使用 AWS Command Line Interface运行 Amazon Bedrock API 请求示例

本部分将指导您在 Amazon Bedrock 中尝试使用 AWS Command Line Interface 来执行一些常见操作，以测试您的权限和身份验证设置是否正确。在运行以下示例之前，应检查您是否满足了以下先决条件：

先决条件

使用您已设置适当权限的用户或角色，测试是否已针对 Amazon Bedrock 设置了正确的权限。

列出 Amazon Bedrock 必须提供的基础模型

以下示例使用 AWS CLI 运行 ListFoundationModels 操作。ListFoundationModels 会列出您所在区域的 Amazon Bedrock 中可用的基础模型（FM）。在终端，运行以下命令：

aws bedrock list-foundation-models

如果此命令成功，响应会返回一个包含 Amazon Bedrock 中可用基础模型的列表。

向模型提交文本提示并使用 InvokeModel 生成文本响应

以下示例使用 AWS CLI 运行 InvokeModel 操作。InvokeModel 允许您提交提示以生成模型响应。在终端，运行以下命令：

aws bedrock-runtime invoke-model \
--model-id amazon.titan-text-express-v1 \
--body '{"inputText": "Describe the purpose of a \"hello world\" program in one line.", "textGenerationConfig" : {"maxTokenCount": 512, "temperature": 0.5, "topP": 0.9}}' \
--cli-binary-format raw-in-base64-out \
invoke-model-output-text.txt

如果此命令成功，模型生成的响应会写入 invoke-model-output-text.txt 文件。outputText 字段会返回文本响应和随附信息。

向模型提交文本提示并使用 Converse 生成文本响应

以下示例使用 AWS CLI 运行 Converse 操作。Converse 允许您提交提示以生成模型响应。我们建议在支持时用 Converse 来代替 InvokeModel 操作，因为前者可以统一各个 Amazon Bedrock 模型的推理请求并简化多轮对话的管理。在终端，运行以下命令：

aws bedrock-runtime converse \
--model-id amazon.titan-text-express-v1 \
--messages '[{"role": "user", "content": [{"text": "Describe the purpose of a \"hello world\" program in one line."}]}]' \
--inference-config '{"maxTokens": 512, "temperature": 0.5, "topP": 0.9}'

如果此命令成功，则 text 字段会返回模型生成的响应和随附信息。