limitada pela estratégia de fragmentação e dimensionalidade da incorporação, e trechos obsoletos ou duplicados degradam silenciosamente as respostas. Isso importa quando os tickets de suporte fazem referência a recursos recém-lançados posteriores ao corte de treinamento do modelo.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AIF-C01 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.