Aug 18, 2026 · Amazon Bedrock
Improve contract search accuracy with auto-generated filters in Amazon Bedrock
AWS 博客文章介绍了 AIDA 如何利用 Amazon Bedrock Knowledge Bases 中的隐式和显式过滤以及元数据增强分块来提高合同搜索准确性。
EVENT STORY
Development
- First ReportImprove contract search accuracy with auto-generated filters in Amazon BedrockAWS Machine Learning Blog
- Current AssessmentAWS 在 Bedrock 中强调合同搜索的准确性，表明企业级 RAG 应用正面临检索质量挑战，尤其是在法律等专业领域。自动生成过滤器可能成为知识库产品的差异化功能，推动更多企业采用托管知识库服务。Agent Pulse · analysis
AWS 发布了一篇博客文章，详细介绍了 AIDA（一种用于合同搜索的系统）如何通过自动生成过滤器来提高搜索准确性。文章指出，AIDA 利用隐式和显式过滤，以及元数据增强的分块技术，在 Amazon Bedrock Knowledge Bases 中实现这一目标。该方法旨在将用户引导至正确的合同、正确的法律上下文和正确的访问边界内。
AIDA 的方法结合了隐式和显式过滤，以及元数据增强的分块，这暗示了检索增强生成（RAG）系统正在从简单的向量相似度搜索转向更结构化的过滤机制。元数据增强的分块可能涉及将合同元数据（如日期、当事人、条款类型）嵌入到块中，以便进行更精确的过滤。这可能导致检索准确性的提升，但具体实现细节未在证据中披露。
AWS 在 Bedrock 中强调合同搜索的准确性，表明企业级 RAG 应用正面临检索质量挑战，尤其是在法律等专业领域。自动生成过滤器可能成为知识库产品的差异化功能，推动更多企业采用托管知识库服务。
对于使用 Amazon Bedrock 的企业，AIDA 可能减少人工配置过滤器的成本，提高合同搜索效率，从而降低法律运营成本。对于 AWS，这增强了 Bedrock 在企业市场的竞争力，可能推动更多合同管理相关的采用。
未来，可以关注 AWS 是否会将自动生成过滤器扩展到其他领域（如医疗、金融），以及是否会有更多关于 AIDA 性能的量化评估。此外，其他云服务商可能跟进类似功能。