Таблицы в knowledge base: Bedrock считает по всей Excel, а не по кускам RAG

В Managed Knowledge Base Amazon Bedrock появился tabular search: один агентный запрос может сочетать расчёты по CSV, XLSX или XLS с цитатами из соседних документов. Агент находит нужный файл через retrieval, копирует оригинал в изолированную песочницу без сети и выполняет код по всей таблице — не по тем строкам, что попали в чанки.
Обычный RAG отдаёт фиксированное число пассажей: длинный лист сжимается до пары «лучших» строк, широкий теряет колонки за пределом контекста. Вопрос называет controllable spend, в таблице — коды cost center, а правило — в отдельном PDF; черновой и финальный Excel для поиска почти одинаковы.
В демо с закрытием квартала один вызов AgenticRetrieveStream перечисляет Sales, Engineering и Operations с variance к пересмотренному бюджету, цитирует policy и close memo, а в trace указан workbook, который читал код. При «только retrieve» приходят обрывки из тех же файлов, но без полного ответа и без процентов, посчитанных по каждой строке P&L.
Как устроен tabular search
- Retrieve — в выдаче есть пассаж из табличного файла.
- Plan — агент решает, запускать ли код по одной или нескольким таблицам.
- Stage — копия исходника в песочнице без доступа в сеть.
- Compute — модель пишет код, который обходит весь лист или листы.
- Return и Answer — в ответ идут печатные результаты кода плюс цитаты из связанных документов.
Отдельный Retrieve API по-прежнему возвращает только пассажи и код не запускает. Источники те же — Amazon S3, Microsoft SharePoint, Atlassian Confluence и другие коннекторы knowledge base. Для повтора примера нужны Python 3.10+, Boto3 1.43.123 и IAM-действия вроде bedrock:AgenticRetrieveStream и bedrock:GetDocumentContent. Табличная ветка добавляет как минимум ещё один ход агента, поэтому ответы медленнее текстовых; recurring-дашборды и warehouse-джойны авторы по-прежнему отдают BI-инструментам.
Источник: Get answers from tables with tabular search in Amazon Bedrock Managed Knowledge Base.