S3 Vectorsのじゃない使い方

S3 Vectorsの"じゃない"使い方 2026/3/11 JAWS-UG 茨城 #12 春の推しAWSサービスLTまつり！ raiha(Ryo Aihara) / @raiha_tec

aws sts get-caller-identity 仕事 セキュリティ SOCやログ分析基盤を作ってます 趣味 (最近やってないけど)自作スピーカー / 自作キーボード AIエージェントを使ったWebアプリの個人開発 LT たぶん10か月ぶりぐらい Slidev初めて使いました 好きなAWSサービス ECS CDK 𝕏: @raiha_tec

S3 Vectorsとは AWSのフルマネージドなベクトルストア 2025年7月プレビュー → 2025年12月GA ベクトルデータの保存・クエリに特化した専用API サーバーレス：インフラのプロビジョニング不要 S3と同等の耐久性（11 9）・可用性(SLA99.9%) 1秒未満のクエリレスポンス 最大20億ベクトル/インデックス、最大4,096次元

S3 Vectorsの構成 3つの主要コンポーネント Vector Bucket - ベクトル専用の新しいバケットタイプ 🪣 Vector Bucket ベクトル専用バケット 🗂️ Vector Index インデックスA Vector Index - ベクトルデータを整理・類似度検索する 🗂️ Vector Index インデックスB 単位 Vector - 埋め込みベクトル＋メタデータ（タグ、カテゴリ 等） 📍 Vector + Metadata 📍 Vector + Metadata 📍 Vector + Metadata AI Agent Ready なベクトルストアの最新事情 - S3 Vectors と OpenSearch の使いどころ 👈オススメです（ギリギリGA前の動画です）

• https://youtu.be/soa2HY6_X3o?si=HPkKRSqZyFTXEwto

S3 Vectorsのメタデータ ベクトルに付与できる2種類のメタデータ Filterable Non-filterable クエリ時のフィルタリング ⭕ 可能 ❌ 不可 サイズ上限 2 KB 40 KB(Filterableとの合計) 用途 カテゴリ、日付等 原文テキスト等 Filterable 🔍 クエリ 類似検索 + フィルタ 📋 category: ransomware severity: 9 🪣 S3 Vectors Non-filterable 📄 原文テキスト そのまま返却

メタデータフィルタリング
クエリ時にベクトル検索とフィルタ評価を同時に実行
result = s3vectors.query_vectors(
vectorBucketName="security-news",
indexName="articles",
queryVector={"float32": embedding},
topK=5,
filter={
"$and": [
{"category": {"$eq": "ransomware"}},
{"severity": {"$gte": 7}},
{"date": {"$gte": "2026"}}
]
}
)

引数

説明

`vectorBucketName`

検索対象のVector Bucket

`indexName`

検索対象のVector Index

`queryVector`

検索クエリのベクトル

`topK`

返却する類似ベクトル数

`filter`

Filterableメタデータの絞り込み条件

フィルタは後処理ではなく検索と並行して評価
演算子: `$eq` , `$ne` , `$gt` , `$gte` , `$lt` , `$lte` , `$in` , `$nin` , `$exists` , `$and` ,

`$or`

よくある使い方：RAG S3 Vectors を使った自前RAGの構成例 類似ドキュメント 📄 ドキュメント Embedding + PutVectors 🤖 LLM 回答 質問 🪣 S3 Vectors 👤 ユーザー 質問をEmbedding + QueryVectors 前処理: ドキュメントをチャンク分割 → Embeddingモデルでベクトル化 → `PutVectors` で保存 ランタイム: 質問をベクトル化 → `QueryVectors` で類似ドキュメント検索 → LLMにコンテキストとして渡し回答生成 S3 VectorsのAPIだけで安価なRAGが組める S3 Vectorsの王道はRAG。今日は RAGじゃない使い方 を紹介します！

"じゃない"使い方① グラフっぽい可視化 S3 Vectorsの類似度スコアを関係値として活用する 0.88 0.92 📰 記事D インシデント対応 📰 記事B 身代金要求の手口 0.76 📰 記事E 暗号化手法 📰 記事A ランサムウェア攻撃 0.81 0.85 📰 記事F 脆弱性情報 📰 記事C マルウェア解析 0.79 📰 記事G ゼロデイ攻撃 記事をベクトル化 → QueryVectorsで上位N件＋スコア取得 → 類似度をエッジの重みとしてグラフ構築

demo Threat Lens — AI-Powered Threat Intelligence Platform | AWS AIdeas Competition https://youtu.be/JiHf-P8qn1M

• https://www.youtube.com/watch?v=JiHf-P8qn1M
• https://youtu.be/JiHf-P8qn1M

"じゃない"使い方② タグの自動生成 生成AIのタグ付けの「ブレ」を S3 Vectors で抑制する 課題: 生成AIでタグを作ると表記がブレる 記事 生成AIのタグ 記事A `ランサムウェア` , `サイバー攻撃` 記事B `ランサムウエア` , `サイバーアタック` 記事C `身代金型ウイルス` , `cyber attack` → 同じ概念なのにタグが統一されない！ （タグを事前に決めておく方法もあるかもしれないが、放置していても問題なく扱えるようにしたい…）

タグ統一の仕組み
🤖 生成AI

新タグ候補

🔢 Embedding

ベクトル化

1. 生成AIが自由にタグを生成

類似度 > 0.9 ✅

既存タグを採用

類似度 < 0.9 🆕

新タグとして登録

🪣 S3 Vectors
QueryVectors

{

2. タグをベクトル化してS3 Vectorsにクエリ
3. 類似度が高い → 既存タグを採用
4. 類似タグがない → 新タグとして登録
※既存のタグと新規のタグのどっちを使えばいいのかという考
慮は必要かも…

}

"level": "INFO",
"message": "Tag normalization completed",
"timestamp": "2026-03-10T07:31:14.438159Z",
"logger": "AIAnalysisHandler",
"context": {
"article_id": "web_20260310073059_6e8bd3d6",
"new_tags": [
"Data Sovereignty"
],
"matched_tags": {
"Cybersecurity": "Cybersecurity",
"Funding": "Funding"
}
}

コスト：S3 Vectorsは安い 1000万ベクトル（1024次元）の場合の月額コスト例（S3料金ページ 料金の例1 より） 項目 単価 コスト/月 ストレージ（59GB） $0.06/GB $3.54 PUT（月16.7%更新） $0.20/GB $1.97 クエリ（100万回） $2.5/百万回 + データ処理 $5.87 合計 メリット: サーバーレス！ 安い！💸 デメリット: レスポンスは遅い😣 $11.38

• https://aws.amazon.com/jp/s3/pricing/

アプリでのコスト（2週間分） ※現在アプリで取り込んでいる量が少ない。かつ、データを保持し続ける必要性はあるので、もっとコストはかかるはず。

宣伝 今回紹介した内容使ったアプリを 10000 AIdeas Competition に応募しています！ Threat Lens - AI-Powered Threat Intelligence for IT Teams セミファイナル突破の条件が記事の「いいね」の数です！ 是非お願いします！🙏😭 https://builder.aws.com/content/39Zwk1hzeRS3kB9phS3GjJOQb1F/aideasthreat-lens-ai-powered-threat-intelligence-for-it-teams

• https://builder.aws.com/content/39Zwk1hzeRS3kB9phS3GjJOQb1F/aideas-threat-lens-ai-powered-threat-intelligence-for-it-teams
• https://builder.aws.com/content/39Zwk1hzeRS3kB9phS3GjJOQb1F/aideas-

まとめ S3 Vectors = ベクトルネイティブなサーバーレスストレージ 安くベクトルストアを使いたいなら有力な選択肢 レイテンシが許容できるユースケースに最適 RAGだけでなく 類似度スコア を活用した応用が可能 グラフっぽい可視化: 記事間の関連性をスコアで表現 タグの自動生成: 生成AIのブレをベクトル類似度で抑制 「いいね」頼む🙏😭