Agentic retrieval per Amazon Bedrock Managed Knowledge Base

“Confronta la nostra strategia 2020 e 2023. Cosa è cambiato?” Una richiesta così attraversa più documenti, chiede passi distinti e una sintesi finale. AgenticRetrieveStream per Amazon Bedrock Managed Knowledge Base affronta questo scenario: pianifica le ricerche, itera sui risultati e può generare la risposta nella stessa chiamata [S1].

Domande multi-parte mettono in crisi il retrieval single-shot. Un top‑k unico fonde sotto‑intenti diversi e trascura dettagli chiave. Il risultato è spesso incompleto, specie quando le informazioni vivono in PDF, slide, ticket o transcript distribuiti in archivi eterogenei [S1].

L’approccio agentic cambia il ritmo. Prima suddivide la richiesta in sotto‑obiettivi. Poi cerca, verifica e aggiorna la strategia in base a ciò che trova. Non si ferma al primo set di passaggi, ma itera finché non ricompone un quadro coerente. Nella stessa invocazione può anche produrre l’output finale, evitando round trip manuali [S1].

Il post illustra come funziona l’API AgenticRetrieveStream, dalla costruzione della richiesta all’analisi dei trace. Mostra perché il retrieval classico fallisce su query con intenti multipli e quali segnali usare per scegliere l’API adatta [S1].

Gli esempi chiariscono il fallimento del single‑shot. “Confronta la nostra strategia 2020 e 2023” richiede di separare gli aspetti rilevanti per ciascun anno, recuperare passi pertinenti in più documenti, e poi sintetizzare le differenze. “Quali sono i tre rischi più grandi tra le linee di prodotto?” impone identificazione, aggregazione e selezione su fonti diverse. Un’unica classifica di rilevanza tende a mediare segnali in conflitto e a perdere i pezzi importanti [S1].

La scelta tra Retrieve e AgenticRetrieveStream dipende dalla natura della domanda. Richieste puntuali, con un singolo intento e una fonte chiara, restano un buon caso per il recupero classico. Quando invece la domanda è multi‑fase o comparativa, serve pianificare: il sistema deve stabilire quali sotto‑problemi risolvere, quali fonti interrogare e come collegare risultati parziali. In questi casi, l’API agentic gestisce il ciclo di pianificazione‑verifica‑iterazione e può restituire direttamente la risposta [S1].

Per chi costruisce knowledge base gestite su Bedrock, il punto non è solo recuperare documenti pertinenti. Conta il percorso di ricerca: decidere cosa cercare prima, cosa dopo, quando fermarsi. AgenticRetrieveStream integra queste decisioni operative nella stessa esecuzione, con tracciabilità via trace per capire come il sistema è arrivato all’esito [S1].

Takeaway operativo:

• Usa AgenticRetrieveStream per domande multi‑parte che richiedono passaggi successivi (scomposizione, ricerca, sintesi) [S1].
• Sceglilo per confronti tra entità o periodi diversi, dove serve separare e poi riallineare evidenze da più fonti [S1].
• Preferiscilo in esplorazioni aperte, quando non conosci a priori quali documenti contengono i pezzi utili e hai bisogno di iterare la ricerca fino a una risposta utilizzabile [S1].