Bedrock 知识库新增表格检索与计算
Amazon Bedrock 托管知识库新增表格检索,支持对 CSV、XLSX 和 XLS 文件查询数值并跨相关行计算。检索结果还能与关联文档结合,回答多步骤分析问题。
AI 深度解读
表格问答最容易出的问题,是计算过程看起来合理,参与计算的数据却只有几行。Amazon Bedrock Managed Knowledge Base 的 tabular search 把任务拆开:先检索相关文件,再让代码读取原始表格,最后结合制度、备忘录等文档回答问题。
原文用一组虚构财务文件演示了这条链路。它解决了普通 RAG 难以完整统计长表的问题,但仍依赖文件检索、业务口径和模型生成的代码。对做企业知识库的程序员,接口之外更有参考价值的是这套分工,以及它留下的核验边界。
为什么多检索几段,仍然算不准整张表
普通检索增强生成(RAG)返回与问题最相关的若干片段。解释一项制度,这通常够用;计算所有部门的预算偏差,就容易漏数据。
长表可能有几千行,分散在许多片段里,检索只返回其中一部分。宽表可能有几百列,单行就超过片段或搜索模型的输入范围,后面的列更难被匹配。增加返回数量可以缓解遗漏,却不能保证相关行全部到齐。
业务口径又增加了一层难度。用户问「可控支出」,表里只有科目名、成本中心和金额;哪些科目算可控支出,可能写在另一份 PDF 中。草稿和正式工作簿的结构还可能几乎一样。
检索负责找到文件,代码负责遍历数据,文档负责解释口径。
tabular search 只需要先检索到正确表格文件的一个片段,随后读取原始文件完成计算。但它没有消除选错文件的问题,因此原文反复建议在问题里写明文件名、版本和规则来源。
示例文件包括正式工作簿 anycompany-pnl-fy2026.xlsx、Q3 数字不同的草稿、财务政策 PDF、Q3 结账备忘录 Word,以及业务复盘 Markdown。正式工作簿包含 Notes、Actuals、Budget、Summary 四个 sheet,Actuals 和 Budget 按月份、成本中心、科目记录数据。
针对 FY2026 财年 Q2 的可控支出,政策只计入 Contractors、Travel、Software、Marketing Programs,排除薪资和场地费用。代码遍历明细后,得到 CC-3010(Platform)超支 124,559.90 美元:实际 394,859.90,预算 270,300.00。若把所有运营费用都算进去,超支会变成 133,434.05 美元。
这组差异说明,完整读表只是条件之一。口径选错,算得再完整也会回答另一个问题。
一个请求怎样把制度和工作簿接起来
tabular search 集成在 agentic retrieval 中,不需要另开开关。当检索结果来自 CSV、XLSX、XLS,且问题需要跨行计算或具体值查找时,代理会判断是否执行代码。
流程依次是:检索片段、规划任务、把原始文件复制到无网络的隔离沙箱、运行模型生成的代码、接收代码打印的结果,再结合文档生成答案。代理接收到的是打印结果。
同一个 AgenticRetrieveStream 请求可以搜索一个或多个知识库;普通 Retrieve 仍然只返回片段,不执行代码。连接器可以是 Amazon S3、Microsoft SharePoint、Atlassian Confluence 等。
财务示例中,更能体现价值的是「修订后的预算」。Q3 结账备忘录批准了 Marketing 的预算上调和 Engineering 的预算削减。将这些修订应用到工作簿后,Q3 实际运营支出比修订预算少 49,572.40 美元,尽管它超过原始预算。
继续套用政策中「偏差超过批准预算的 5% 需要说明」这一规则,结果是 Sales(-6.50%)、Engineering(+5.79%)、Operations(+6.20%)。Engineering 正是因为预算被削减,才跨过门槛。只检索工作簿或只阅读政策,都不足以得出完整答案。
多轮对话也支持这种组合。先计算 Customer Support 的 Q2 支出,再追问是否需要书面说明,示例得到超预算 12.40%,因此需要说明;超过 10% 还需 CFO Nikki Wolf 审核。调用方可以在 messages 中传入历史问答,也可以通过 memoryConfiguration 使用 Amazon Bedrock AgentCore memory。
接入时,先确认文件能被识别和读取
原文要求 Python 3.10 或更高版本、Boto3 1.43.123 或更高版本,也支持控制台测试窗口和 AWS CLI。区域可用性需要另查,原文没有列出具体区域。
知识库类型为 MANAGED,嵌入模型使用 MANAGED;S3 数据源类型为 MANAGED_KNOWLEDGE_BASE_CONNECTOR,连接器 version 为 "1",示例限定 finance/ 前缀,设置 aclEnabled: False,解析策略为 SMART_PARSING。
权限要分清两端。知识库角色需要 s3:ListBucket 和 s3:GetObject;调用身份还需要 bedrock:AgenticRetrieveStream、bedrock:Retrieve、bedrock:GetDocumentContent、bedrock:InvokeModelWithResponseStream。原始表格通过调用者凭据读取,只有检索权限可能不够。
首次同步后,要等 ingestion job 到 COMPLETE,检查失败统计,再用 Retrieve 核对元数据:CSV 应识别为 CSV,XLSX、XLS 应识别为 MS_EXCEL,对应字段是 _file_type。
下面这段调用展示了如何同时接收答案和执行轨迹:
import boto3
runtime = boto3.client("bedrock-agent-runtime")
question = (
"In fiscal Q2 of FY2026, which cost center had the largest overspend in "
"controllable spend, as the finance policy defines it? Compare the Actuals "
"and Budget sheets of the FY2026 P&L workbook and give the cost center and "
"the overspend in US dollars."
)
response = runtime.agentic_retrieve_stream(
messages=[{"role": "user", "content": {"text": question}}],
retrievers=[{"configuration": {"knowledgeBase": {"knowledgeBaseId": "1234567890"}}}],
agenticRetrieveConfiguration={
"foundationModelType": "MANAGED",
"rerankingModelType": "MANAGED",
},
)
for event in response["stream"]:
if "traceEvent" in event:
attributes = event["traceEvent"]["attributes"]
# CodeExecution 步骤先报告 IN_PROGRESS,再报告 SUCCEEDED 或 FAILED。
if attributes.get("step") == "CodeExecution":
print(attributes["status"], attributes.get("message"))
# Planning 事件列出代码将读取的文件。
for action in attributes.get("actions", []):
for doc in action.get("codeExecution", {}).get("documents", []):
print("code read:", doc["documentId"])
elif "responseEvent" in event:
print(event["responseEvent"]["text"], end="")
要留意读取 codeExecution.documents 的循环:答案引用不一定包含代码读取的工作簿,核对文件来源还得看 trace。长调用会每 10 秒重复发送 IN_PROGRESS;执行失败会报告 FAILED,代理通常重试或回退。
还有两个容易踩的配置边界。generateResponse 默认开启,设为 false 就只返回检索结果,不运行代码。maxFileSizeInMegaBytes 必须高于最大文件大小,示例值为 "200";原文给出的执行上限是 CSV 文件 500 MB、Excel sheet 200 MB。较大的 Excel 文件即使能入库,也不能据此认定可完成整表计算。
我的判断
我认同这种分工。它让「找到相关内容」和「完整计算数据」各自承担清楚的责任,也适合制度文档与表格放在一起、没有预先定义 schema 的临时分析。
但原文给的是虚构数据上的演示,没有准确率、耗时、费用或与普通 RAG 的对照评测。它能证明示例链路可行,不能证明复杂企业表格都能稳定处理。关于问题措辞和拆分多轮的建议,也应看作使用经验。
读完整张表,不等于已经证明计算正确。
模型仍可能选错 sheet、误解财年范围或套错政策。生成代码因可能回显单元格内容而不对外返回,trace 能核对文件,却不能完整复核算法。隔离沙箱解决执行环境问题,也不能代替业务校验。
与 BI 相比,它更适合临时跨文件提问。受治理的指标、周期看板、仓库级关联和正式报表控制,原文明确建议留在 BI 工具中。涉及表格执行还会至少增加一个代理轮次,不能按纯文本查询的延迟预期设计交互。
能拿来做什么
- 给企业知识库设计问题模板时,把正式文件名、规则文档、财年和 sheet 写清楚;需要重算明细时,明确要求从 Actuals、Budget 计算,避免直接采用 Summary 中的已有数字。
- 在前端分别展示答案引用、
CodeExecution状态和实际读取文件,并在需要时展开轨迹。引用只能解释部分来源,不能独自承担计算审计。 - 在服务端接入流程中,先核验同步结果、
_file_type、文件大小和调用权限,再开放分析问答;需要限定版本时,通过retrievalOverrides下的元数据过滤器约束_document_title等字段。 - 为关键问题保留人工核算结果,重点检查预算修订、科目排除和阈值边界。固定口径的周期报表继续交给 BI,临时分析再使用这条链路。