Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
Безопасность и правоРазбор · На радарAWS Machine Learning Blog→ оригинал

Amazon Bedrock научили считать по целым Excel-таблицам, а не по кусочкам из поиска

Обычный RAG режет таблицу на куски, и модель видит лишь несколько строк, поэтому суммы выходят неполными. В Amazon Bedrock Managed Knowledge Base добавили tabular search: код в песочнице без сети читает весь CSV или Excel-файл целиком. В примере он нашёл подразделение с перерасходом 124 559,90 доллара и сослался на политику компании. Для вопросов «правило из документа плюс расчёт по таблице» теперь хватает одного запроса.

AI-обработка оригинала AWS Machine Learning Blog; редакция Hamidun News
Amazon Bedrock научили считать по целым Excel-таблицам, а не по кусочкам из поиска
Источник: AWS Machine Learning Blog. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникAWS Machine Learning Blog ↗
Главный редактор
Ключевой факт #1Работает для CSV, XLSX и XLS из S3, SharePoint, Confluence
Ключевой факт #2Код добавляет минимум один шаг агента, поэтому ответ медленнее
Ключевой факт #3Дашборды и join уровня хранилища по-прежнему лучше оставить BI

Представьте финансовую команду в конце квартала. Ей нужно понять, какие отделы обязаны написать пояснение к отклонениям от бюджета. Ответа нет ни в одном файле: порог отклонения записан в политике, пересмотренные бюджеты лежат в служебной записке о закрытии квартала, а сами цифры спрятаны в Excel-книге с прибылями и убытками. Обычный поиск по документам с такой задачей справляется плохо. AWS добавила в Amazon Bedrock Managed Knowledge Base функцию tabular search, которая закрывает именно этот разрыв между текстом и таблицами.

Почему таблицы ломают обычный RAG

RAG возвращает фиксированное число фрагментов, которые лучше всего подходят к вопросу. Для прозы это работает. Для таблиц хуже: когда файл режут на куски, часть информации теряется.

Если таблица длинная, в ней тысячи строк, а поиск отдаёт лишь несколько фрагментов. Итоговая сумма, сравнение или проверка порога строятся на горстке строк и получаются неполными. Если таблица широкая, с сотнями столбцов, одна строка может не поместиться в фрагмент или в окно поисковой модели. Значения из дальних столбцов хуже находятся, а длинные фрагменты начинают подходить к чужим вопросам и вытесняют полезные.

Есть и проблема сопоставления. Люди спрашивают про «контролируемые расходы», а в таблице коды центров затрат и названия счетов. Черновик и финальная версия книги для поиска выглядят почти одинаково. А правило, которое придаёт цифрам смысл, часто лежит в отдельном PDF.

Как это устроено

Tabular search делит работу на две части. Поиск должен найти всего один фрагмент из нужного табличного файла, а дальше код читает таблицу целиком. Включать ничего не нужно: функция встроена в агентный поиск, то есть в запрос AgenticRetrieveStream.

Запрос проходит несколько этапов:

  • поиск возвращает фрагменты, среди которых есть кусок из CSV, XLSX или XLS;
  • агент по вопросу и структуре таблицы решает, нужно ли запускать код;
  • исходный файл копируется в изолированную песочницу без доступа к сети;
  • код, написанный моделью, считает по всей таблице или листу;
  • агент получает только напечатанный результат, например суммы или подходящие строки;
  • ответ собирается из результата расчёта и фрагментов документов, со ссылками на источники.

В примере AWS компания AnyCompany Retail спрашивает, у какого центра затрат в втором финансовом квартале самый большой перерасход по контролируемым расходам в смысле финансовой политики. Из PDF агент берёт определение: сюда входят подрядчики, поездки, софт и маркетинговые программы, а зарплаты и аренда не входят. Из таблиц код берёт все строки листов Actuals и Budget, фильтрует их по кварталу и четырём счетам и сравнивает центры затрат. Результат: центр CC-3010 (Platform) превысил бюджет на 124 559,90 доллара, потратив 394 859,90 при плане 270 300,00. Бизнес-обзор объясняет причину: подрядчики для миграции платформы данных. Если считать все операционные расходы, а не только контролируемые, цифра выходит 133 434,05.

Отдельно полезна трассировка. В потоке событий видно, какой файл читал код: событие Planning перечисляет документы, затем идёт CodeExecution со статусом IN_PROGRESS и SUCCEEDED. Это помогает проверить, что агент взял финальную книгу, а не черновик. Ссылки в ответе указывают на использованные фрагменты, поэтому сама таблица в цитатах может не оказаться, а в трассировке она будет.

Ограничения и что делать

Функция не заменяет BI. Запуск кода добавляет как минимум один ход агента, поэтому ответы с табличными данными приходят медленнее текстовых. Проверенные метрики, регулярные дашборды, join на масштабе хранилища и контроль отчётности по-прежнему стоит делать в BI-инструментах. Кроме того, поиск всё равно должен сначала найти нужный файл, поэтому название книги лучше прямо указывать в вопросе.

Есть и практические требования. Вызывающей учётной записи нужны права bedrock:AgenticRetrieveStream, bedrock:Retrieve и bedrock:GetDocumentContent, потому что агент читает исходный файл с её правами. После первой синхронизации проверьте, что у табличных фрагментов тип файла CSV или MS_EXCEL, иначе tabular search не запустится. Обычный вызов Retrieve по-прежнему возвращает только фрагменты и код не выполняет, как и режим с generateResponse=false.

Для разработчиков вывод простой. Если ваш ассистент отвечает на вопросы, где правило лежит в документе, а числа в выгрузках и книгах, не нужно заранее строить схему или переливать файлы в хранилище. Кладите таблицы рядом с PDF в S3 или SharePoint, формулируйте вопросы с названием файла и проверяйте трассировку. Для разовых аналитических вопросов к рабочим файлам этого может хватить. Всё, что нужно считать регулярно и с гарантиями, остаётся в BI.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: почему таблицы ломают обычный RAG?

RAG возвращает фиксированное число фрагментов, которые лучше всего подходят к вопросу. Для прозы это работает. Для таблиц хуже: когда файл режут на куски, часть информации теряется. Если таблица длинная, в ней тысячи строк, а поиск отдаёт лишь несколько фрагментов. Итоговая сумма, сравнение или проверка порога строятся на горстке строк и получаются неполными. Если таблица широкая, с сотнями столбцов, одна строка может не поместиться в фрагмент или в окно поисковой модели.

Что известно по теме: как это устроено?

Tabular search делит работу на две части. Поиск должен найти всего один фрагмент из нужного табличного файла, а дальше код читает таблицу целиком. Включать ничего не нужно: функция встроена в агентный поиск, то есть в запрос AgenticRetrieveStream.

Что известно по теме: ограничения и что делать?

Функция не заменяет BI. Запуск кода добавляет как минимум один ход агента, поэтому ответы с табличными данными приходят медленнее текстовых. Проверенные метрики, регулярные дашборды, join на масштабе хранилища и контроль отчётности по-прежнему стоит делать в BI-инструментах. Кроме того, поиск всё равно должен сначала найти нужный файл, поэтому название книги лучше прямо указывать в вопросе. Есть и практические требования.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…