AWS发布Amazon Quick操作指南：用单一对话代理同时查询结构化与非结构化数据
AWS机器学习博客作者Puneeth Komaragiri发布分步教程，演示如何把S3文档知识库与语义增强数据集放进同一个Space，再由自定义聊天代理按需查询两者并附引用作答；教程要求执行者拥有Enterprise订阅。
AI解读：这篇教程介绍的是Amazon Quick的一项组合用法：把存储在S3中的文档通过知识库索引，把CSV等结构化数据作为增强数据集加载，再放入同一个Space，由聊天代理统一查询。
按文章描述，代理会判断问题该查知识库、数据集还是两者，并用文本转SQL查询结构化数据，返回带引用的合并回答。
教程给出的前置条件包括：执行者需有Amazon Quick的Enterprise订阅，管理员授予S3只读访问，并具备创建集成、知识库、数据集、Space和聊天代理的权限。
文中也列出限制：知识库的ACL选项创建后不可更改；代理链接Space后只基于大模型知识和链接资源作答；参考文档最多提取 10 万字符文本。
这些内容来自AWS官方博客的演示步骤，文章未给出该组合用法的性能、准确率或成本数据。
AWS机器学习博客发布一篇由Puneeth Komaragiri撰写的教程，说明如何在Amazon Quick中同时接入结构化数据和非结构化数据，并通过一个自定义聊天代理在单次对话中查询两类来源。文章将其定位为一种统一的数据体验，替代在多个工具间切换、分别查询再人工对照结果的做法。
教程演示的数据链路
文章给出的架构分三层：数据层中，PDF、报告等非结构化内容存放在Amazon S3并由知识库索引，销售指标等结构化数据作为带语义描述的数据集加载，供代理把自然语言问题转成SQL；工作区层用一个Space同时引用知识库和数据集，也可放入仪表盘、上传文件和动作连接器；代理层中，聊天代理链接该Space作为知识源，判断查询哪一侧或两侧，并返回带引用的合并回答。
- 非结构化数据：S3桶中的文档，经知识库建立索引
- 结构化数据：上传CSV后在SPICE中创建数据集，补充描述、自定义指令和列描述
- Space：把知识库与数据集放在同一工作区
- 聊天代理：链接Space，按问题选择数据源，回答附引用
操作步骤与权限要求
教程按七个步骤展开：创建S3集成、创建知识库、创建并增强数据集、创建Space、配置自定义聊天代理、跨两类数据提问、用自然语言生成PPT、Excel和Word文件。示例数据包括三份业务文档和一个产品销售额CSV。
文章列出的前置条件包括：跟随操作的用户需要Amazon Quick的Enterprise订阅，创建数据集同样要求Enterprise；需要由管理员在控制台授予对S3桶的访问权限，选中的桶默认只读；还需要创建集成、知识库、数据集、Space和聊天代理的权限。S3桶须与Amazon Quick位于同一区域。
- Enterprise订阅为创建数据集和跟随教程的前提
- S3访问由管理员通过Permissions下的AWS resources授予，默认只读
- 知识库可选择索引全部内容或按前缀筛选，前缀筛选区分大小写
- ACL设置须在创建知识库前决定，之后不能更改
回答方式与使用边界
文章称，代理面对结构化问题时使用文本转SQL，执行查询后以可读格式返回结果；面对文档问题则总结知识库内容；面对跨类问题时对比文档中的趋势与销售数据，并逐条标注来源。回答会遵循提问用户的权限，知识库在修改权限前仅创建者可见；分享代理时，接收者还需拥有对应Space、知识库和数据集的访问权。
文章还提到代理内置内容安全筛查等防护措施，并说明链接Space后，代理只依据大模型自身知识和已链接资源作答；直接附加的参考文档支持PDF、TXT、HTML、MD、CSV、DOC、DOCX，最多提取 10 万字符文本。代理启动后默认私有，需手动分享给用户或群组，并分配Owner或Viewer权限。
这些描述均来自AWS博客的教程说明，属于厂商给出的使用方式，文章没有提供该组合查询在准确率、延迟或成本方面的公开评测数据。
- 回答附引用标记，指向数据集或知识库文档
- 权限感知：回答遵循提问者权限
- 代理链接Space后不超出该Space与大模型知识作答
- 参考文档文本提取上限为 10 万字符
- 生成产物包括PowerPoint、Excel和Word文件