北京
公司政策三天两头改，聊天机器人还在背旧版本，怎么办？一道 AWS AI Practitioner 练习题把这个问题摆上了台面：要让政策问答机器人近实时反映频繁更新的公司政策，该选哪种方案。
讨论区里，答题者的倾向相当集中——基于 Amazon Bedrock Knowledge Bases 的 RAG 工作流，被多数评论者视为更合适的路径。
这道题出自 AIF-C01 主题 1 的第 243 题。题干只给了一个场景约束：政策更新频繁，机器人要跟得上，且时间尺度是近实时。没有给出更多技术细节，也没有列出各选项的完整对比。
从讨论走向看，RAG 的吸引力在于把"模型记住什么"和"公司政策是什么"拆开处理。政策变了，更新知识库即可，不必重新训练模型。评论者选择 Bedrock Knowledge Bases，正是围绕这条思路展开。
对备考者来说，这道题的价值不在背答案，而在识别题干里的关键词：频繁更新、近实时、政策问答。三个词凑在一起，指向的是一套检索增强的架构，而不是微调或纯提示词方案。
至于其他选项为何落选，题目讨论中没有展开逐项拆解。能确认的只有一点：在这道题的语境下，RAG 加托管知识库的组合，是评论者给出的主流判断。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
