Il 9 novembre 2026 Amazon Web Services ha reso pubblico un importante aggiornamento della piattaforma Bedrock Managed Knowledge Base, introducendo il supporto al Retrieval‑Augmented Generation (RAG) con un singolo richiamo (single‑shot) e una modalità di recupero puro, entrambi esposti attraverso la nuova API AgenticRetrieveStream. Questa evoluzione amplia le possibilità di utilizzo delle basi di conoscenza gestite, consentendo alle applicazioni di scegliere tra diverse strategie di interazione con i dati di riferimento.

Nuove impostazioni di maxAgentIteration e modalità operative

Il cuore della novità è il parametro maxAgentIteration, che ora accetta valori da 0 a 5. Ogni valore determina un diverso comportamento di recupero e generazione:

    • 0: restituisce passaggi pertinenti senza generare alcuna risposta testuale; è la modalità di recupero puro.
    • 1: esegue un unico recupero seguito da una risposta generata (generateResponse=true).
    • 2‑5: mantengono il comportamento agentico tradizionale, con più iterazioni di pianificazione e recupero.

È importante notare che la modalità single‑shot non limita l’utilizzo a una sola base di conoscenza; è possibile interrogare più database contemporaneamente. Inoltre, ogni iterazione corrisponde a una chiamata al modello di base (foundation model).

Meccanismo delle iterazioni

Quando la generazione è abilitata, il limite n impostato per maxAgentIteration riserva l’ultimo richiamo al modello esclusivamente per la produzione della risposta finale, lasciando n‑1 opportunità per le fasi di pianificazione. In ciascuna fase di pianificazione, la richiesta viene riformulata e viene effettuato un recupero. Un recupero speculativo iniziale avviene prima della pianificazione e non conta nel conteggio delle iterazioni.

Nel caso del valore 0, la generazione deve rimanere disattivata; attivarla provocerebbe un errore 4xx, poiché la risposta richiederebbe comunque una chiamata al modello. Con il valore 1, lo stream comprende sia il recupero sia la risposta, ma non include eventi legati alla pianificazione. I valori 2‑5 continuano a comportarsi come prima, senza modifiche.

Comportamento di streaming e limiti operativi

L’API AgenticRetrieveStream richiede i parametri messages, retrievers e agenticRetrieveConfiguration, mentre generateResponse è opzionale. Gli “eventi” di risposta vengono emessi solo quando la generazione è attiva, e il risultato finale può contenere:

    • Elementi recuperati.
    • Una risposta sintetizzata.
    • Citazioni che collegano la risposta ai passaggi di supporto.

Nel caso di recupero puro (valore 0), il formato della risposta differisce: i passaggi appaiono nell’evento result del flusso, ma non includono i campi score o location. Questo permette alle applicazioni già integrate con AgenticRetrieveStream di emulare il comportamento di una chiamata diretta a Retrieve semplicemente modificando un parametro, evitando la necessità di introdurre una nuova API.

Guida pratica per domande complesse

Il documento di riferimento di Amazon Bedrock descrive un flusso consigliato per interrogazioni complesse:

    • Dividere la domanda in sotto‑richieste più piccole.
    • Eseguire il recupero per ciascuna sotto‑richiesta e valutarne l’adeguatezza.
    • Se necessario, avviare ulteriori ricerche o recuperare documenti completi.

Questa procedura è supportata esclusivamente dalle basi di conoscenza completamente gestite da Bedrock e può coinvolgere fino a cinque retriever per singola richiesta. Riducendo il limite di iterazioni, l’agente può interrompersi più rapidamente, ma ciò può compromettere la precisione nelle domande particolarmente articolate.

Esempi di utilizzo da parte dei team di sviluppo

AWS illustra le impostazioni tramite un caso di studio fittizio: un assistente interno per le politiche di una banca. Le diverse configurazioni mostrano come variare il valore di maxAgentIteration in base alla complessità della richiesta:

    • Domanda documentale su “azienda individuale”: maxAgentIteration=1 (single‑shot con risposta).
    • Confronto tra requisiti per “azienda individuale” e “LLC”, includendo norme per proprietari non residenti negli USA: maxAgentIteration=4 (fino a tre round di pianificazione).
    • Verifica del testo di una politica: maxAgentIteration=0 (solo passaggi, nessuna sintesi).

L’assistente, pur potendo ricercare e confrontare le politiche, non approva conti né sostituisce i processi di verifica e autorizzazione della banca. Inoltre, la selezione del valore di maxAgentIteration è una decisione dell’applicazione; la piattaforma non reindirizza automaticamente le richieste a un diverso livello di iterazione.

Linee guida per la migrazione

AWS consiglia di confrontare il nuovo single‑shot RAG con la configurazione agentica tradizionale su una suite di domande rappresentative, valutando:

    • Latenza media per richiesta.
    • Costo computazionale (numero di chiamate al modello).
    • Accuratezza e verificabilità della risposta tramite passaggi citati.
    • Capacità di gestire domande che richiedono più documenti o che potrebbero non avere risposta.

Sulla base di questi test, le organizzazioni possono individuare il valore più basso di maxAgentIteration che soddisfi i requisiti qualitativi del proprio workflow, ottimizzando l’uso delle risorse.

Implicazioni strategiche per le imprese

Con l’introduzione di una modalità di recupero puro, la profondità di ricerca diventa una scelta esplicita per ogni chiamata. Le query semplici possono bypassare le fasi di pianificazione, riducendo latenza e costi, mentre le richieste complesse mantengono la capacità di raccogliere più prove attraverso iterazioni successive. Il dilemma centrale per le aziende è bilanciare la riduzione dell’utilizzo del modello con la necessità di risposte complete e supportate da evidenze documentali.

In sintesi, l’aggiornamento di Bedrock consente una gestione più fine‑grained delle interazioni con le basi di conoscenza, offrendo sia velocità che flessibilità. Le organizzazioni potranno sperimentare rapidamente diversi livelli di iterazione, misurare le metriche operative e scegliere la configurazione più adatta alle proprie esigenze di precisione e costi.