本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 参考文献/高级 查找 Amazon Bedrock 的参考资料、教程和疑难解答资源： | 资源 | 说明 | | --- | --- | | [关键术语](key-definitions.md) | 基本的生成式人工智能和 Amazon Bedrock 术语 | | [将 Amazon Bedrock 与 SD AWS K 配合使用](sdk-general-information-section.md) | SDKs 和编程语言支持 | | [Amazon Bedrock API 错误代码故障排除](troubleshooting-api-error-codes.md) | 常见的 API 错误和解决方案 | | [使用控制台和 API 的详细入门](detailed-getting-started.md) | 详细的控制台和 API 设置指南 | | [教程：创建处理抵押贷款申请的流](getting-started-mortgage-flow.md) | 教程：建立抵押贷款处理流程 | | [《Amazon Bedrock 用户指南》的文档历史记录](doc-history.md) | 文档修订历史记录 | # 关键术语 本章介绍的术语将帮助您理解 Amazon Bedrock 提供的功能及其工作原理。通读以下列表，了解生成式人工智能术语和 Amazon Bedrock 的基本功能： + **基础模型（FM）**：一种具有大量参数并基于大量不同数据训练的人工智能模型。基础模型可以针对各种应用场景生成各种响应。基础模型可以生成文本或图像，也可以将输入转换为*嵌入式内容*。有关基础模型的更多信息，请参阅 [Amazon Bedrock 中支持的根基模型](models-supported.md)。 + **基础模型**：由提供商打包并随时可用的基础模型。Amazon Bedrock 提供来自领先提供商的各种行业领先的基础模型。有关更多信息，请参阅 [Amazon Bedrock 中支持的根基模型](models-supported.md)。 + **模型推理**：基础模型根据给定输入（提示）生成输出（响应）的过程。有关更多信息，请参阅 [使用模型推理提交提示并生成响应](inference.md)。 + **提示**：提供给模型的输入，以便模型生成相应的响应或输出。例如，文本提示可以由一行组成，供模型做出响应，也可以是详细的说明或者是供模型执行的任务。提示可以包含任务的上下文、输出示例或模型在响应中使用的文本。提示可用于执行任务，例如分类、问题解答、代码生成、创意编写等。有关更多信息，请参阅 [提示工程概念](prompt-engineering-guidelines.md)。 + **令牌**：模型可以将其解读或预测为单一含义单位的字符序列。例如，在文本模型中，令牌不仅可以对应于字词，还可以对应于具有语法含义的字词的一部分（例如“-ed”）、标点符号（例如“？”），或者一个常用短语（例如“很多”）。 + **模型参数**：定义模型及其在解读输入和生成响应时的行为的值。模型参数由提供商控制和更新。您还可以通过*模型自定义*过程更新模型参数以创建新模型。 + **推理参数**：可以在**模型推理**期间调整以影响响应的值。推理参数可以影响响应的变化程度，也可以限制响应的长度或指定序列的出现。有关特定推理参数的更多信息和定义，请参阅 [利用推理参数影响响应生成](inference-parameters.md)。 + P@@ **l** ayground — 一个用户友好的图形界面，您可以在其中尝试运行模型推理，以熟悉 Amazon Bedrock。 AWS 管理控制台 使用操场测试不同模型、配置和推理参数对您输入的不同提示生成的响应的影响。有关更多信息，请参阅 [使用操场在控制台中生成响应](playgrounds.md)。 + **嵌入**：通过将输入转换为数值向量来压缩信息的过程（称为**嵌入**），以便使用共享的数值表示来比较不同对象之间的相似性。例如，可以比较句子以确定含义的相似性，可以比较图像以确定视觉相似性，或者可以比较文本和图像以查看它们是否相关。如果文本和图像输入与您的应用场景相关，也可以将其组合成平均嵌入向量。有关更多信息，请参阅[使用模型推理提交提示并生成响应](inference.md)和[利用 Amazon Bedrock 知识库检索数据并生成人工智能响应](knowledge-base.md)。 + **编排**：为执行任务而在基础模型与企业数据和应用程序之间进行协调的过程。有关更多信息，请参阅 [使用人工智能代理在应用程序中自动执行任务](agents.md)。 + **代理**：一种通过周期性地解读输入并使用基础模型生成输出来执行编排的应用程序。代理可以用来执行客户的请求。有关更多信息，请参阅 [使用人工智能代理在应用程序中自动执行任务](agents.md)。 + **检索增强生成（RAG）**：该过程涉及： 1. 从数据来源查询和检索信息 1. 使用此信息增强提示，为基础模型提供更好的上下文信息 1. 使用其他上下文从基础模型中获得更好的响应 有关更多信息，请参阅 [利用 Amazon Bedrock 知识库检索数据并生成人工智能响应](knowledge-base.md)。 + **模型自定义**：使用训练数据调整基础模型中的模型参数值以创建**自定义模型**的过程。模型定制的示例包括 Fine-t **uning**，它使用带标签的数据（输入和相应的输出）来调整模型参数。有关 Amazon Bedrock 中提供的模型自定义技术的更多信息，请参阅 [针对使用案例自定义模型以提高其性能](custom-models.md)。 + **超参数**：可以针对**模型自定义**进行调整的值，用以控制训练过程，从而控制输出自定义模型。有关特定超参数的更多信息和定义，请参阅 [自定义模型超参数](custom-models-hp.md)。 + **模型评测**：评测和比较模型输出以确定最适合应用场景的模型的过程。有关更多信息，请参阅 [评测 Amazon Bedrock 资源的性能](evaluation.md)。 + **预配置吞吐量** — 您为基础模型或自定义模型购买的吞吐量级别，以提高模型推理期间处理的代 and/or 币数量。当您为模型购买预置吞吐量时，系统会创建一个可用于进行模型推理的**预置模型**。有关更多信息，请参阅 [利用 Amazon Bedrock 中的预调配吞吐量增加模型调用容量](prov-throughput.md)。 # 将 Amazon Bedrock 与 SD AWS K 配合使用 AWS 软件开发套件 (SDKs) 可用于许多流行的编程语言。每个软件开发工具包都提供 API、代码示例和文档，使开发人员能够更轻松地以其首选语言构建应用程序。 | SDK 文档 | 代码示例 | | --- | --- | | [适用于 C\$1\$1 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-cpp) | [适用于 C\$1\$1 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/cpp) | | [AWS CLI](https://docs.aws.amazon.com/cli) | [AWS CLI 代码示例](https://docs.aws.amazon.com/code-library/latest/ug/cli_2_code_examples.html) | | [适用于 Go 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-go) | [适用于 Go 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/gov2) | | [适用于 Java 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-java) | [适用于 Java 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javav2) | | [适用于 JavaScript 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-javascript) | [适用于 JavaScript 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javascriptv3) | | [适用于 Kotlin 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-kotlin) | [适用于 Kotlin 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/kotlin) | | [适用于 .NET 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-net) | [适用于 .NET 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/dotnetv3) | | [适用于 PHP 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-php) | [适用于 PHP 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/php) | | [AWS Tools for PowerShell](https://docs.aws.amazon.com/powershell) | [AWS Tools for PowerShell 代码示例](https://docs.aws.amazon.com/code-library/latest/ug/powershell_5_code_examples.html) | | [适用于 Python (Boto3) 的 AWS SDK](https://docs.aws.amazon.com/pythonsdk) | [适用于 Python (Boto3) 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/python) | | [适用于 Ruby 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-ruby) | [适用于 Ruby 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/ruby) | | [适用于 Rust 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-rust) | [适用于 Rust 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/rustv1) | | [适用于 SAP ABAP 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-sapabap) | [适用于 SAP ABAP 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/sap-abap) | | [适用于 Swift 的 AWS SDK](https://docs.aws.amazon.com/sdk-for-swift) | [适用于 Swift 的 AWS SDK 代码示例](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/swift) | **示例可用性** 找不到所需的内容？ 通过使用此页面底部的**提供反馈**链接请求代码示例。 # Amazon Bedrock API 错误代码故障排除 本节提供有关您在使用 Amazon Bedrock APIs 时可能遇到的常见错误、错误原因以及解决错误的解决方案的详细信息。 ## AccessDeniedException **HTTP 状态代码：**403 **原因：**您没有足够的权限来执行请求的操作。 **解决方案：** + 验证您的 IAM 用户或角色是否具有您尝试执行相关操作所需的许可。 + 如果您使用的是临时安全凭证，请确保它们未过期。 ## FTUFormNotFilled **HTTP 状态代码：**404 **原因：**未提交此账户的模型使用案例详细信息 **解决方案：** + 使用模型之前，请填写 Anthropic 使用案例详细信息表单 ## IncompleteSignature **HTTP 状态代码：**400 **原因：**请求签名不符合 AWS 标准。 **解决方案：** + 确保您使用的 AWS 软件开发工具包版本支持 Amazon Bedrock。 + 确认您的 AWS 访问密钥 ID 和密钥配置正确。 + 如果您要手动对请求进行签名，我们建议您仔细检查您的签名计算流程。 ## InternalFailure **HTTP 状态代码：**500 **原因：**由于服务器错误，请求处理失败 **解决方案：** + 我们建议采用 AWS 推荐的方法，即使用[指数退避和随机[抖动](https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/)的重试](https://docs.aws.amazon.com//prescriptive-guidance/latest/cloud-design-patterns/retry-backoff.html)，以提高可靠性。 + 如果问题仍然存在，请联系 [AWS Support Center](https://aws.amazon.com/support)，并提供有关您的请求和遇到的错误的详细信息。 ## InvalidAction **HTTP 状态代码：**400 **原因：**所请求的操作无效 **解决方案：** + 我们建议您仔细检查请求中操作名称的拼写和格式。 + 验证 Amazon Bedrock 是否支持相关操作调用，以及相关操作调用是否如 [Amazon Bedrock API 参考](https://docs.aws.amazon.com//bedrock/latest/APIReference/API_Operations.html)中所示正确记录。 + 确保您使用的是最新 up-to-date版本的 AWS SDK 或 CLI。 ## InvalidClientTokenId **HTTP 状态代码：**403 **原因：**我们的记录中不存在提供的 X.509 证书或 AWS 访问密钥 ID。 **解决方案：** + 确认您使用的是正确的 AWS 访问密钥 ID。 + 如果您最近创建了新的访问密钥，请确保您使用的是新凭证而不是旧凭证。 ## AWS Marketplace 协议在 15 分钟内失败 **HTTP 状态代码：**403 **原因：**由于潜在问题， AWS Marketplace 协议失败。 **解决方案：** + 查看错误消息并修复底层问题。常见的底层问题是无效付款错误和地理位置受限。 + 对于无效的付款错误，请在[申请亚马逊 Bedrock 中的模特访问权限后，查看限制使用 AWS Marketplace 和 INVALID\$1PAYMENT\$1INSTRUMENT\$1IN](https://repost.aws/questions/QU0UOsutrWSSS4nOqgHcIUJg/invalid-payment-instrument-after-requesting-model-access-in-amazon-bedrock) [STRUMENT 的 AISPL 买家使用信用卡和借记卡进行购买](https://aws-blogs-prod.amazon.com/awsmarketplace/restriction-on-credit-and-debit-card-purchases-for-aispl-customers-using-aws-marketplace/)。 。 ## AWS Marketplace 协议在 15 分钟后待定 **HTTP 状态代码：**403 **原因：** AWS Marketplace 协议未成功，自提出请求以来已经 15 分钟了。 **解决方案：** + 每 15 分钟重试请求。如果问题仍然存在，请联系 [AWS Support Center](https://aws.amazon.com/support)，并提供有关您的请求和遇到的错误的详细信息。 ## MPAgreementBeingCreated **HTTP 状态代码：**403 **原因：**未授权您的账户访问此模型。您对该型号的 AWS Marketplace 订阅仍在处理中 **解决方案：** + 请在 15 分钟后重试 ## NotAuthorized **HTTP 状态代码：**400 **原因：**您无权执行此操作。 **解决方案：** + 查看您的 IAM 权限，确保您拥有对 Amazon Bedrock 资源执行请求的操作所需的权限。 + 如果您使用的是 IAM 角色，请验证该角色是否具有适当的权限和信任关系。 + 检查是否存在任何可能限制您的访问的组织策略或服务控制策略。 ## RequestExpired **HTTP 状态代码：**400 **原因：**由于时间戳过期，请求已失效。 **解决方案：** + 确保您的系统时钟与可靠的时间源正确同步。 + 如果您从不同的时区发出请求，请注意可能存在的时间戳差异。 ## ServiceUnavailable **HTTP 状态代码：**503 **原因：**服务暂时无法处理该请求。503 错误表示常规的节流。 **解决方案：** + 我们建议采用 AWS 推荐的方法，即使用[指数退避和随机[抖动](https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/)的重试](https://docs.aws.amazon.com//prescriptive-guidance/latest/cloud-design-patterns/retry-backoff.html)，以提高可靠性。 + AWS 区域 如果您当前的地区仍然存在问题，请考虑切换到其他区域。不同区域的负载水平和可用性可能有所不同。 + [使用跨区域推理](https://docs.aws.amazon.com//bedrock/latest/userguide/cross-region-inference.html)，通过利用跨区域的计算来无缝管理计划外的流量爆发。 AWS 区域 + 如果您的吞吐量要求很高，我们建议您探索适合您使用案例的[预调配吞吐量](https://docs.aws.amazon.com//bedrock/latest/userguide/prov-throughput.html)。 **最佳实践** + 确保您的应用程序能够在错误处理和重试逻辑中正确处理 503 状态代码。 + 查看 S AWS ervice Health Dashboard，了解任何可能影响服务的已宣布问题或定期维护。 如果您经常遇到 503 错误，或者这些错误严重影响了您的操作，请联系 [AWS Support](https://aws.amazon.com/support) 获取针对您的特定使用案例量身定制的进一步帮助和指导。 ## ThrottlingException **HTTP 状态代码：**429 **原因：**由于超出了 Amazon Bedrock 的账户配额，请求被拒绝。 **解决方案：** + 在 [Amazon Bedrock 服务配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#limits_bedrock)控制台中查看 Amazon Bedrock 服务配额，了解分配给您账户的限额。 + 我们建议采用 AWS 推荐的方法，即使用[指数退避的重试](https://docs.aws.amazon.com//prescriptive-guidance/latest/cloud-design-patterns/retry-backoff.html)。 以及随机[抖动](https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/)以提高可靠性。 + 如果您的吞吐量要求很高，我们建议您探索适合您使用案例的[预调配吞吐量](https://docs.aws.amazon.com//bedrock/latest/userguide/prov-throughput.html)。 + 如果您的工作负载流量超过账户配额，请联系您的客户经理或 [AWS Support](https://aws.amazon.com/support) 申请提高配额。 ## ValidationError **HTTP 状态代码：**400 **原因：**输入未能满足 Amazon Bedrock 指定的约束条件。 **解决方案：** + 查看 API 文档，确保包含所有必需的参数并且这些参数的格式正确。 + 检查您的输入值是否在允许的范围之内或符合预期的模式。 + 我们建议您注意正在使用的操作的 API 参考中提及的任何特定验证规则。 ## ResourceNotFound **HTTP 状态代码：**404 **原因：**找不到请求的资源。 **解决方案：** + 验证请求中的模型 ID、端点名称或其他资源标识符的正确性。 + 请实施回退机制，以便在找不到主要资源时使用替代模型或端点。 **最佳实践** + [ListFoundationModels](https://docs.aws.amazon.com//bedrock/latest/APIReference/API_ListFoundationModels.html)用于了解您可以使用的可用的 Amazon Bedrock 基础模型。 + 我们建议您实施定期同步流程来更新您的本地资源目录。 如果您在尝试这些解决方案后仍然遇到问题，请联系 [AWS Support](https://aws.amazon.com/support) 获取针对您的特定使用案例量身定制的进一步帮助和指导。 ## 致电 Amazon Bedrock 时连接超时或重置 APIs **症状：**当流量通过 NAT 网关、VPC 终端节点或网络负载均衡器时，API 调用因连接重置或超时而失败，尤其是对于长时间运行的请求，例如流式传输或扩展推理。 **原因：**NAT 网关、接口 VPC 终端节点和网络负载均衡器的固定空闲连接超时为 350 秒。如果 TCP 连接的空闲时间超过此时间，则该连接将被断开。客户端收到 TCP RST 数据包或请求超时。 **解决方案：** 启用 TCP keep-alive 以定期发送探测器，防止连接处于空闲状态。有关更多信息，请参阅网络和内容交付博客[中的在 VPC 网络中实现长期运行的 AWS TCP 连接](https://aws.amazon.com/blogs/networking-and-content-delivery/implementing-long-running-tcp-connections-within-vpc-networking/)。 如果启用 TCP 保持活动状态后仍然遇到连接问题，请联系 Su [AWS pport 寻求](https://aws.amazon.com/support)进一步帮助。 # 使用控制台和 API 的详细入门 内容即将推出。 # 开始使用 Amazon Bedrock 控制台 本节介绍如何使用 AWS 控制台中的[游乐场](playgrounds.md)向 Amazon Bedrock 基础模型 (FM) 提交文本提示并生成文本或图像响应。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** + 您拥有 AWS 账户 并有权访问该账户中的某个角色，该角色具有 Amazon Bedrock 的必要权限。否则，请按照[快速入门](getting-started.md)中的步骤操作。 + 您位于美国东部（弗吉尼亚州北部）（us-east-1）区域。要更改区域，请选择控制台右上角 IAM 角色旁边的“区域”名称。然后选择“美国东部（弗吉尼亚州北部）(us-east-1)”。 **Topics** + [探索文本操场](#getting-started-text) + [探索图像演示平台](#getting-started-image) ## 探索文本操场 以下示例演示了如何使用文本演示平台： 1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。 1. 在左侧导航窗格的**操场**下，选**文本**。 1. 选择**选择模型**，然后选择提供商和模型。在本示例中，我们将选择 **Amazon Titan Text G1 - Lite**。然后选择**应用**。 1. 从文本面板下方选择默认提示，或者在文本面板中输入提示，例如 **Describe the purpose of a "hello world" program in one line**。 1. 选择**运行**对模型运行推理。生成的文本显示在文本面板的提示下方。 ## 探索图像演示平台 以下示例演示了如何使用图像演示平台。 1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。 1. 在左侧导航窗格的**操场**下，选**图像**。 1. 选择**选择模型**，然后选择提供商和模型。在本示例中，我们将选择 **Amazon Titan Image Generator G1 V1**。然后选择**应用**。 1. 从文本面板下方选择默认提示，或者在文本面板中输入提示，例如 **Generate an image of happy cats**。 1. 在**配置**窗格中，将**图像数量**更改为 **1**。 1. 选择**运行**对模型运行推理。生成的图像显示在提示上方。 # 开始使用 API 本节介绍如何设置您的环境以通过 AWS API 发出 Amazon Bedrock 请求。 AWS 提供以下工具来简化您的体验： + AWS Command Line Interface (AWS CLI) + AWS SDKs + 亚马逊 SageMaker AI 笔记本电脑 要开始使用 API，您需要获取凭证来授予编程访问权限。如果以下部分与您有关，请展开并按照说明操作。否则，请继续完成剩余部分。 ## 我是新手 AWS 如果您没有 AWS 账户，请完成以下步骤来创建一个。 **报名参加 AWS 账户** 1. 打开[https://portal.aws.amazon.com/billing/注册。](https://portal.aws.amazon.com/billing/signup) 1. 按照屏幕上的说明操作。 在注册时，将接到电话或收到短信，要求使用电话键盘输入一个验证码。 当您注册时 AWS 账户，就会创建*AWS 账户根用户*一个。根用户有权访问该账户中的所有 AWS 服务 和资源。作为最佳安全实践，请为用户分配管理访问权限，并且只使用根用户来执行[需要根用户访问权限的任务](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_root-user.html#root-user-tasks)。 AWS 注册过程完成后会向您发送一封确认电子邮件。您可以随时前往 [https://aws.amazon.com/](https://aws.amazon.com/)并选择 “**我的账户”，查看您当前的账户活动并管理您的账户**。 **保护你的 AWS 账户根用户** 1. 选择 **Root 用户**并输入您的 AWS 账户 电子邮件地址，以账户所有者的身份登录。[AWS 管理控制台](https://console.aws.amazon.com/)在下一页上，输入您的密码。 要获取使用根用户登录方面的帮助，请参阅《AWS 登录 用户指南》**中的 [Signing in as the root user](https://docs.aws.amazon.com/signin/latest/userguide/console-sign-in-tutorials.html#introduction-to-root-user-sign-in-tutorial)。 1. 为您的根用户启用多重身份验证（MFA）。 有关说明，请参阅 I [A *M* 用户指南中的为 AWS 账户 根用户启用虚拟 MFA 设备（控制台）](https://docs.aws.amazon.com/IAM/latest/UserGuide/enable-virt-mfa-for-root.html)。 ## 我需要安装 AWS CLI 或 S AWS DK 要安装 AWS CLI，请按照[安装或更新到最新版本中的步骤进行](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html)操作 AWS CLI。 要安装 S AWS DK，请在 “[构建工具” 中选择与您要使用的编程语言相对应的](https://aws.amazon.com/developer/tools/)选项卡 AWS。 AWS 软件开发套件 (SDKs) 可用于许多流行的编程语言。每个 SDK 都提供一个 API、代码示例和文档，便于开发人员使用自己的首选语言构建应用程序。 SDKs 自动为您执行有用的任务，例如： + 对服务请求进行加密签名 + 重试请求 + 处理错误响应 ## 获取凭证来授予编程访问权限 如果用户想在 AWS 外部进行交互，则需要编程访问权限 AWS 管理控制台。 AWS 根据您的安全考虑，提供了多种选项。 **注意** 有关生成可用于快速访问 Amazon Bedrock API 的 API 密钥的 step-by-step指南，请参阅[开始使用 Amazon Bedrock API 密钥：生成 30 天密钥并发出第一个 API 调用](getting-started-api-keys.md)。 如有更高的安全性要求，请继续阅读本部分。 授予编程访问权限的方式取决于正在访问的用户类型 AWS。 要向用户授予编程式访问权限，请选择以下选项之一。 **** | 哪个主体需要编程访问权限？ | 目标 | 方式 | | --- | --- | --- | | IAM 用户 | 限制签署 AWS CLI、 AWS SDKs或编程请求的长期证书的持续时间 AWS APIs。 | 按照您希望使用的界面的说明进行操作。 [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/bedrock/latest/userguide/getting-started-api.html) | | IAM 角色 | 使用临时证书签署向 AWS CLI AWS SDKs、或发出的编程请求 AWS APIs。 | 按照 IAM 用户指南中的将[临时证书与 AWS 资源配合使用](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_credentials_temp_use-resources.html)中的说明进行操作。 | | 人力身份 （在 IAM Identity Center 中管理的用户） | 使用临时证书签署向 AWS CLI AWS SDKs、或发出的编程请求 AWS APIs。 | 按照您希望使用的界面的说明进行操作。 [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/bedrock/latest/userguide/getting-started-api.html) | ## 如何为 IAM 用户创建访问密钥 如果您决定对 IAM 用户使用访问密钥， AWS 建议您通过包含限制性内联策略来为 IAM 用户设置过期时间。 **重要** 请注意以下警告： **请勿**使用您账户的根凭证访问 AWS 资源。这些凭证可提供不受限的账户访问且难以撤销。 **不得**在应用程序文件中按字面输入访问密钥或凭证信息。如果您这样做，则在将项目上传到公共存储库或在其他情况下，会有意外暴露凭证的风险。 **不得**在项目区域中放入包含凭证的文件。 安全管理您的访问密钥。请不要向未经授权方提供访问密钥，即便是为了帮助[找到您的账户标识符](https://docs.aws.amazon.com/general/latest/gr/acct-identifiers.html)也不行。通过这样做，您可以授予他人永久访问您的帐户的权限。 请注意，存储在共享凭证文件中的所有 AWS 凭据都以纯文本形式存储。 有关更多详细信息，请参阅中的[管理 AWS 访问密钥的最佳实践](https://docs.aws.amazon.com/general/latest/gr/aws-access-keys-best-practices.html) AWS 一般参考。 **创建 IAM 用户** 1. 在 AWS 管理控制台 主页上，选择 IAM 服务或导航到 IAM 控制台，网址为[https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/)。 1. 在导航窗格中，选择**用户**，然后选择**创建用户**。 1. 按照 IAM 控制台中的指导设置无权限的编程用户（无权访问 AWS 管理控制台）。 **将用户访问权限限制在有限的时间段内** 您创建的任何 IAM 用户访问密钥都属于长期凭证。为了确保这些凭证在处理不当的情况下会过期，您可以创建内联策略来指定密钥失效的日期，从而限制这些凭证的使用时间。 1. 打开刚创建的 IAM 用户。在**权限**选项卡中，选择**添加权限**，然后选择**创建内联策略**。 1. 在 JSON 编辑器中，指定以下权限。要使用此策略，请将示例策略中的 `aws:CurrentTime` 时间戳值替换为自己的结束日期。 **注意** IAM 建议将访问密钥限制在 12 小时以内。 ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Deny", "Action": "*", "Resource": "*", "Condition": { "DateGreaterThan": { "aws:CurrentTime": "2024-01-01T00:00:000" } } } ] } ``` ------ **创建访问密钥** 1. 在**用户详细信息**页面上，选择**安全凭证**选项卡。在**访问密钥**部分，选择**创建访问密钥**。 1. 表明您计划将这些访问密钥用作**其他**，然后选择**创建访问密钥**。 1. 在 **Retrieve access keys**（检索访问密钥）页面上，选择 **Show**（显示）来显示用户的秘密访问密钥的值。您可以复制凭证或下载 .csv 文件。 **重要** 当您不再需要此 IAM 用户时，我们建议您将其移除并遵循[AWS 安全最佳实践](https://docs.aws.amazon.com/IAM/latest/UserGuide/best-practices.html#lock-away-credentials)，我们建议您要求您的人类用户在访问时通过 [AWS IAM Identity Center](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html) 使用临时证书 AWS。 ## 将 Amazon Bedrock 权限附加到用户或角色 在设置好编程访问凭证后，您需要为用户或 IAM 角色配置权限，以便其访问一组与 Amazon Bedrock 相关的操作。要设置这些权限，请执行以下操作： 1. 在 AWS 管理控制台 主页上，选择 IAM 服务或导航到 IAM 控制台，网址为[https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/)。 1. 选择**用户**或**角色**，然后选择您的用户或角色。 1. 在 “**权限**” 选项卡中，选择 “**添加权限**”，然后选择 “**添加 AWS 托管策略**”。选择名为 [AmazonBedrockFullAccess]() AWS 的托管式策略。 1. 要允许用户或角色订阅模型，请选择**创建内联策略**，然后在 JSON 编辑器中指定以下权限： ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "MarketplaceBedrock", "Effect": "Allow", "Action": [ "aws-marketplace:ViewSubscriptions", "aws-marketplace:Unsubscribe", "aws-marketplace:Subscribe" ], "Resource": "*" } ] } ``` ------ ## 尝试对 Amazon Bedrock 进行 API 调用 在完成所有前提条件后，选择以下主题之一来测试使用 Amazon Bedrock 模型发出模型调用请求： **Topics** + [获取凭证来授予编程访问权限](#gs-grant-program-access) + [将 Amazon Bedrock 权限附加到用户或角色](#gs-api-br-permissions) + [尝试对 Amazon Bedrock 进行 API 调用](#gs-try-bedrock) + [开始使用 Amazon Bedrock API 密钥：生成 30 天密钥并发出第一个 API 调用](getting-started-api-keys.md) + [使用以下命令运行 Amazon Bedrock API 请求示例 AWS Command Line Interface](getting-started-api-ex-cli.md) + [通过适用于 Python 的 AWS 软件开发工具包 (Boto3) 运行示例 Amazon Bedrock API 请求](getting-started-api-ex-python.md) + [使用亚马逊 AI 笔记本运行 Ama SageMaker zon Bedrock API 请求示例](getting-started-api-ex-sm.md) # 开始使用 Amazon Bedrock API 密钥：生成 30 天密钥并发出第一个 API 调用 本教程将引导您创建一个有效期为 30 天的长期 Amazon Bedrock API 密钥，并使用它通过 Python 发出简单的 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) API 调用。这是无需设置复杂 AWS 凭证即可开始试用 Amazon Bedrock 的最快方法。 **警告** 建议仅在 Amazon Bedrock 的探索和开发阶段使用长期 API 密钥。对于生产应用程序，请使用[长期访问密钥的替代方案](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds-programmatic-access.html#security-creds-alternatives-to-long-term-access-keys)，例如 IAM 角色或临时凭证。 按照以下步骤创建长期 Amazon Bedrock API 密钥，该密钥将在 30 天后过期： 1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。 1. 在左侧导航窗格中，选择 **API 密钥**。 1. 在**长期 API 密钥**选项卡中，选择**生成长期 API 密钥**。 1. 在 **API 密钥到期**部分中，选择 **30 天**。 1. 选择**生成**。您生成的密钥提供执行核心 Amazon Bedrock 操作的权限，如所附[AmazonBedrockLimitedAccess](security-iam-awsmanpol.md#security-iam-awsmanpol-AmazonBedrockLimitedAccess)策略所定义。 1. 复制生成的 API 密钥并妥善存储。在下一个步骤中，您需要用到该密钥。 **重要** API 密钥仅显示一次。在关闭对话框之前，请务必复制并保存密钥。请记住，您的 API 密钥将在 30 天后过期。您可以按照相同的步骤生成一个新的密钥，或者考虑在持续使用中改为采用更安全的身份验证方法。 1. 将 API 密钥设置为环境变量，方法是将其*\$1\$1api-key\$1*替换为生成的 API 密钥值，然后使用它以您选择的方法生成响应： ------ #### [ Python ] ``` import boto3 import os # Set the API key as an environment variable os.environ['AWS_BEARER_TOKEN_BEDROCK'] = "${api-key}" # Create the Bedrock client client = boto3.client( service_name="bedrock-runtime", region_name="us-east-1" ) # Define the model and message model_id = "us.anthropic.claude-3-5-haiku-20241022-v1:0" messages = [{"role": "user", "content": [{"text": "Hello! Can you tell me about Amazon Bedrock?"}]}] # Make the API call response = client.converse( modelId=model_id, messages=messages, ) # Print the response print(response['output']['message']['content'][0]['text']) ``` ------ #### [ HTTP client using Python ] ``` import requests url = "https://bedrock-runtime.us-east-1.amazonaws.com/model/us.anthropic.claude-3-5-haiku-20241022-v1:0/converse" payload = { "messages": [ { "role": "user", "content": [{"text": "Hello"}] } ] } headers = { "Content-Type": "application/json", "Authorization": "Bearer ${api-key}" } response = requests.request("POST", url, json=payload, headers=headers) print(response.text) ``` ------ #### [ HTTP request using cURL ] ``` curl -X POST "https://bedrock-runtime.us-east-1.amazonaws.com/model/us.anthropic.claude-3-5-haiku-20241022-v1:0/converse" \ -H "Content-Type: application/json" \ -H "Authorization: Bearer ${api-key}" \ -d '{ "messages": [ { "role": "user", "content": [{"text": "Hello"}] } ] }' ``` ------ 恭喜您！您已成功生成了 Amazon Bedrock API 密钥，并首次对 Amazon Bedrock 服务发出了 API 调用。在探索了更多的 Amazon Bedrock 操作之后，您应该过渡到更安全的身份验证方法，例如短期 Amazon Bedrock API 密钥或 AWS全局临时证书。要了解更多信息，请参阅以下资源： + **探索其他模型**：在[Amazon Bedrock 基础模型信息](foundation-models-reference.md)中了解 Amazon Bedrock 提供的其他基础模型，并在您的代码中更改 `model_id` 以进行试用。 + **了解模型推理**：通过在[使用模型推理提交提示并生成响应](inference.md)中阅读有关概念和 Amazon Bedrock 提供的选项的信息，了解如何通过模型推理生成响应。 + **使用更安全的身份验证方法进行生产规划** — 在 “构建” 章节中详细了解 Amazon Bedrock API 密钥以及如何创建更安全的短期 Amazon Bedrock API 密钥。准备好构建生产应用程序时，还应查看[长期访问密钥的替代方案，以](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds-programmatic-access.html#security-creds-alternatives-to-long-term-access-keys)获得更安全的选项，这些选项还允许访问其他 AWS 服务。 # 使用以下命令运行 Amazon Bedrock API 请求示例 AWS Command Line Interface 本节将指导您使用在 Amazon Bedrock 中尝试一些常见的操作， AWS Command Line Interface 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** + 您的用户或角色已设置身份验证 AWS 账户 并拥有 Amazon Bedrock 的必要权限。否则，请按照[开始使用 API](getting-started-api.md)中的步骤操作。 + 您已安装 AWS CLI并设置了身份验证。要安装 AWS CLI，请按照[安装或更新到最新版本中的步骤进行](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html)操作 AWS CLI。按照[获取凭证来授予编程访问权限](getting-started-api.md#gs-grant-program-access)中的步骤，验证是否已设置凭证来使用 CLI。 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。 **Topics** + [列出 Amazon Bedrock 必须提供的基础模型](#getting-started-api-ex-cli-listfm) + [向模型提交文本提示并使用以下命令生成文本回复 InvokeModel](#getting-started-api-ex-cli-invoke-text) + [向模型提交文本提示并使用 Converse 生成文本响应](#getting-started-api-ex-cli-converse) ## 列出 Amazon Bedrock 必须提供的基础模型 以下示例使用[ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)运行操作 AWS CLI。 `ListFoundationModels`列出了您所在地区的 Amazon Bedrock 中可用的基础模型 (FMs)。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以下命令生成文本回复 InvokeModel 以下示例使用[InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)运行操作 AWS CLI。 `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 以下示例使用运行[匡威](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html)操作。 AWS CLI`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。 # 通过适用于 Python 的 AWS 软件开发工具包 (Boto3) 运行示例 Amazon Bedrock API 请求 本节将指导您在 Amazon Bedrock 中尝试一些常见的操作， AWS Python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** + 您的用户或角色已设置身份验证 AWS 账户 并拥有 Amazon Bedrock 的必要权限。否则，请按照[开始使用 API](getting-started-api.md)中的步骤操作。 + 你已经为适用于 Python 的 AWS SDK (Boto3) 安装并设置了身份验证。要安装 Boto3，请按照 Boto3 文档中 [Quickstart](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html) 中的步骤操作。按照[获取凭证来授予编程访问权限](getting-started-api.md#gs-grant-program-access)中的步骤，验证是否已设置凭证来使用 Boto3。 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。 Amazon Bedrock 文档还包括其他编程语言的代码示例。有关更多信息，请参阅 [使用 Amazon Bedrock 的代码示例 AWS SDKs](service_code_examples.md)。 **Topics** + [列出 Amazon Bedrock 必须提供的基础模型](#getting-started-api-ex-python-listfm) + [向模型提交文本提示并使用以下命令生成文本回复 InvokeModel](#getting-started-api-ex-python-invoke-text) + [向模型提交文本提示并使用 Converse 生成文本响应](#getting-started-api-ex-python-converse) ## 列出 Amazon Bedrock 必须提供的基础模型 以下示例使用 Amazon Bedrock 客户端运行该[ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)操作。 `ListFoundationModels`列出了您所在地区的 Amazon Bedrock 中可用的基础模型 (FMs)。运行以下适用于 Python 的 SDK 脚本来创建 Amazon Bedrock 客户端并测试该[ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)操作： ``` """ Lists the available Amazon Bedrock models in an &AWS-Region;. """ import logging import json import boto3 from botocore.exceptions import ClientError logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) def list_foundation_models(bedrock_client): """ Gets a list of available Amazon Bedrock foundation models. :return: The list of available bedrock foundation models. """ try: response = bedrock_client.list_foundation_models() models = response["modelSummaries"] logger.info("Got %s foundation models.", len(models)) return models except ClientError: logger.error("Couldn't list foundation models.") raise def main(): """Entry point for the example. Change aws_region to the &AWS-Region; that you want to use.""" aws_region = "us-east-1" bedrock_client = boto3.client(service_name="bedrock", region_name=aws_region) fm_models = list_foundation_models(bedrock_client) for model in fm_models: print(f"Model: {model["modelName"]}") print(json.dumps(model, indent=2)) print("---------------------------\n") logger.info("Done.") if __name__ == "__main__": main() ``` 如果此脚本成功，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以下命令生成文本回复 InvokeModel 以下示例使用 Amazon Bedrock 客户端运行该[InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)操作。 `InvokeModel`允许您提交提示以生成模型响应。运行以下适用于 Python 的 SDK 脚本来创建 Amazon Bedrock 运行时客户端，并使用 `` 操作生成文本响应： ``` # Use the native inference API to send a text message to Amazon Titan Text G1 - Express. import boto3 import json from botocore.exceptions import ClientError # Create an Amazon Bedrock Runtime client. brt = boto3.client("bedrock-runtime") # Set the model ID, e.g., Amazon Titan Text G1 - Express. model_id = "amazon.titan-text-express-v1" # Define the prompt for the model. prompt = "Describe the purpose of a 'hello world' program in one line." # Format the request payload using the model's native structure. native_request = { "inputText": prompt, "textGenerationConfig": { "maxTokenCount": 512, "temperature": 0.5, "topP": 0.9 }, } # Convert the native request to JSON. request = json.dumps(native_request) try: # Invoke the model with the request. response = brt.invoke_model(modelId=model_id, body=request) except (ClientError, Exception) as e: print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}") exit(1) # Decode the response body. model_response = json.loads(response["body"].read()) # Extract and print the response text. response_text = model_response["results"][0]["outputText"] print(response_text) ``` 如果此命令成功，响应会返回模型为响应提示而生成的文本。 ## 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 Amazon Bedrock 客户端运行 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) 操作。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。运行以下适用于 Python 的 SDK 脚本来创建 Amazon Bedrock 运行时客户端，并使用 `Converse` 操作生成文本响应： ``` # Use the Conversation API to send a text message to Amazon Titan Text G1 - Express. import boto3 from botocore.exceptions import ClientError # Create an Amazon Bedrock Runtime client. brt = boto3.client("bedrock-runtime") # Set the model ID, e.g., Amazon Titan Text G1 - Express. model_id = "amazon.titan-text-express-v1" # Start a conversation with the user message. user_message = "Describe the purpose of a 'hello world' program in one line." conversation = [ { "role": "user", "content": [{"text": user_message}], } ] try: # Send the message to the model, using a basic inference configuration. response = brt.converse( modelId=model_id, messages=conversation, inferenceConfig={"maxTokens": 512, "temperature": 0.5, "topP": 0.9}, ) # Extract and print the response text. response_text = response["output"]["message"]["content"][0]["text"] print(response_text) except (ClientError, Exception) as e: print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}") exit(1) ``` 如果此命令成功，响应会返回模型为响应提示而生成的文本。 # 使用亚马逊 AI 笔记本运行 Ama SageMaker zon Bedrock API 请求示例 本节将指导你使用亚马逊 A SageMaker I 笔记本在 Amazon Bedrock 中尝试一些常见的操作，以测试你的 Amazon Bedrock 角色权限设置是否正确。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** + 您拥有 AWS 账户 并有权访问具有 Amazon Bedrock 必要权限的角色。否则，请按照[快速入门](getting-started.md)中的步骤操作。 + 执行以下步骤为 A SageMaker I 设置 IAM 权限并创建笔记本： 1. 修改您在[快速入门](getting-started.md)中通过[控制台](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-console.html#roles-managingrole_edit-trust-policy)、[CLI](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-cli.html#roles-managingrole_edit-trust-policy-cli) 或 [API](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-api.html#roles-managingrole_edit-trust-policy-api) 设置的 Amazon Bedrock 角色的[信任策略](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_terms-and-concepts.html#term_trust-policy)。将以下信任策略附加到该角色，以允许 Amazon Bedrock 和 A SageMaker I 服务同时担任 Amazon Bedrock 角色： ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BedrockTrust", "Effect": "Allow", "Principal": { "Service": "bedrock.amazonaws.com" }, "Action": "sts:AssumeRole" }, { "Sid": "SagemakerTrust", "Effect": "Allow", "Principal": { "Service": "sagemaker.amazonaws.com" }, "Action": "sts:AssumeRole" } ] } ``` ------ 1. 登录您刚刚修改了其信任策略的 Amazon Bedrock 角色。 1. 按照[本教程的创建 Amazon SageMaker AI 笔记本实例中的步骤进行操作，并指定您为](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-setup-working-env.html)创建 A SageMaker I 笔记本实例而创建的 Amazon Bedrock 角色的 ARN。 1. 当笔记本实例的**状态**为时 **InService**，选择该实例，然后选择**打开 JupyterLab**。 打开 SageMaker AI 笔记本后，您可以尝试以下示例： **Topics** + [列出 Amazon Bedrock 必须提供的基础模型](#getting-started-api-ex-sm-listfm) + [向模型提交文本提示并生成响应](#getting-started-api-ex-sm-converse) ## 列出 Amazon Bedrock 必须提供的基础模型 以下示例使用 Amazon Bedrock 客户端运行该[ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)操作。 `ListFoundationModels`列出了您所在地区的 Amazon Bedrock 中可用的基础模型 (FMs)。运行以下适用于 Python 的 SDK 脚本来创建 Amazon Bedrock 客户端并测试[ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)操作： ``` """ Lists the available Amazon Bedrock models in an &AWS-Region;. """ import logging import json import boto3 from botocore.exceptions import ClientError logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) def list_foundation_models(bedrock_client): """ Gets a list of available Amazon Bedrock foundation models. :return: The list of available bedrock foundation models. """ try: response = bedrock_client.list_foundation_models() models = response["modelSummaries"] logger.info("Got %s foundation models.", len(models)) return models except ClientError: logger.error("Couldn't list foundation models.") raise def main(): """Entry point for the example. Change aws_region to the &AWS-Region; that you want to use.""" aws_region = "us-east-1" bedrock_client = boto3.client(service_name="bedrock", region_name=aws_region) fm_models = list_foundation_models(bedrock_client) for model in fm_models: print(f"Model: {model["modelName"]}") print(json.dumps(model, indent=2)) print("---------------------------\n") logger.info("Done.") if __name__ == "__main__": main() ``` 如果此脚本成功，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生成响应 以下示例使用 Amazon Bedrock 客户端运行 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) 操作。`Converse` 允许您提交提示以生成模型响应。运行以下适用于 Python 的 SDK 脚本来创建 Amazon Bedrock 运行时客户端并测试 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) 操作： ``` # Use the Conversation API to send a text message to Amazon Titan Text G1 - Express. import boto3 from botocore.exceptions import ClientError # Create an Amazon Bedrock Runtime client. brt = boto3.client("bedrock-runtime") # Set the model ID, e.g., Amazon Titan Text G1 - Express. model_id = "amazon.titan-text-express-v1" # Start a conversation with the user message. user_message = "Describe the purpose of a 'hello world' program in one line." conversation = [ { "role": "user", "content": [{"text": user_message}], } ] try: # Send the message to the model, using a basic inference configuration. response = brt.converse( modelId=model_id, messages=conversation, inferenceConfig={"maxTokens": 512, "temperature": 0.5, "topP": 0.9}, ) # Extract and print the response text. response_text = response["output"]["message"]["content"][0]["text"] print(response_text) except (ClientError, Exception) as e: print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}") exit(1) ``` 如果此命令成功，响应会返回模型为响应提示而生成的文本。 # 教程：创建处理抵押贷款申请的流 为了熟悉 Amazon Bedrock 资源及其功能，我们将使用 CloudFormation 模板来设置一个[流程](flows.md)，通过组合各种 Amazon Bedrock 和其他资源，自动执行抵押贷款申请流程。 AWS **注意** 在本教程中，我们将使用*us-east-1*区域。您可以使用任何支持代理、流、护栏、知识库和提示管理器的区域。有关按区域的功能支持表，请参阅[Amazon Bedroc AWS 区域 k 中的功能支持](features-regions.md)。确保您有权在所使用的区域中创建 Amazon S3、Amazon Bedrock、Lambda 和 DynamoDB 资源。 此流并不用于部署目的，而是用作了解 Amazon Bedrock 资源的教程。下图直观地展示了 AWS 管理控制台中的流： ![\[抵押贷款处理流\]](http://docs.aws.amazon.com/zh_cn/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) 该流结合使用 Amazon Bedrock [代理](agents.md)、[提示](prompt-management.md)和 [Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) 函数，来创建一个抵押贷款处理流，该流会收集客户的财务信息并处理客户是否符合贷款资格。Amazon Bedrock [知识库](knowledge-base.md)和[护栏](guardrails.md)也附加到流的代理，以增强响应并提供安全保障。有关流组件的更详细信息，请参阅[有关抵押贷款处理流的详细信息](getting-started-mortgage-flow-details.md)。 **Topics** + [先决条件](#getting-started-mortgage-flow-prereqs) + [使用创建抵押贷款处理流程 CloudFormation](#getting-started-mortgage-flow-create) + [测试抵押贷款处理流](#getting-started-mortgage-flow-test) + [清理：删除资源](#getting-started-mortgage-flow-delete) + [CloudFormation 模板](getting-started-mortgage-flow-template.md) + [有关抵押贷款处理流的详细信息](getting-started-mortgage-flow-details.md) ## 先决条件 要创建此流，您需要下载一个 .zip 文件，并按照说明运行脚本，该脚本将为您设置资源和模板。 **重要** 您创建的 Amazon 资源将会收费，直到您删除它们。 然后，完成以下先决任务： 1. 下载 [cloudformation-mortgage-flow-setup.zip](samples/cloudformation-mortgage-flow-setup.zip) 文件。 1. 解压缩该文件。您可以在 [CloudFormation 模板](getting-started-mortgage-flow-template.md)中了解有关内容的更多信息。 1. 通过执行以下操作，请求访问 Amazon Bedrock 基础模型： 1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。 1. 检查右上角的区域，确保您使用的是**美国东部（弗吉尼亚州北部）**区域。如果不是，请切换区域。 1. 选择左侧导航窗格底部的**模型访问权限**。 1. 选择**修改模型访问权限**。 1. 请执行以下操作之一： + 要请求访问所有模型，请选择**启用所有模型**。在您转到的页面上，所有模型旁边的复选框都将处于选中状态。 + 要请求访问特定模型，请选择**启用特定模型**。在您转到的页面上，您有以下选项： + 要请求访问提供商的所有模型，请选中提供商名称旁边的复选框。 + 要请求访问某一模型，请选中模型名称旁边的复选框。 1. 就以下教程而言，您应尽量减少请求访问 **Titan Embeddings G1 - Text** 和 **Claude 3 Haiku** 模型的次数。然后选择**下一步**。 1. 查看您请求访问的模型和相应**条款**。准备好之后，选择**提交**以请求访问权限。 ## 使用创建抵押贷款处理流程 CloudFormation 为了创建抵押贷款处理流程及其相关资源，我们将创建一个 CloudFormation 模板并使用它来创建包含 Amazon Bedrock 资源的堆栈。 **重要** 您创建的 Amazon 资源将会收费，直到您删除它们。 ### 创建资源和 CloudFormation 模板文件 首先，使用.zip 文件中的脚本将资源上传到 S3 存储桶并创建 CloudFormation 模板。 1. 在终端中运行以下命令，将资源复制到 Amazon S3 存储桶，并将 `main-stack.yaml` 和 `main-stack.json` 文件填充为 S3 存储桶名称，作为存储桶名称参数的默认值。 ``` bash deploy.sh ``` **注意** 脚本的用法是`bash deploy.sh `，其中**和**是可选参数。如果您不提供这些参数，将使用以下默认值： **— 在您的 AWS 凭证设置中指定的默认 AWS 区域。 **— 存储桶将被命名*mortgage-flow-deployment--*，其中**是您的 AWS 账户 ID，与您提供的值或 AWS 证书设置中指定的默认 AWS 区域**相匹配。 1. 确认提示。部署完成后，您应该有一个完整的 `main-stack.json` 和 `main-stack.yaml` 模板供下一步使用。 **注意** 如果脚本失败，您可以通过执行以下操作，手动准备资源： 在 Amazon S3 控制台中将解压缩文件夹的*内容*（不包括`cloudformation-mortgage-flow-setup`文件夹本身）上传到美国东部（弗吉尼亚北部）的 S3 存储桶，网址为。[https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/) 查找 `templates/json/main-stack-tmp.yaml` 或 `templates/json/main-stack-tmp.json` 文件并执行以下操作： 将`Q01pS3BucketName`参数的`Default`值从更改为您*MortgageFlowBucket*的 S3 存储桶名称。 从文件名中删除 `-tmp`，使其变为 `templates/json/main-stack.yaml` 或 `templates/json/main-stack.json`。 ### 使用 CloudFormation 控制台创建堆栈 接下来，使用您保存的模板来配置堆 CloudFormation 栈。 1. 在 [https://console.aws.amazon.com/cloudformat](https://console.aws.amazon.com/cloudformation/) ion 上打开 CloudFormation 控制台。检查右上角的区域，确保您使用的是**美国东部（弗吉尼亚州北部）**区域。如果不是，请切换区域。 1. 在**堆栈**页面中，从**创建堆栈**菜单中选择**使用新资源（标准）**。 1. 指定模板： 1. 在**先决条件**下，选择**选择现有模板**。 1. 在**指定模板**下，选择**上传模板文件**。 1. 选择**选择文件**，导航到 `main-stack.yaml` 或 `main-stack.json` 模板，并选择该模板。 1. 选择**下一步**。 1. 指定堆栈详细信息： 1. 在**堆栈名称**字段中，为堆栈输入名称。 1. 在**参数**字段中，保留默认值。 **注意** `Q01pS3BucketName` 值应与您为此模板上传资源的 S3 存储桶名称匹配。其余的参数与知识库的配置有关；如果您修改其中任何一个，请确保各配置之间是兼容的。有关更多信息，请参阅 [将您创建的向量存储用于知识库的先决条件](knowledge-base-setup.md)。 1. 选择**下一步**。 1. 配置堆栈选项： 1. 在**堆栈故障选项**下，选择**删除所有新创建的资源**。 **注意** 如果选择此选项，即使堆栈创建失败，您可能也不会因为删除策略规定保留资源而向资源付费。有关更多信息，请参阅《CloudFormation 用户指南》**中的 [`DeletionPolicy` 属性](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/aws-attribute-deletionpolicy.html)。 1. 在 “**能力**” 下，选中复选框以确认 CloudFormation 可能会在您的账户中创建 IAM 资源。 1. 选择**下一步**。 1. 查看堆栈详细信息并选择**提交**。 CloudFormation 创建堆栈。创建过程需要几分钟时间。在堆栈创建完成后，可以使用堆栈详细信息页面上的**资源**选项卡来查看账户中预置的资源。 1. 在堆栈创建完成后，执行以下操作以同步知识库的数据来源，从而可以查询知识库： 1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。 1. 在左侧导航窗格中，选择**知识库**，然后选择已创建的名为 `AWSDocsTutorial-MortgageKB` 的知识库。 1. 在**数据来源**部分中，选中已创建的名为 `AWSDocsTutorial-MortgageKB-DS` 的数据来源旁边的复选框。 1. 选择**同步**。同步完成后，您可以测试该流。 ## 测试抵押贷款处理流 创建抵押贷款处理流后，您可以使用 Amazon Bedrock 控制台来检查、测试和修改流。您还可以检查、测试和修改流中的各个资源。 **测试流** 1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。 1. 从左侧导航窗格中选择**流**。检查右上角的区域，确保您使用的是**美国东部（弗吉尼亚州北部）**区域。如果不是，请切换区域。 1. 在 “**流程**” 部分中，选择根据 CloudFormation 模板创建的流程。它应该是 `AWSDocsTutorial-MortgageFlow`。 1. 选择**在流生成器中编辑**。您可以拖动流中的各个节点来修改流的可视化表示。 1. 在**测试流**窗格中，在文本字段中输入以下内容，然后选择**运行**。 ``` { "income": 80000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 600000, "creditScore": 750, "mlsId": "MLS-5678" } ``` 由于贷款金额大于计算得到的最大可承受贷款额度，因此会触发 **incomeDebt** 提示并且流会生成拒绝函。您可以选择**显示跟踪**来查看流中运行的节点。 1. 同样，在**测试流**窗格中，在文本字段中输入以下内容，然后选择**运行**。 ``` { "income": 120000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 200000, "creditScore": 650, "mlsId": "MLS-3456" } ``` 由于贷款金额低于计算出的最高可负担贷款，因此会触发 P **roces** sApplication 提示并将其发送到 **mortgageProcessingAgent**，后者会查找附带的知识库并生成响应，根据输入值评估客户是否有资格获得贷款。 1. （可选）尝试通过为 JSON 对象中的字段使用不同的值来运行流。这些 `mlsId` 值对应于多重挂牌服务上列出的房产。您可以执行以下操作来查找有效的 `mlsId` 值： 1. 登录 AWS 管理控制台 并打开 DynamoDB 控制台，网址为。[https://console.aws.amazon.com/dynamodb/](https://console.aws.amazon.com/dynamodb/) 1. 在左侧导航窗格中，选择**表**。 1. 选择上面写着的表格**AWSDocsTutorial-PropertyListing**。 1. 选择**浏览表项目**。 1. 您可以在流输入中使用 **mls\$1id** 列中的任何值。 您还可以导航到中的**代理**、**知识库**、**防护栏**和**提示管理**页面， AWS 管理控制台 以独立检查流程中使用的每个 Amazon Bedrock 资源。要了解有关流的更多信息并更详细地了解各个组件，请参阅[有关抵押贷款处理流的详细信息](getting-started-mortgage-flow-details.md)。 ## 清理：删除资源 在您探索这些资源并更好地了解不同 Amazon Bedrock 资源的功能后，我们将删除该堆栈及其包含的资源。 **重要** 您创建的 Amazon 资源将会收费，直到您删除它们。 1. 打开 [https://console.aws.amazon.com/cloudformation](https://console.aws.amazon.com/cloudformation/)。 1. 从左侧导航窗格中选择**堆栈**。 1. 选择您根据此模板创建的堆栈。然后，选择**删除**，再确认**删除**。 CloudFormation 启动删除主堆栈、其所有嵌套堆栈以及堆栈中包含的所有资源。 # CloudFormation 模板 您下载的 `cloudformation-mortgage-flow-setup.zip` 文件中包含以下文件： + `deploy.sh`— 一个 shell 脚本，用于部署您的资源并准备您将使用的主 CloudFormation 模板。 + `artifacts` – 这是一个包含 .zip 文件的文件夹，这些文件包含用于代理和知识库模板的函数： + 代理操作组的 Lambda 函数 + `agent_loan_calculator.zip` + `mls_lookup.zip` + `loader_deployment_package.zip` + 用于设置知识库的函数 + `custom-resource-lambda.zip` + `opensearchpy-layer.zip` + `provider-event-handler.zip` + `api-schema` – 一个包含操作组的 API 架构的文件夹。 + `knowledge-base-data-source` – 一个包含[房利美销售指南](https://selling-guide.fanniemae.com/) PDF 文件的文件夹。 + `templates` – 一个包含此流中的资源模板的文件夹，采用 JSON 和 YAML 格式： + `main-stack-tmp` – 将剩余模板部署为嵌套堆栈的主模板。此文件将在运行部署脚本后变成 `main-stack`。 + `guardrails-template` – 要与代理关联的护栏的模板。 + `prompts-template` – 流中要使用的提示的模板。 + `kb-role-template`— 知识库角色的模板，供 OpenSearch 模板和知识库模板使用。 + `oss-infra-template`— 用于知识库的 Amazon OpenSearch Serverless 矢量存储的模板。 + `kb-infra-template` – 要与代理关联的抵押贷款知识库的模板。 + `agent-template` – 流中要使用的抵押贷款处理代理的模板。 + `mortgage-flow-template` – 组合所有资源的抵押贷款处理流的模板。 + `README.md` – 一个描述模板使用步骤的 README 文件。 以下主题显示了用于每个堆栈的 CloudFormation 模板。主堆栈将其余堆栈部署为[嵌套堆栈](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/using-cfn-nested-stacks.html)。 **Topics** + [主堆栈](#getting-started-mortgage-templates-main) + [Amazon Bedrock 护栏堆栈](#getting-started-mortgage-guardrail-templates) + [Amazon Bedrock 提示管理器堆栈](#getting-started-mortgage-prompts-templates) + [Amazon Bedrock 知识库堆栈](#getting-started-mortgage-kb-templates) ## 主堆栈 主堆栈定义了您在上传模板时可定义的参数。这些值将传递到其余的每个嵌套堆栈。部署脚本将`Q01pS3BucketName`参数的默认值替换*MortgageFlowBucket*为包含该脚本部署的资源的实际 S3 存储桶。 ------ #### [ YAML ] ``` AWSTemplateFormatVersion: '2010-09-09' Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: Q01pS3BucketName: Type: String Description: Provide existing S3 bucket name where data is already stored Default: MortgageFlowBucket Q02pFlowName: Type: String Description: Name for the flow Default: MortgageFlow Q03pGuardrailName: Type: String Description: Name for guardrail to attach to agent Default: MortgageGR Q04pKnowledgeBaseName: Type: String Description: Name for knowledge base to associate with agent Default: MortgageKB Q05pAgentName: Type: String Description: Name for agent to create Default: MortgageAgent Q06pKBEmbedModel: Type: String Description: Select Embedding model Default: amazon.titan-embed-text-v1 Q07pKBChunkingStrategy: Type: String Description: Select Chunking strategy AllowedValues: - Default chunking - Fixed-size chunking - No chunking Default: Default chunking Q08pKBMaxTokens: Type: Number Description: Maximum number of tokens in a chunk Default: 300 Q09pKBOverlapPercentage: Type: Number Description: Percent overlap in each chunk Default: 20 Q10pKBVectorStore: Type: String Description: Select vector store AllowedValues: - Open-Search-Serverless Default: Open-Search-Serverless Q11pOSSCollectionName: Type: String Description: Name of the Collection MinLength: 1 MaxLength: 63 Default: mortgage-kb-collection AllowedPattern: ^[a-z0-9](-*[a-z0-9])* ConstraintDescription: Must be lowercase or numbers with a length of 1-32 characters Q12pOSSIndexName: Type: String Description: Index name to be created in vector store MinLength: 1 MaxLength: 63 Default: mortgage-kb-index AllowedPattern: ^[a-z0-9](-*[a-z0-9])* ConstraintDescription: Must be lowercase or numbers with a length of 1-63 characters # Q13pVectorFieldName: # Type: String # Description: Vector field name # Default: bedrock-knowledge-base-default-vector # Q14pMetaDataFieldName: # Type: String # Description: Metadata field name # Default: AMAZON_BEDROCK_METADATA # Q15pTextFieldName: # Type: String # Description: Text field name # Default: AMAZON_BEDROCK_TEXT_CHUNK Resources: KBRoleStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/kb-role-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName OSSStack: Type: AWS::CloudFormation::Stack DependsOn: KBRoleStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/oss-infra-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName Q06pKBEmbedModel: Ref: Q06pKBEmbedModel Q11pOSSCollectionName: Ref: Q11pOSSCollectionName Q12pOSSIndexName: Ref: Q12pOSSIndexName pKBRole: Fn::GetAtt: - KBRoleStack - Outputs.KBRole pKBRoleArn: Fn::GetAtt: - KBRoleStack - Outputs.KBRoleArn KBStack: Type: AWS::CloudFormation::Stack DependsOn: OSSStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/kb-infra-template.yaml TimeoutInMinutes: 15 Parameters: KnowledgeBaseName: Ref: Q04pKnowledgeBaseName Q01pS3BucketName: Ref: Q01pS3BucketName Q06pKBEmbedModel: Ref: Q06pKBEmbedModel Q07pKBChunkingStrategy: Ref: Q07pKBChunkingStrategy Q08pKBMaxTokens: Ref: Q08pKBMaxTokens Q09pKBOverlapPercentage: Ref: Q09pKBOverlapPercentage Q11pOSSCollectionName: Ref: Q11pOSSCollectionName Q12pOSSIndexName: Ref: Q12pOSSIndexName # Q13pVectorFieldName: # Ref: Q13pVectorFieldName # Q14pMetaDataFieldName: # Ref: Q14pMetaDataFieldName # Q15pTextFieldName: # Ref: Q15pTextFieldName pCollectionArn: Fn::GetAtt: - OSSStack - Outputs.CollectionArn pKBRoleArn: Fn::GetAtt: - KBRoleStack - Outputs.KBRoleArn pKBRole: Fn::GetAtt: - KBRoleStack - Outputs.KBRole GRStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/guardrails-template.yaml TimeoutInMinutes: 15 Parameters: GuardrailName: Ref: Q03pGuardrailName AgentStack: Type: AWS::CloudFormation::Stack DependsOn: - KBStack - GRStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/agent-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName KnowledgeBaseId: Fn::GetAtt: - KBStack - Outputs.KBId GuardrailArn: Fn::GetAtt: - GRStack - Outputs.GuardrailArn GuardrailVersion: Fn::GetAtt: - GRStack - Outputs.GuardrailVersion PromptsStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/prompts-template.yaml TimeoutInMinutes: 15 FlowStack: Type: AWS::CloudFormation::Stack DependsOn: - AgentStack - PromptsStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/mortgage-flow-template.yaml TimeoutInMinutes: 15 Parameters: FlowName: Ref: Q02pFlowName Q01pS3BucketName: Ref: Q01pS3BucketName ProcessApplicationPromptArn: Fn::GetAtt: - PromptsStack - Outputs.ProcessApplicationPromptArn RejectionPromptArn: Fn::GetAtt: - PromptsStack - Outputs.RejectionPromptArn AgentId: Fn::GetAtt: - AgentStack - Outputs.AgentId ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "Q01pS3BucketName": { "Type": "String", "Description": "Provide existing S3 bucket name where data is already stored", "Default": "MortgageFlowBucket" }, "Q02pFlowName": { "Type": "String", "Description": "Name for the flow", "Default": "MortgageFlow" }, "Q03pGuardrailName": { "Type": "String", "Description": "Name for guardrail to attach to agent", "Default": "MortgageGR" }, "Q04pKnowledgeBaseName": { "Type": "String", "Description": "Name for knowledge base to associate with agent", "Default": "MortgageKB" }, "Q05pAgentName": { "Type": "String", "Description": "Name for agent to create", "Default": "MortgageAgent" }, "Q06pKBEmbedModel": { "Type": "String", "Description": "Select Embedding model", "Default": "amazon.titan-embed-text-v1" }, "Q07pKBChunkingStrategy": { "Type": "String", "Description": "Select Chunking strategy", "AllowedValues": [ "Default chunking", "Fixed-size chunking", "No chunking" ], "Default": "Default chunking" }, "Q08pKBMaxTokens": { "Type": "Number", "Description": "Maximum number of tokens in a chunk", "Default": 300 }, "Q09pKBOverlapPercentage": { "Type": "Number", "Description": "Percent overlap in each chunk", "Default": 20 }, "Q10pKBVectorStore": { "Type": "String", "Description": "Select vector store", "AllowedValues": [ "Open-Search-Serverless" ], "Default": "Open-Search-Serverless" }, "Q11pOSSCollectionName": { "Type": "String", "Description": "Name of the Collection", "MinLength": 1, "MaxLength": 63, "Default": "mortgage-kb-collection", "AllowedPattern": "^[a-z0-9](-*[a-z0-9])*", "ConstraintDescription": "Must be lowercase or numbers with a length of 1-32 characters" }, "Q12pOSSIndexName": { "Type": "String", "Description": "Index name to be created in vector store", "MinLength": 1, "MaxLength": 63, "Default": "mortgage-kb-index", "AllowedPattern": "^[a-z0-9](-*[a-z0-9])*", "ConstraintDescription": "Must be lowercase or numbers with a length of 1-63 characters" } }, "Resources": { "KBRoleStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/kb-role-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" } } } }, "OSSStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": "KBRoleStack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/oss-infra-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "Q06pKBEmbedModel": { "Ref": "Q06pKBEmbedModel" }, "Q11pOSSCollectionName": { "Ref": "Q11pOSSCollectionName" }, "Q12pOSSIndexName": { "Ref": "Q12pOSSIndexName" }, "pKBRole": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRole" ] }, "pKBRoleArn": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRoleArn" ] } } } }, "KBStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": "OSSStack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/kb-infra-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "KnowledgeBaseName": { "Ref": "Q04pKnowledgeBaseName" }, "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "Q06pKBEmbedModel": { "Ref": "Q06pKBEmbedModel" }, "Q07pKBChunkingStrategy": { "Ref": "Q07pKBChunkingStrategy" }, "Q08pKBMaxTokens": { "Ref": "Q08pKBMaxTokens" }, "Q09pKBOverlapPercentage": { "Ref": "Q09pKBOverlapPercentage" }, "Q11pOSSCollectionName": { "Ref": "Q11pOSSCollectionName" }, "Q12pOSSIndexName": { "Ref": "Q12pOSSIndexName" }, "pCollectionArn": { "Fn::GetAtt": [ "OSSStack", "Outputs.CollectionArn" ] }, "pKBRoleArn": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRoleArn" ] }, "pKBRole": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRole" ] } } } }, "GRStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/guardrails-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "GuardrailName": { "Ref": "Q03pGuardrailName" } } } }, "AgentStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": [ "KBStack", "GRStack" ], "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/agent-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "KnowledgeBaseId": { "Fn::GetAtt": [ "KBStack", "Outputs.KBId" ] }, "GuardrailArn": { "Fn::GetAtt": [ "GRStack", "Outputs.GuardrailArn" ] }, "GuardrailVersion": { "Fn::GetAtt": [ "GRStack", "Outputs.GuardrailVersion" ] } } } }, "PromptsStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/prompts-template.json" }, "TimeoutInMinutes": 15 } }, "FlowStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": [ "AgentStack", "PromptsStack" ], "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/mortgage-flow-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "FlowName": { "Ref": "Q02pFlowName" }, "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "ProcessApplicationPromptArn": { "Fn::GetAtt": [ "PromptsStack", "Outputs.ProcessApplicationPromptArn" ] }, "RejectionPromptArn": { "Fn::GetAtt": [ "PromptsStack", "Outputs.RejectionPromptArn" ] }, "AgentId": { "Fn::GetAtt": [ "AgentStack", "Outputs.AgentId" ] } } } } } } ``` ------ ## Amazon Bedrock 护栏堆栈 此堆栈创建了以下与[护栏](guardrails.md)相关的资源： + AgentGuardrail ([AWS::Bedrock::Guardrail](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrail.html)) — 提供内容筛选、主题策略和 PII 保护的护栏。该护栏将附加到代理堆栈中的代理。 + AgentGuardrailVersion ([AWS::Bedrock::GuardrailVersion](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrailversion.html))-应用于代理的`AgentGuardrail`资源版本。 ------ #### [ YAML ] ``` AWSTemplateFormatVersion: "2010-09-09" Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: GuardrailName: Type: String Description: Name for guardrail Default: MortgageGuardrail Resources: AgentGuardrail: Type: AWS::Bedrock::Guardrail Properties: Name: !Sub AWSDocsTutorial-${GuardrailName} Description: Guardrail for mortgage processing with investment advice blocking, content filtering, and PII protection BlockedInputMessaging: "Sorry, the model cannot answer this question." BlockedOutputsMessaging: "Sorry, the model cannot answer this question." TopicPolicyConfig: TopicsConfig: - Name: InvestmentAdvice Definition: "Investment advice refers to inquires, guidance or recommendations regarding the management or allocation of fund or asset with the goal of generating returns or achieving specific financial objectives" Examples: - "Is investing in the stocks better than bonds?" - "Should I invest in gold?" Type: DENY ContentPolicyConfig: FiltersConfig: - Type: VIOLENCE InputStrength: HIGH OutputStrength: HIGH - Type: PROMPT_ATTACK InputStrength: HIGH OutputStrength: NONE - Type: MISCONDUCT InputStrength: HIGH OutputStrength: HIGH - Type: HATE InputStrength: HIGH OutputStrength: HIGH - Type: SEXUAL InputStrength: HIGH OutputStrength: HIGH - Type: INSULTS InputStrength: HIGH OutputStrength: HIGH WordPolicyConfig: WordsConfig: - Text: "crypto currency" - Text: "bitcoin" ManagedWordListsConfig: - Type: PROFANITY SensitiveInformationPolicyConfig: PiiEntitiesConfig: - Type: EMAIL Action: ANONYMIZE - Type: CREDIT_DEBIT_CARD_NUMBER Action: BLOCK ContextualGroundingPolicyConfig: FiltersConfig: - Type: GROUNDING Threshold: 0.85 - Type: RELEVANCE Threshold: 0.5 AgentGuardrailVersion: Type: AWS::Bedrock::GuardrailVersion Properties: GuardrailIdentifier: !Ref AgentGuardrail Description: Version 1 of the mortgage agent guardrail Outputs: GuardrailArn: Value: Ref: AgentGuardrail Description: ARN of guardrail to associate with agent GuardrailVersion: Value: Fn::GetAtt: - AgentGuardrailVersion - Version Description: Version of guardrail to associate with agent ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "GuardrailName": { "Type": "String", "Description": "Name for guardrail", "Default": "MortgageGuardrail" } }, "Resources": { "AgentGuardrail": { "Type": "AWS::Bedrock::Guardrail", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-${GuardrailName}" }, "Description": "Guardrail for mortgage processing with investment advice blocking, content filtering, and PII protection", "BlockedInputMessaging": "Sorry, the model cannot answer this question.", "BlockedOutputsMessaging": "Sorry, the model cannot answer this question.", "TopicPolicyConfig": { "TopicsConfig": [ { "Name": "InvestmentAdvice", "Definition": "Investment advice refers to inquires, guidance or recommendations regarding the management or allocation of fund or asset with the goal of generating returns or achieving specific financial objectives", "Examples": [ "Is investing in the stocks better than bonds?", "Should I invest in gold?" ], "Type": "DENY" } ] }, "ContentPolicyConfig": { "FiltersConfig": [ { "Type": "VIOLENCE", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "PROMPT_ATTACK", "InputStrength": "HIGH", "OutputStrength": "NONE" }, { "Type": "MISCONDUCT", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "HATE", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "SEXUAL", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "INSULTS", "InputStrength": "HIGH", "OutputStrength": "HIGH" } ] }, "WordPolicyConfig": { "WordsConfig": [ { "Text": "crypto currency" }, { "Text": "bitcoin" } ], "ManagedWordListsConfig": [ { "Type": "PROFANITY" } ] }, "SensitiveInformationPolicyConfig": { "PiiEntitiesConfig": [ { "Type": "EMAIL", "Action": "ANONYMIZE" }, { "Type": "CREDIT_DEBIT_CARD_NUMBER", "Action": "BLOCK" } ] }, "ContextualGroundingPolicyConfig": { "FiltersConfig": [ { "Type": "GROUNDING", "Threshold": 0.85 }, { "Type": "RELEVANCE", "Threshold": 0.5 } ] } } }, "AgentGuardrailVersion": { "Type": "AWS::Bedrock::GuardrailVersion", "Properties": { "GuardrailIdentifier": { "Ref": "AgentGuardrail" }, "Description": "Version 1 of the mortgage agent guardrail" } } }, "Outputs": { "GuardrailArn": { "Value": { "Ref": "AgentGuardrail" }, "Description": "ARN of guardrail to associate with agent" }, "GuardrailVersion": { "Value": { "Fn::GetAtt": [ "AgentGuardrailVersion", "Version" ] }, "Description": "Version of guardrail to associate with agent" } } } ``` ------ ## Amazon Bedrock 提示管理器堆栈 此堆栈创建以下 [promp [AWS::IAM::Prompt](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-prompt.html)](prompt-management.md)t () 资源，这些资源已添加到流程中： + RejectionPrompt — 根据财务信息返回生成的拒绝信的提示。 + ProcessApplicationPrompt — 一种提示，它会将客户的财务信息发送给代理人，并提示代理评估客户是否有资格获得贷款。 ------ #### [ YAML ] ``` AWSTemplateFormatVersion: "2010-09-09" Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Resources: RejectionPrompt: Type: AWS::Bedrock::Prompt Properties: Name: !Sub AWSDocsTutorial-RejectionPrompt Description: "Use this prompt to generate a rejection letter triggered by an unsatisfactory income to debt ratio" DefaultVariant: variantOne Variants: - Name: variantOne TemplateType: TEXT ModelId: anthropic.claude-3-haiku-20240307-v1:0 TemplateConfiguration: Text: Text: | Write a mortgage loan rejection letter for a candiate with income {{income}}, totalDebt {{totalDebt}}, loanAmount {{loanAmount}}. The reason for rejection is their income to debt ratio. Do not mention any other reason. Make the letter as concise as possible. Treat all numeric inputs as whole numbers. Let the general structure be like the below: Dear [Applicant's Name], We appreciate your interest in obtaining a mortgage loan with our institution... The primary reason for this decision is that ... While we understand that this news may be disappointing, ... Thank you again for your interest, and we wish you the best in your future endeavors... Sincerely, [Your Institution's Name] InputVariables: - Name: income - Name: totalDebt - Name: loanAmount InferenceConfiguration: Text: MaxTokens: 2000 Temperature: 0.0 TopP: 0.999 StopSequences: - "\n\nHuman:" AdditionalModelRequestFields: top_k: 250 ProcessApplicationPrompt: Type: AWS::Bedrock::Prompt Properties: Name: !Sub AWSDocsTutorial-ProcessApplicationPrompt Description: "Use this prompt to generate a question for an agent to process the mortgage application" DefaultVariant: variantOne Variants: - Name: variantOne TemplateType: TEXT ModelId: anthropic.claude-3-haiku-20240307-v1:0 TemplateConfiguration: Text: Text: | Generate a question asking if the user will qualify for a loan for the specified criteria. Include instruction to base the answer on key features of the property retrieved from MLS listing. Start with "will an applicant...". { "income": {{income}}, "creditScore": {{creditScore}}, "totalDebt": {{totalDebt}}, "loanAmount": {{loanAmount}}, "mlsId": {{mlsId}} } Include a second question on loan requirements an applicant with the below attributes should consider for a Fannie Mae backed loan (other than debt to income). InputVariables: - Name: income - Name: creditScore - Name: totalDebt - Name: loanAmount - Name: mlsId InferenceConfiguration: Text: MaxTokens: 2000 Temperature: 0.0 TopP: 0.999 StopSequences: - "\n\nHuman:" AdditionalModelRequestFields: top_k: 250 Outputs: ProcessApplicationPromptArn: Value: Ref: ProcessApplicationPrompt Description: ARN of the prompt to process a mortgage application RejectionPromptArn: Value: Ref: RejectionPrompt Description: ARN of the prompt to reject a mortgage application ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Resources": { "RejectionPrompt": { "Type": "AWS::Bedrock::Prompt", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-RejectionPrompt" }, "Description": "Use this prompt to generate a rejection letter triggered by an unsatisfactory income to debt ratio", "DefaultVariant": "variantOne", "Variants": [ { "Name": "variantOne", "TemplateType": "TEXT", "ModelId": "anthropic.claude-3-haiku-20240307-v1:0", "TemplateConfiguration": { "Text": { "Text": "Write a mortgage loan rejection letter for a candiate with income {{income}}, totalDebt {{totalDebt}}, loanAmount {{loanAmount}}. \nThe reason for rejection is their income to debt ratio. \nDo not mention any other reason. \nMake the letter as concise as possible. \nTreat all numeric inputs as whole numbers.\nLet the general structure be like the below:\n\nDear [Applicant's Name],\nWe appreciate your interest in obtaining a mortgage loan with our institution...\nThe primary reason for this decision is that ...\nWhile we understand that this news may be disappointing, ...\nThank you again for your interest, and we wish you the best in your future endeavors...\n\nSincerely,\n[Your Institution's Name]\n", "InputVariables": [ { "Name": "income" }, { "Name": "totalDebt" }, { "Name": "loanAmount" } ] } }, "InferenceConfiguration": { "Text": { "MaxTokens": 2000, "Temperature": 0.0, "TopP": 0.999, "StopSequences": [ "\n\nHuman:" ] } }, "AdditionalModelRequestFields": { "top_k": 250 } } ] } }, "ProcessApplicationPrompt": { "Type": "AWS::Bedrock::Prompt", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-ProcessApplicationPrompt" }, "Description": "Use this prompt to generate a question for an agent to process the mortgage application", "DefaultVariant": "variantOne", "Variants": [ { "Name": "variantOne", "TemplateType": "TEXT", "ModelId": "anthropic.claude-3-haiku-20240307-v1:0", "TemplateConfiguration": { "Text": { "Text": "Generate a question asking if the user will qualify for a loan for the specified criteria. \n\nInclude instruction to base the answer on key features of the property retrieved from MLS listing. \n\nStart with \"will an applicant...\".\n\n{ \"income\": {{income}}, \"creditScore\": {{creditScore}}, \"totalDebt\": {{totalDebt}}, \"loanAmount\": {{loanAmount}}, \"mlsId\": {{mlsId}} }\n\nInclude a second question on loan requirements an applicant with the below attributes should consider for a Fannie Mae backed loan (other than debt to income).\n", "InputVariables": [ { "Name": "income" }, { "Name": "creditScore" }, { "Name": "totalDebt" }, { "Name": "loanAmount" }, { "Name": "mlsId" } ] } }, "InferenceConfiguration": { "Text": { "MaxTokens": 2000, "Temperature": 0.0, "TopP": 0.999, "StopSequences": [ "\n\nHuman:" ] } }, "AdditionalModelRequestFields": { "top_k": 250 } } ] } } }, "Outputs": { "ProcessApplicationPromptArn": { "Value": { "Ref": "ProcessApplicationPrompt" }, "Description": "ARN of the prompt to process a mortgage application" }, "RejectionPromptArn": { "Value": { "Ref": "RejectionPrompt" }, "Description": "ARN of the prompt to reject a mortgage application" } } } ``` ------ ## Amazon Bedrock 知识库堆栈 此模板创建包含贷款指南的[知识库](knowledge-base.md)及其数据来源： + KnowledgeBase ([AWS::Bedrock::KnowledgeBase](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-knowledgebase.html)) + KnowledgeBaseDataSource ([AWS::Bedrock::DataSource](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-datasource.html)) ------ #### [ YAML ] ``` AWSTemplateFormatVersion: '2010-09-09' Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: KnowledgeBaseName: Type: String Description: Name of knowledge base Default: MortgageKB Q01pS3BucketName: Type: String Description: Name of S3 bucket where knowledge base data is stored Q06pKBEmbedModel: Type: String Description: Selected Embedding model Q07pKBChunkingStrategy: Type: String Description: Selected Chunking strategy Q08pKBMaxTokens: Type: Number Description: Maximum number of tokens in a chunk Q09pKBOverlapPercentage: Type: Number Description: Percent overlap in each chunk Q11pOSSCollectionName: Type: String Description: Name of the Collection Q12pOSSIndexName: Type: String Description: Index name to be created in vector store Q13pVectorFieldName: Type: String Description: Vector field name Default: bedrock-knowledge-base-default-vector Q14pMetaDataFieldName: Type: String Description: Metadata field name Default: AMAZON_BEDROCK_METADATA Q15pTextFieldName: Type: String Description: Text field name Default: AMAZON_BEDROCK_TEXT_CHUNK pCollectionArn: Type: String Description: Name of the Collection Arn pKBRole: Type: String Description: KB role for e2e RAG pKBRoleArn: Type: String Description: KB role Arn for e2e RAG Conditions: IsChunkingStrategyFixed: Fn::Equals: - Ref: Q07pKBChunkingStrategy - Fixed-size chunking IsChunkingStrategyDefault: Fn::Equals: - Ref: Q07pKBChunkingStrategy - Default chunking IsChunkingStrategyNoChunking: Fn::Equals: - Ref: Q07pKBChunkingStrategy - No chunking IsChunkingStrategyFixedOrDefault: Fn::Or: - Condition: IsChunkingStrategyFixed - Condition: IsChunkingStrategyDefault Resources: KnowledgeBase: Type: AWS::Bedrock::KnowledgeBase Properties: Description: Test KB Deployment KnowledgeBaseConfiguration: Type: VECTOR VectorKnowledgeBaseConfiguration: EmbeddingModelArn: Fn::Sub: arn:aws:bedrock:${AWS::Region}::foundation-model/${Q06pKBEmbedModel} Name: !Sub AWSDocsTutorial-${KnowledgeBaseName} RoleArn: Ref: pKBRoleArn StorageConfiguration: OpensearchServerlessConfiguration: CollectionArn: Ref: pCollectionArn FieldMapping: MetadataField: Ref: Q14pMetaDataFieldName TextField: Ref: Q15pTextFieldName VectorField: Ref: Q13pVectorFieldName VectorIndexName: Ref: Q12pOSSIndexName Type: OPENSEARCH_SERVERLESS KnowledgeBaseDataSource: Type: AWS::Bedrock::DataSource DependsOn: - KnowledgeBase Properties: DataSourceConfiguration: Type: S3 S3Configuration: BucketArn: Fn::Sub: arn:aws:s3:::${Q01pS3BucketName} InclusionPrefixes: - knowledge-base-data-source/ Description: Knowledge base data source KnowledgeBaseId: Ref: KnowledgeBase Name: !Sub AWSDocsTutorial-${KnowledgeBaseName}-DS VectorIngestionConfiguration: ChunkingConfiguration: Fn::If: - IsChunkingStrategyFixed - ChunkingStrategy: FIXED_SIZE FixedSizeChunkingConfiguration: MaxTokens: !Ref Q08pKBMaxTokens OverlapPercentage: !Ref Q09pKBOverlapPercentage - Fn::If: - IsChunkingStrategyDefault - ChunkingStrategy: FIXED_SIZE FixedSizeChunkingConfiguration: MaxTokens: 300 OverlapPercentage: 20 - Fn::If: - IsChunkingStrategyNoChunking - ChunkingStrategy: NONE - !Ref AWS::NoValue Outputs: KBId: Value: Ref: KnowledgeBase Description: KnowledgeBase ID DS: Value: Ref: KnowledgeBaseDataSource Description: KnowledgeBase Datasource ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "KnowledgeBaseName": { "Type": "String", "Description": "Name of knowledge base", "Default": "MortgageKB" }, "Q01pS3BucketName": { "Type": "String", "Description": "Name of S3 bucket where knowledge base data is stored" }, "Q06pKBEmbedModel": { "Type": "String", "Description": "Selected Embedding model" }, "Q07pKBChunkingStrategy": { "Type": "String", "Description": "Selected Chunking strategy" }, "Q08pKBMaxTokens": { "Type": "Number", "Description": "Maximum number of tokens in a chunk" }, "Q09pKBOverlapPercentage": { "Type": "Number", "Description": "Percent overlap in each chunk" }, "Q11pOSSCollectionName": { "Type": "String", "Description": "Name of the Collection" }, "Q12pOSSIndexName": { "Type": "String", "Description": "Index name to be created in vector store" }, "Q13pVectorFieldName": { "Type": "String", "Description": "Vector field name", "Default": "bedrock-knowledge-base-default-vector" }, "Q14pMetaDataFieldName": { "Type": "String", "Description": "Metadata field name", "Default": "AMAZON_BEDROCK_METADATA" }, "Q15pTextFieldName": { "Type": "String", "Description": "Text field name", "Default": "AMAZON_BEDROCK_TEXT_CHUNK" }, "pCollectionArn": { "Type": "String", "Description": "Name of the Collection Arn" }, "pKBRole": { "Type": "String", "Description": "KB role for e2e RAG" }, "pKBRoleArn": { "Type": "String", "Description": "KB role Arn for e2e RAG" } }, "Conditions": { "IsChunkingStrategyFixed": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "Fixed-size chunking" ] }, "IsChunkingStrategyDefault": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "Default chunking" ] }, "IsChunkingStrategyNoChunking": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "No chunking" ] }, "IsChunkingStrategyFixedOrDefault": { "Fn::Or": [ { "Condition": "IsChunkingStrategyFixed" }, { "Condition": "IsChunkingStrategyDefault" } ] } }, "Resources": { "KnowledgeBase": { "Type": "AWS::Bedrock::KnowledgeBase", "Properties": { "Description": "Test KB Deployment", "KnowledgeBaseConfiguration": { "Type": "VECTOR", "VectorKnowledgeBaseConfiguration": { "EmbeddingModelArn": { "Fn::Sub": "arn:aws:bedrock:${AWS::Region}::foundation-model/${Q06pKBEmbedModel}" } } }, "Name": { "Fn::Sub": "AWSDocsTutorial-${KnowledgeBaseName}" }, "RoleArn": { "Ref": "pKBRoleArn" }, "StorageConfiguration": { "OpensearchServerlessConfiguration": { "CollectionArn": { "Ref": "pCollectionArn" }, "FieldMapping": { "MetadataField": { "Ref": "Q14pMetaDataFieldName" }, "TextField": { "Ref": "Q15pTextFieldName" }, "VectorField": { "Ref": "Q13pVectorFieldName" } }, "VectorIndexName": { "Ref": "Q12pOSSIndexName" } }, "Type": "OPENSEARCH_SERVERLESS" } } }, "KnowledgeBaseDataSource": { "Type": "AWS::Bedrock::DataSource", "DependsOn": [ "KnowledgeBase" ], "Properties": { "DataSourceConfiguration": { "Type": "S3", "S3Configuration": { "BucketArn": { "Fn::Sub": "arn:aws:s3:::${Q01pS3BucketName}" }, "InclusionPrefixes": [ "knowledge-base-data-source/" ] } }, "Description": "Knowledge base data source", "KnowledgeBaseId": { "Ref": "KnowledgeBase" }, "Name": { "Fn::Sub": "AWSDocsTutorial-${KnowledgeBaseName}-DS" }, "VectorIngestionConfiguration": { "ChunkingConfiguration": { "Fn::If": [ "IsChunkingStrategyFixed", { "ChunkingStrategy": "FIXED_SIZE", "FixedSizeChunkingConfiguration": { "MaxTokens": { "Ref": "Q08pKBMaxTokens" }, "OverlapPercentage": { "Ref": "Q09pKBOverlapPercentage" } } }, { "Fn::If": [ "IsChunkingStrategyDefault", { "ChunkingStrategy": "FIXED_SIZE", "FixedSizeChunkingConfiguration": { "MaxTokens": 300, "OverlapPercentage": 20 } }, { "Fn::If": [ "IsChunkingStrategyNoChunking", { "ChunkingStrategy": "NONE" }, { "Ref": "AWS::NoValue" } ] } ] } ] } } } } }, "Outputs": { "KBId": { "Value": { "Ref": "KnowledgeBase" }, "Description": "KnowledgeBase ID" }, "DS": { "Value": { "Ref": "KnowledgeBaseDataSource" }, "Description": "KnowledgeBase Datasource" } } } ``` ------ # 有关抵押贷款处理流的详细信息 中抵押贷款处理流程的直观表示 AWS 管理控制台 如下： ![\[抵押贷款处理流\]](http://docs.aws.amazon.com/zh_cn/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) ## 流中的步骤 流中会发生以下步骤： 1. 从输入中获取的客户财务信息将发送到 `loanCalculator` Lambda 函数，该函数会计算客户能够承受的最高贷款额度。 1. `loanCalculator` 函数（`maximumAffordableLoan`）的输出以及来自输入的 `loanAmount` 值会发送到条件节点，然后按如下方式进行评估： + 如果 `loanAmount` 大于 `maximumAffordableLoan`，则会触发 `incomeDebt` 提示并生成贷款拒绝函。 + 否则，客户的财务信息将通过 `processApplication` 提示发送给 `mortgageProcessingAgent`。该代理使用贷款计算器功能以及多重挂牌服务（MLS）查询功能，来查找 DynamoDB 表，并根据输入中指定的 MLS 房产评测客户的信息。此外，该代理会从包含房利美销售指南的知识库中查找信息。该代理使用所有这些信息来生成一个响应，分析客户是否符合所请求贷款金额的资格。 # 《Amazon Bedrock 用户指南》的文档历史记录 + **最新文档更新：**2025 年 11 月 26 日 下表介绍了每个 Amazon Bedrock 版本中的重大更改。要获得本文档的更新通知，您可以订阅 RSS 源。 | 变更 | 说明 | 日期 | | --- |--- |--- | | [Converse API 支持批量推理](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-create.html) | 现在，您可以使用 Converse API 格式进行批量推断输入数据。创建批量推理作业时，请将模型调用类型设置为 Converse，以便在各模型之间使用一致的请求格式。 | 2026年2月27日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/fine-tuning-openai-apis.html) | 添加了对使用OpenAI兼容型微调开放式重量模型的支持。 APIs现在，您可以通过熟悉的 OpenAI SDK 端点（包括文件 API、微调作业和推理）创建、监控和管理开放权重模型的强化微调作业 APIs。 APIs | 2026 年 2 月 17 日 | | [更新了服务层支持的型号列表](https://docs.aws.amazon.com/bedrock/latest/userguide/service-tiers-inference.html) | 更新了优先级和弹性服务层支持的机型列表 | 2025 年 12 月 31 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/bda-optimize-blueprint-info.html) | Amazon Bedrock 数据自动化现在支持文档的蓝图指令优化。通过提供带有真实情况标签的示例内容资产来提高 Data Automation 自定义输出的准确性，使您无需模型训练即可在几分钟内实现文档的生产就绪精度。 | 2025 年 12 月 18 日 | | [全新托管策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | 亚马逊 Bedrock 为亚马逊 Bedrock Mantle 添加了以下托管 IAM 策略： AmazonBedrockMantleFullAccess、、 AmazonBedrockMantleReadOnly。 AmazonBedrockMantleInferenceAccessAmazon Bedrock Mantle 为模型推断提供了兼容 OpenAI 的 API 端点。 | 2025年12月3日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-mantle.html) | Amazon Bedrock 现在支持OpenAI兼容的 API 终端节点，包括响应 API 和聊天完成 API。这些端点支持对长时间运行的工作负载进行异步推理，无需手动传递历史记录即可进行状态对话管理，并简化了代理工作流程的工具使用集成。更新您的基本 URL 和 API 密钥，只需最少的代码更改即可迁移现有应用程序。 | 2025年12月3日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/reinforcement-fine-tuning.html) | 添加了新的钢筋微调，以通过反馈信号提高基础模型的性能。 | 2025年12月3日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-service-tiers.html) | 为 Bedrock 推理添加了新的 “预留” 服务层。 | 2025 年 11 月 26 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-claude.html) | Amazon Bedrock 现在支持 Anthropic Claude Opus 4.5。 | 2025 年 11 月 24 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-enforcements.html) | 现在，您可以在组织内跨账户共享护栏。 AWS | 2025 年 11 月 21 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/bda-using-api.html) | Amazon Bedrock 数据自动化现在支持同步调用。 | 2025 年 11 月 20 日 | | [更新了对自定义模型导入的模型支持](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 自定义模型导入现在支持 OpenAI GPT-OSS 模型。 | 2025 年 11 月 19 日 | | [增强了对标准层的编码用例支持](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html) | Amazon Bedrock Guardrails 标准层现在为编码用例提供了增强的支持。内容过滤器、提示攻击和被拒绝的话题已升级，无需更改现有配置即可更好地处理与代码相关的提示和响应。为标准层添加了全面的代码域支持文档和提示泄漏检测。 | 2025 年 11 月 19 日 | | [更新功能](https://docs.aws.amazon.com/bedrock/latest/userguide/service-tiers-inference.html) | 为按需推断添加了新的服务等级、优先级和灵活性 | 2025 年 11 月 18 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 现在，非洲（开普敦）、亚太地区（新西兰）、加拿大西部（卡尔加里）、墨西哥（中部）和中东（巴林）都支持 Amazon Bedrock。 | 2025 年 11 月 18 日 | | [更新功能](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-vector-stores.html) | 添加了有关在 Aurora 知识库集成中使用 “英语” 词典代替 “简单” 词典进行 PostgreSQL 文本搜索的注释。 | 2025 年 10 月 31 日 | | [处于旧版状态的模型](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | Anthropic Claude 3.7 Sonnet 现在处于旧版状态。在 2026 年 4 月 28 日之前迁移到 Claude Sonnet 4.5。 | 2025 年 10 月 30 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/stable-image-services.html) | Amazon Bedrock 现已推出四种全新 Stability AI 图像服务（outpaint 和高档版）。 | 2025 年 10 月 28 日 | | [更新功能](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-submit.html) | 您现在可以使用先前自定义的模型（经过微调或蒸馏）作为基础模型，以进行进一步自定义。 | 2025 年 10 月 16 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude Haiku 4.5。 | 2025 年 10 月 15 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/model-access.html) | 现在，只要具备正确的 IAM 权限，就会默认允许访问所有 Amazon Bedrock 基础模型。 | 2025 年 10 月 15 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-cross-region-support.html) | Amazon Bedrock 护栏现已正式发布，同时新增了 5 个支持跨区域推理的区域：亚太地区（曼谷）、亚太地区（吉隆坡）、亚太地区（台北）、以色列（特拉维夫）和中东（迪拜）。 | 2025 年 10 月 9 日 | | [更新了托管策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock 更新了 AmazonBedrockFullAccess 托管策略，默认情况下允许访问所有无服务器基础模型。 | 2025 年 10 月 7 日 | | [更新了模型对批量推理的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 批量推理现在支持 DeepSeek V3.1、Qwen3 32B（dense）、Qwen3 235B A22B 2507、Qwen3-Coder-30B-A3B-Instruct 和 Qwen3 Coder 480B A35B Instruct。 | 2025 年 10 月 3 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-embed.html) | 您现在可以在 Amazon Bedrock 中使用 Cohere Cohere Embed v4。 | 2025 年 10 月 2 日 | | [更新了模型支持](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 您现在可以使用模型导入功能导入 Qwen3 模型。 | 2025 年 9 月 30 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/rerank-supported.html) | Cohere Cohere Rerank 3.5 模型现已在美国东部（弗吉尼亚州北部）推出。 | 2025 年 9 月 30 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-cross-region.html) | Amazon Bedrock 护栏现已在亚太地区（墨尔本）正式发布，并支持跨区域推理。 | 2025 年 9 月 29 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude Sonnet 4.5。 | 2025 年 9 月 29 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 现已在亚太地区（泰国）、亚太地区（台北）、中东（阿联酋）和以色列（特拉维夫）推出。 | 2025 年 9 月 26 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows.html) | Amazon Bedrock Flows 现在支持流程跟踪增强功能和 DoWhile 循环节点功能。 | 2025 年 9 月 26 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude Sonnet 4.5。 | 2025 年 9 月 25 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/stable-image-services.html) | Stability AI 图像服务现已在 Amazon Bedrock 中推出。 | 2025 年 9 月 18 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-model-supported.html) | Meta Llama 3.3 70B Instruct 已支持微调，且可以借助 Amazon Bedrock 进行持续预训练。 | 2025 年 9 月 15 日 | | [新增了护栏的支持区域](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supporte.html) | Amazon Bedrock 护栏现已在亚太地区（雅加达）获得支持。 | 2025 年 9 月 11 日 | | [新教程](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-marengo.html) | TwelveLabs Marengo Embed 2.7现在支持 [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)API。 | 2025 年 9 月 9 日 | | [新教程](https://docs.aws.amazon.com/bedrock/latest/userguide/api-keys-permissions.html) | 您可以将 `bedrock:bearerTokenType` 条件键与 `bedrock:CallWithBearerToken` 操作搭配使用。 | 2025 年 9 月 4 日 | | [新教程](https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-mortgage-flow.html) | 您可以通过尝试使用模板轻松设置抵押贷款 Amazon Bedrock 流程的教程来熟悉 Amazon Bedrock 资源的创建。 CloudFormation | 2025 年 9 月 2 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-openai-batch.html) | 现已支持 OpenAI 批处理 API。 | 2025 年 8 月 27 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化现已在 AWS GovCloud （美国西部）推出。 | 2025 年 8 月 25 日 | | [新语言](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化功能现在支持从葡萄牙语、法语、意大利语、西班牙语和德语文档中提取数据。 | 2025 年 8 月 25 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/count-tokens.html) | 您现在可以估算某些模型的词元数量。 | 2025 年 8 月 21 日 | | [模型的区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | TwelveLabs TwelveLabs Pegasus 1.2 现已在美国东部（弗吉尼亚州北部）和亚太地区（首尔）获得支持。 | 2025 年 8 月 14 日 | | [增加了模型对 Amazon Bedrock 护栏的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supported.html) | Amazon Bedrock 护栏现已在美国西部（北加利福尼亚）获得支持。 | 2025 年 8 月 11 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 OpenAI gpt-oss-20b 和 gpt-oss-120b。 | 2025 年 8 月 5 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-automated-reasoning-checks.html) | Amazon Bedrock 护栏现在支持自动推理检查功能，用于验证基础模型响应的准确性。 | 2025 年 8 月 5 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | Amazon Bedrock 现已在亚太地区（墨尔本）获得支持。 | 2025 年 7 月 31 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 现在，你可以将 Anthropic Claude Opus 4.1 与 Amazon Bedrock 配合使用。 | 2025 年 7 月 31 日 | | [增加了模型对批量推理的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 批量推理现在支持美国 Amazon Nova Premier 推理配置文件。 | 2025 年 7 月 29 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | Amazon Bedrock 现已在美国西部（北加利福尼亚）获得支持。 | 2025 年 7 月 28 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化现在支持 DOC/DOCX H.265 文件类型 | 2025 年 7 月 28 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化功能现已在以下区域推出：欧洲地区（法兰克福）、欧洲地区（伦敦）、欧洲地区（爱尔兰）、亚太地区（孟买）和亚太地区（悉尼）。 | 2025 年 7 月 16 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/import-with-create-custom-model.html) | 现在，您可以将 SageMaker 经过人工智能训练的模型作为自定义Amazon Nova模型导入 Amazon Bedrock。 | 2025 年 7 月 16 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/deploy-custom-model-on-demand.html) | 您现在可以在 Amazon Bedrock 中部署自定义模型以进行按需推理。此功能允许您在不预配置吞吐量的情况下部署用于 pay-per-token推理的自定义模型。 | 2025 年 7 月 16 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 TwelveLabs TwelveLabs Pegasus 1.2 和 TwelveLabs Marengo Embed 2.7。 | 2025 年 7 月 15 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以AnthropicClaude 3.7 Sonnet在 AWS GovCloud （美国西部）中使用。 | 2025 年 7 月 7 日 | | [全新托管策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock 添加了以下托管 IAM 策略： AmazonBedrockLimitedAccess， AmazonBedrockMarketplaceAccess。 | 2025 年 7 月 7 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/api-keys.html) | Amazon Bedrock 现在支持创建 API 密钥，通过便捷的身份验证即可调用 Amazon Bedrock API。 | 2025 年 7 月 7 日 | | [智能提示路由的区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | AWS GovCloud （美国西部）和 AWS GovCloud （美国东部）现在支持智能提示路由。 | 2025 年 7 月 3 日 | | [增加了模型对批量推理的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 批量推理现已获得 Meta Llama 4 Scout 17B Instruct 和 Llama 4 Maverick 17B Instruct 模型的支持。 | 2025 年 7 月 3 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-supported.html) | 提示管理器现已在欧洲地区（米兰）、欧洲（西班牙）、亚太地区（海得拉巴）和亚太地区（大阪）获得支持。 | 2025 年 7 月 1 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-supported.html) | Amazon Bedrock 流现已在欧洲地区（米兰）、欧洲（西班牙）、亚太地区（海得拉巴）和亚太地区（大阪）获得支持。 | 2025 年 7 月 1 日 | | [Amazon Bedrock 知识库的区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 现在，亚太地区（海得拉巴）、亚太地区（大阪）、欧洲（米兰）和欧洲（西班牙）都支持 Amazon Bedrock 知识库。 AWS 区域 | 2025 年 6 月 26 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-tiers.html) | Amazon Bedrock 护栏支持防护层级，这些层级为您提供了针对内容筛选条件（文本）、提示攻击和被拒主题策略的性能和语言选项。 | 2025 年 6 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-nodes.html) | （预览版）使用内联代码节点直接在 Amazon Bedrock 流中运行代码。 | 2025 年 6 月 19 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-create-async.html) | （预览版）使用流执行来长时间运行 Amazon Bedrock 流。 | 2025 年 6 月 19 日 | | [新教程](https://docs.aws.amazon.com/bedrock/latest/userguide/agent-tutorial.html) | 增加了创建简单 Amazon Bedrock 代理的教程。 | 2025 年 5 月 28 日 | | [提供了新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Claude Sonnet 4 和 Claude Opus 4。 | 2025 年 5 月 22 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化功能现在支持视频的自定义输出。 | 2025 年 5 月 19 日 | | [增加了视频蓝图支持](https://docs.aws.amazon.com/bedrock/latest/userguide/creating-blueprint-video.html) | BDA 现在支持视频的蓝图。 | 2025 年 5 月 16 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-cross-region.html) | Amazon Bedrock 护栏现在支持跨区域推理。 | 2025 年 5 月 13 日 | | [增加了模型对自定义模型导入的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 自定义模型导入现在支持 Qwen2、Qwen2.5、Qwen2-VL 和 Qwen2.5-VL。 | 2025 年 5 月 12 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化功能现在支持音频文件的自定义蓝图。 | 2025 年 5 月 5 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Meta Llama 4 Scout 17B Instruct 和 Llama 4 Maverick 17B Instruct。 | 2025 年 4 月 28 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Writer Palmyra X4 和 Writer Palmyra X5。 | 2025 年 4 月 28 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference-call.html) | 现在，当使用和与时，您可以引用 Amazon S3 中存储的 InvokeModel 图像Amazon Nova Lite和Amazon Nova Pro文档。 APIs 现在，推理配置文件还支持包含存储在 S3 中的图像、文档和视频。 APIs | 2025 年 4 月 25 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化功能现在支持模态路由和超链接。 | 2025 年 4 月 25 日 | | [常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-routing.html) | 智能提示路由现已在 Amazon Bedrock 中正式推出。 | 2025 年 4 月 22 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup.html) | Amazon Bedrock 知识库现在支持针对 Amazon Aurora 的用户提供额外元数据字段，以及针对 MongoDB 向量存储的增强混合搜索功能。 | 2025 年 4 月 10 日 | | [自定义模型导入的区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 自定义模型导入现已在欧洲地区（法兰克福）获得支持。 | 2025 年 4 月 9 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Pixtral Large (25.02)。 | 2025 年 4 月 8 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-harmful-content-handling-options.html) | 用于处理 Amazon Bedrock 检测到的有害内容的新选项。 | 2025 年 4 月 7 日 | | [批量推理的区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | Batch 推理现在支持Amazon Nova LiteAmazon Nova Pro、和 Amazon Nova Micro AWS GovCloud （美国西部）。 | 2025 年 4 月 4 日 | | [批量推理的区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 批量推理目前在亚太地区（孟买）、亚太地区（海得拉巴）、亚太地区（新加坡）、亚太地区（悉尼）、亚太地区（首尔）和亚太地区（大阪）支持 Anthropic Claude Claude 3.5 Sonnet V2，在欧洲地区（斯德哥尔摩）、欧洲地区（米兰）和欧洲（西班牙）支持 Amazon Titan Text Embeddings V2。 | 2025 年 4 月 2 日 | | [增加了模型对预调配吞吐量的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 除了适用于 Amazon Nova Lite、Amazon Nova Micro 和 Amazon Nova Pro 的 24k 上下文窗口外，预调配吞吐量现在还支持 Amazon Nova Canvas。 | 2025 年 4 月 2 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-osm-permissions-prereq.html) | Amazon Bedrock 知识库现在支持在创建知识库时将 OpenSearch 托管集群作为矢量存储。 | 2025 年 3 月 27 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-templates.html) | 您现在可以借助流模板开始使用 Amazon Bedrock 流。 | 2025 年 3 月 27 日 | | [迁移了功能](#doc-history) | [亚马逊 Bedrock Studio 在 Sagemaker Unified Studio 中更名为 Amazon Bedrock，现已在亚马逊联合工作室上市。 SageMaker ](https://docs.aws.amazon.com/sagemaker-unified-studio/latest/userguide/what-is-sagemaker-unified-studio.html) | 2025 年 3 月 25 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-permissions.html#guardrails-permissions-id) | 您现在可以通过新的 IAM 条件键强制 Amazon Bedrock 模型推理请求使用特定护栏。 | 2025 年 3 月 18 日 | | [区域扩展](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bedrock_region) | Amazon Bedrock 现已在欧洲地区（米兰）和欧洲（西班牙）获得支持。 | 2025 年 3 月 14 日 | | [扩展了对功能的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-generate-query.html) | Amazon Bedrock 知识库现在支持利用结构化数据检索进行跨区域推理。 | 2025 年 3 月 13 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-routing.html) | Amazon Bedrock 目前在预览版中支持配置的带有智能提示路由的提示路由器。 | 2025 年 3 月 13 日 | | [扩展了模型对功能的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 预调配吞吐量目前在美国西部（俄勒冈州）支持 Llama 3.2 1B Instruct、Llama 3.2 3B Instruct、Llama 3.2 11B Instruct 和 Llama 3.2 90B Instruct。 | 2025 年 3 月 13 日 | | [增加了模型对知识库的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-configure-reasoning.html) | Amazon Bedrock 知识库现在支持推理模型 Deepseek-R1 和 Anthropic Claude 3.7 Sonnet。 | 2025 年 3 月 12 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 DeepSeek-R1。 | 2025 年 3 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-computer-use.html) | 您现在可以配置 Amazon Bedrock 代理以使用计算机使用工具完成任务。 | 2025 年 3 月 10 日 | | [常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-build-graphs.html) | 适用于 Amazon Bedrock 知识库的 GraphRAG 现已正式发布，且新增了多项功能。 | 2025 年 3 月 7 日 | | [常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 数据自动化功能现已推出，准确性更高，且支持 CRIS。 | 2025 年 3 月 3 日 | | [区域扩展](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bedrock_region) | Amazon Bedrock 现已在欧洲地区（斯德哥尔摩）获得支持。 | 2025 年 2 月 27 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/sessions.html) | 现在，您可以使用 Amazon Bedrock 会话管理 APIs 来管理使用开源框架构建的生成式 AI 应用程序的状态。 | 2025 年 2 月 27 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Claude 3.7 Sonnet。 | 2025 年 2 月 24 日 | | [区域扩展](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bedrock_region) | Amazon Bedrock 现已在亚太地区（海得拉巴）和亚太地区（大阪）获得支持。 | 2025 年 2 月 21 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Cohere Embed English 和 Cohere Embed Multilingual。 | 2025 年 1 月 24 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Luma Ray v2。 | 2025 年 1 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-multi-turn-invocation.html) | 您现在可以在 Amazon Bedrock 流中与代理节点进行对话。 | 2025 年 1 月 22 日 | | [更新了模型支持](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 您现在可以在美国东部（弗吉尼亚州北部）和美国西部（俄勒冈州）使用 Llama 3.3 70B Instruct 进行批量推理。 | 2024 年 12 月 23 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 您现在可以在美国东部（弗吉尼亚州北部）和美国西部（俄勒冈州）使用 Llama 3.3 70B Instruct 进行批量推理。 | 2024 年 12 月 23 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Llama 3.3 70B Instruct 和 Stable Diffusion 3.5。 | 2024 年 12 月 19 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supported.html) | Amazon Bedrock 护栏现在可以应用于法语和西班牙语输入。 | 2024 年 12 月 9 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 您现在可以使用推理配置文件运行批量推理。 | 2024 年 12 月 6 日 | | [更新了托管式策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | 亚马逊 Bedrock Marketplace 权限已添加到 AmazonBedrockFullAccess 和 AmazonBedrockReadOnly AWS 托管策略中。 | 2024 年 12 月 4 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/amazon-bedrock-marketplace.html) | 您现在可以部署 Amazon Bedrock Marketplace 模型，然后使用该模型运行推理。 | 2024 年 12 月 4 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-build-structured.html) | 您现在可以将知识库连接到结构化数据存储并在 Amazon Bedrock 知识库中生成 SQL 查询。 | 2024 年 12 月 4 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-advanced-parsing.html) | 您现在可以使用 Amazon Bedrock 数据自动化功能解析器或 Amazon Bedrock 知识库中的基础模型来解析包含图像的多模态数据。 | 2024 年 12 月 4 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-mmfilter.html) | Amazon Bedrock 护栏现在可以使用图片内容筛选器来帮助筛选掉有害图片。 | 2024 年 12 月 4 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-multi-agent-collaboration.html) | Amazon Bedrock 代理现在支持多代理协作，使多个 Amazon Bedrock 代理能够协作规划并解决复杂任务。 | 2024 年 12 月 3 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/model-distillation.html.html) | 您现在可以将知识从更大、更智能的模型（称为教师式模型）转移到更小、更快、更经济的模型（称为学生式模型），并将蒸馏后的学生式模型用于您的特定使用案例。 | 2024 年 12 月 3 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用来自 Meta 和 Anthropic 的延迟优化型模型。 | 2024 年 12 月 2 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-retrieve.html) | 您现在可以在从 Amazon Bedrock 知识库中的数据来源检索结果时应用护栏。 | 2024 年 12 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-retrieve-generate.html) | 现在 RetrieveAndGenerateStream，您可以在 Amazon Bedrock 知识库中使用直播版本的。 RetrieveAndGenerate | 2024 年 12 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html) | 您现在可以在 Amazon Bedrock 知识库中根据用户查询和元数据架构应用检索筛选器。 | 2024 年 12 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/rerank.html) | 您现在可以使用重排器模型根据用户查询对源文档的相关性进行重排。 | 2024 年 12 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-direct-ingestion.html) | 您现在只需一步即可将文档更改直接摄取到知识库中。 | 2024 年 12 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-data-source-connector.html) | 您现在可以将知识库连接到自定义数据来源。 | 2024 年 12 月 1 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/features-regions.html) | 欧洲（苏黎世）现在支持 Amazon Bedrock 代理、Amazon Bedrock 知识库、提示管理器和 Amazon Bedrock 流。 | 2024 年 11 月 22 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-supported.html) | Amazon Bedrock 流现已在美国东部（俄亥俄州）、亚太地区（首尔）、加拿大（中部）、欧洲地区（伦敦）和南美洲（圣保罗）获得支持。 | 2024 年 11 月 22 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-supported.html) | 提示管理器现已在美国东部（俄亥俄州）、亚太地区（首尔）、加拿大（中部）、欧洲地区（伦敦）和南美洲（圣保罗）获得支持。 | 2024 年 11 月 22 日 | | [常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/flows.html) | Amazon Bedrock 流现已在 Amazon Bedrock 中正式推出。 | 2024 年 11 月 22 日 | | [功能更新](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) | Amazon Bedrock 知识库现在支持二进制嵌入。 | 2024 年 11 月 21 日 | | [功能更新](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-optimize.html) | Amazon Bedrock 提示管理器现在支持优化提示。 | 2024 年 11 月 20 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/models-regions) | 现在，您可以在 AWS GovCloud （美国东部）和欧洲（苏黎世）使用 Amazon Bedrock。 | 2024 年 11 月 11 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html#kb-supported-regions) | Amazon Bedrock 目前在美国东部（俄亥俄州）支持知识库。 | 2024 年 11 月 8 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-trace.html) | 您现在可以查看流的跟踪记录以跟踪每个节点的输入和输出。 | 2024 年 11 月 7 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-guardrails.html) | 您现在可以在流中为知识库或提示节点加入护栏。 | 2024 年 11 月 7 日 | | [常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management.html) | 提示管理器现已在 Amazon Bedrock 中正式推出。 | 2024 年 11 月 7 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html#inference-profiles-support-user) | 您现在可以在亚太地区（新加坡）和亚太地区（首尔）区域中创建应用程序推理配置文件。 | 2024 年 11 月 6 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html#inference-profiles-support-system) | 为 Anthropic Claude 和 Meta Llama 模型增加了跨区域推理配置文件。 | 2024 年 11 月 6 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude 3.5 Haiku。 | 2024 年 11 月 4 日 | | [功能更新](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles.html) | 您现在可以创建应用程序推理配置文件来运行模型推理，并可以使用这些配置文件来跟踪成本和指标。 | 2024 年 11 月 1 日 | | [功能更新](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-create.html) | 现在，当您在提示管理器中定义提示或在流的提示节点中定义提示时，您可以添加特定于模型的推理参数。 | 2024 年 10 月 31 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude 3.5 Sonnet v2。您也可以结合 Anthropic Claude 3.5 Sonnet v2 使用一些计算机相关工具。 | 2024 年 10 月 22 日 | | [更新了托管策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html#security-iam-awsmanpol-AmazonBedrockReadOnly) | 自定义模型导入的只读权限已添加到 AmazonBedrockReadOnly AWS-managed 策略中。 | 2024 年 10 月 21 日 | | [功能更新](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-create.html) | 使用提示管理器创建提示时，`inferenceConfiguration` 对象不再支持该 `topK` 字段。 | 2024 年 10 月 21 日 | | [功能更新](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html) | 文字和聊天游乐场现在已合并到 Amazon Bedrock 主机中的 Chat/text 游乐场中。 | 2024 年 10 月 21 日 | | [功能更新](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html) | 文字和聊天游乐场现在已合并到 Amazon Bedrock 主机中的 Chat/text 游乐场中。 | 2024 年 10 月 21 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 亚太地区（首尔）现在支持批量推理。 | 2024 年 10 月 7 日 | | [增加了新的支持区域](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 现在，您可以在美国东部（俄亥俄州）和亚太 AWS 地区（首尔）使用 Amazon Bedrock。 | 2024 年 10 月 1 日 | | [处于旧版状态的模型](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | Anthropic Claude Opus 4 现在处于旧版状态。在 2026 年 5 月 31 日之前迁移到 Claude Opus 4.1。 | 2024 年 10 月 1 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Meta、Llama 3.2 1B Instruct、Llama 3.2 3B Instruct、Llama 3.2 11B Instruct 和 Llama 3.2 90B Instruct 模型。 | 2024 年 9 月 25 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-titan-embed-text.html) | 您现在可以在 Amazon Bedrock 中使用 Titan Text Embeddings V2 模型生成二进制嵌入。 | 2024 年 9 月 25 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/monitoring-guardrails-cw-metrics.html) | 现在，您可以在 Amazon Bedrock 中使用 CloudWatch 指标监控护栏。 | 2024 年 9 月 24 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 您现在可以使用模型评测功能来评估推理配置文件。 | 2024 年 9 月 24 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 AI21 Labs Jamba 1.5 Large 和 AI21 Labs Jamba 1.5 Mini。 | 2024 年 9 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 现在，在使用提示管理器中的提示或向流添加提示时，您可以使用推理配置文件。 | 2024 年 9 月 23 日 | | [更多模型支持预配置吞吐量](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 您现在可以为美国西部（俄勒冈州）的 Anthropic Claude 3.5 Sonnet 模型购买预配置吞吐量。 | 2024 年 9 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/monitoring-eventbridge.html) | 现在，您可以使用 Amazon EventBridge 监控批量推理任务中的状态变化。 | 2024 年 9 月 18 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-create.html) | 您现在可以将其他账户拥有的 S3 存储桶中的文件提交到批量推理作业。 | 2024 年 9 月 16 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-vpc.html) | 您现在可以在提交批量推理作业时使用 VPC。 | 2024 年 9 月 16 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 现在，在根据知识库查询结果生成响应和解析数据来源时，您可以使用推理配置文件。 | 2024 年 9 月 11 日 | | [更新了内容](#doc-history) | 更新了主题标题并重新组织了内容，以提高可读性。如果您想提供有关这些更改的反馈，请使用此[链接](https://docs.aws.amazon.com/bedrock/latest/userguide/doc-history.html)。 | 2024 年 9 月 4 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Stable Image Ultra、Stable Diffusion 3 Large 和 Stable Image Core。 | 2024 年 9 月 4 日 | | [更新了托管策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html#security-iam-awsmanpol-AmazonBedrockReadOnly) | 推理配置文件只读权限已添加到 AmazonBedrockReadOnly AWS托管策略中。 | 2024 年 8 月 27 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 您现在可以使用推理配置文件进行跨区域推理，以提高吞吐量。 | 2024 年 8 月 27 日 | | [新特征](https://docs.aws.amazon.com//bedrock/latest/userguide/agents-userconfirmation.html) | 现在，在调用 Amazon Bedrock 代理操作组函数之前，您可以请求应用程序用户进行确认。 | 2024 年 8 月 26 日 | | [更新了托管策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html#security-iam-awsmanpol-AmazonBedrockReadOnly) | 批量推理（模型调用任务）、Amazon Bedrock Guardrails 和 Amazon Bedrock 模型评估的只读权限已添加到托管策略中。 AmazonBedrockReadOnly AWS | 2024 年 8 月 21 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference.html) | 支持异步模型调用和多个提示的批量推理功能现已全面推出。 | 2024 年 8 月 21 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference.html) | 您现在可以使用批量推理功能根据多个提示异步运行模型推理。 | 2024 年 8 月 16 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Amazon Titan Image Generator G1 V2。 | 2024 年 8 月 6 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 你现在可以在 AWS 区域 AWS GovCloud （美国西部）使用 Meta Llama 3 Instruct 模型 8B 和 70B。 | 2024 年 8 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/copy-model.html) | 您现在可以在 Amazon Bedrock 中将自定义模型复制到其他区域。 | 2024 年 8 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/share-model.html) | 您现在可以在 Amazon Bedrock 中与其他账户共享自定义模型。 | 2024 年 8 月 1 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Mistral AI Mistral Large 2 (24.07) 模型。 | 2024 年 7 月 24 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Meta Llama 3.1 Instruct 模型。 | 2024 年 7 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/br-studio.html) | 您现在可以在 Amazon Bedrock Studio 中使用提示管理器和 Amazon Bedrock 流。 | 2024 年 7 月 22 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/flows.html) | 现在，您可以将不同的 Amazon Bedrock 资源整合到 end-to-end解决方案的工作流程中。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management.html) | 您现在可以创建和保存提示，以便在不同的工作流中重复使用。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-session-state.html#session-state-kb) | 您现在可以在运行时修改与代理关联的知识库的查询配置。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-chunking-parsing.html) | Amazon Bedrock 现在支持对标准文本以外的更多内容的[语义分块、分层分块和高级解析](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-chunking-parsing.html)。您还可以使用 Lambda 函数进行自定义数据转换。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html) | Amazon Bedrock 现在提供[查询分解功能](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html)，可将复杂的查询分解为更小、更易于管理的子查询。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/data-source-connectors.html) | 现在，您可以[连接并抓取存储在 Confluence、Salesforce 中的数据](https://docs.aws.amazon.com/bedrock/latest/userguide/data-source-connectors.html)以及 SharePoint 知识库中的数据。您还可以连接和抓取网页 URLs。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-code-interpretation.html) | 您现在可以在 Amazon Bedrock 中使用代码解释在安全的测试环境中生成、运行代码并对其进行问题排查。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-memory.html) | 您现在可以为代理启用记忆功能，在多个会话中保留对话上下文。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-use-independent-api.html) | 您现在可以在 Amazon Bedrock 中使用独立的 API 调用您的护栏。 | 2024 年 7 月 10 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-contextual-grounding-check.html) | 您现在可以将上下文接地检查与护栏配合使用。 | 2024 年 7 月 10 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-supported.html) | 加拿大（中部）（ca-central-1）、欧洲地区（伦敦）（eu-west-2）和南美洲（圣保罗）（sa-east-1）区域现在支持 Amazon Bedrock 代理。 | 2024 年 6 月 28 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 AI21 Jamba-Instruct。 | 2024 年 6 月 25 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supported.html) | 加拿大（中部）（ca-central-1）、欧洲地区（伦敦）（eu-west-2）和南美洲（圣保罗）（sa-east-1）区域现在支持 Amazon Bedrock Guardrails。 | 2024 年 6 月 21 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html#chat-playground) | 您现在可以在[聊天操作区](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html#chat-playground)中或在使用[对话 API](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference.html) 时添加文档。 | 2024 年 6 月 21 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Claude 3.5 Sonnet。 | 2024 年 6 月 20 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-embed.html) | Cohere Embed V3 模型目前在响应中支持 int8 和二进制嵌入类型。 | 2024 年 6 月 20 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-use-converse-api.html) | 您现在可以在 Converse API 中使用护栏。 | 2024 年 6 月 18 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | Amazon Bedrock 现已在加拿大（中部）（ca-central-1）、欧洲地区（伦敦）（eu-west-2）和南美洲（圣保罗）（sa-east-1）区域推出。有关端点的信息，请参阅 [Amazon Bedrock 端点和配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)。 | 2024 年 6 月 13 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/trace-events.html) | 您现在可以在跟踪信息中查看代理操作组结果是否已发送给 Lambda 函数进行处理，或者控制权是否已返回给代理开发人员。 | 2024 年 6 月 13 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Claude 3 Opus。 | 2024 年 6 月 7 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference.html) | 您现在可以使用 Converse API 来创建对话应用程序。 | 2024 年 5 月 30 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/tool-use.html) | 您现在可以在 Amazon Bedrock 模型中使用多种工具。 | 2024 年 5 月 30 日 | | [更多模型支持在 Amazon Bedrock 知识库中嵌入数据来源。](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 您现在可以使用 Amazon Titan Text Embeddings V2 模型将您的数据来源嵌入到 Amazon Bedrock 知识库中。 | 2024 年 5 月 30 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Mistral Small。 | 2024 年 5 月 24 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-create.html) | 您现在可以在 Amazon Bedrock 中将护栏与代理配合使用。 | 2024 年 5 月 20 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-model-params.html) | 现在，在通过知识库检索生成响应时，您可以修改推理参数。 | 2024 年 5 月 9 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-models.html) | 您现在可以在 Amazon Bedrock 中使用 Amazon Titan Text Premier 模型。 | 2024 年 5 月 7 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/br-studio.html) | Amazon Bedrock Studio 发布预览版。 | 2024 年 5 月 7 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-alias-manage.html) | 您现在可以在 Amazon Bedrock 中将预配置吞吐量与代理的别名相关联。 | 2024 年 5 月 2 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | Amazon Bedrock 现已在欧洲地区（爱尔兰）（eu-west-1）和亚太地区（孟买）（ap-south-1）区域推出。有关端点的信息，请参阅 [Amazon Bedrock 端点和配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)。 | 2024 年 5 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup.html) | 您现在可以在 Amazon Bedrock 知识库中选择 MongoDB Atlas 作为向量索引源。 | 2024 年 5 月 1 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-embedding-models.html) | 您现在可以在 Amazon Bedrock 中使用 Titan Embeddings Text V2 模型。 | 2024 年 4 月 30 日 | | [更多模型支持预配置吞吐量](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 您现在可以为 AI21 Labs Jurassic-2 Ultra 购买预配置吞吐量。 | 2024 年 4 月 30 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Cohere Command R 和 Cohere Command R\$1 模型。 | 2024 年 4 月 29 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 您现在可以将自定义模型导入 Amazon Bedrock。 | 2024 年 4 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-returncontrol.html) | 在 Amazon Bedrock 代理中，您现在可以在 [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_InvokeAgent.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_InvokeAgent.html) 响应中返回代理从用户处获取的信息，而不必将其发送到 Lambda 函数。 | 2024 年 4 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-action-function.html) | 在 Amazon Bedrock Agents 中，您现在可以根据操作组要求用户提供的参数来定义操作组。 | 2024 年 4 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-erag.html) | 您现在可以通过 Amazon Bedrock 与您的文档聊天。 | 2024 年 4 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-create.html) | 您现在可以从 Amazon Bedrock 知识库中的多个数据来源中进行选择。 | 2024 年 4 月 23 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html) | 您现在可以使用 Amazon Bedrock Guardrails 实施保护措施，根据您的使用案例屏蔽模型输入和响应中的有害内容。 | 2024 年 4 月 23 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude 3 Opus。 | 2024 年 4 月 16 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | Amazon Bedrock 现已在亚太地区（悉尼）（ap-southeast-2）推出。有关端点的信息，请参阅 [Amazon Bedrock 端点和配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)。 | 2024 年 4 月 9 日 | | [CloudFormation 支持 Amazon Bedrock Agents 和 Amazon Bedrock 知识库](https://docs.aws.amazon.com/bedrock/latest/userguide/creating-resources-with-cloudformation.html) | 现在，你可以通过设置和管理你的 Amazon Bedrock Agents 和 Amazon Bedrock 知识库资源。 CloudFormation | 2024 年 4 月 5 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | Amazon Bedrock 现已在欧洲地区（巴黎）（eu-west-3）推出。有关端点的信息，请参阅 [Amazon Bedrock 端点和配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)。 | 2024 年 4 月 4 日 | | [更多模型支持在 Amazon Bedrock 中查询知识库](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 您现在可以使用 Anthropic Claude 3 Haiku 生成知识库响应。 | 2024 年 4 月 4 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Mistral Large。 | 2024 年 4 月 3 日 | | [更多模型支持在 Amazon Bedrock 中查询知识库](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 您现在可以使用 Anthropic Claude 3 Haiku 生成知识库响应。 | 2024 年 4 月 3 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 您现在可以为基础模型购买预配置吞吐量，无承诺用量。 | 2024 年 3 月 29 日 | | [更多模型支持预配置吞吐量](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 您现在可以为 Anthropic Claude 3 Sonnet、Anthropic Claude 3 Haiku、Cohere Embed 英文版和 Cohere Embed 多语言版购买预配置吞吐量。 | 2024 年 3 月 29 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-create.html#kb-create-security-network) | 现在，您可以在 Amazon OpenSearch Serverless 中创建网络访问策略，以允许您的 Amazon Bedrock 知识库访问配置有 VPC 终端节点的私有 OpenSearch 无服务器矢量搜索集合。 | 2024 年 3 月 28 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-ds.html#kb-ds-metadata) | 您现在可以在 Amazon Bedrock 知识库中添加源文档的元数据，并[在知识库查询过程中筛选元数据](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html#kb-test-config-filters)。 | 2024 年 3 月 27 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html) | 现在，当您查询知识库并生成响应时，您可以使用提示模板来自定义发送给模型的提示。 | 2024 年 3 月 26 日 | | [更多模型支持在 Amazon Bedrock 中查询知识库](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 您现在可以使用 Anthropic Claude 3 Sonnet 生成知识库响应。 | 2024 年 3 月 25 日 | | [降低延迟](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-optimize-performance.html) | 您现在可以针对代理只有一个知识库的简单使用案例进行延迟优化。 | 2024 年 3 月 20 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude 3 Haiku。 | 2024 年 3 月 13 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Anthropic Claude 3 Sonnet。 | 2024 年 3 月 4 日 | | [新模型](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 您现在可以在 Amazon Bedrock 中使用 Mistral AI 模型。 | 2024 年 3 月 1 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-test.html) | 现在，您可以在知识库中为包含可筛选文本字段的 Amazon OpenSearch Serverless 矢量存储自定义搜索策略。 | 2024 年 2 月 28 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-image-models.html) | 您现在可以通过 Amazon Bedrock Titan 图像生成器检测带有水印的图片。 | 2024 年 2 月 14 日 | | [更新了 AWS PrivateLink 支持](https://docs.aws.amazon.com/bedrock/latest/userguide/usingVPC.html) | 现在，您可以使用 AWS PrivateLink 为 [Amazon Bedrock Agents 构建](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_Operations_Agents_for_Amazon_Bedrock.html)时服务创建接口 VPC 终端节点。 | 2024 年 2 月 9 日 | | [IAM 角色更新](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-permissions.html) | 您现在可以在知识库中使用相同的服务角色，也可以使用不带预定义前缀的角色。 | 2024 年 2 月 9 日 | | [处于旧版状态的模型](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | Stable Diffusion XL v0.8 现在处于旧版状态。在 2024 年 4 月 30 日之前迁移到 Stable Diffusion XL v1.x。 | 2024 年 2 月 2 日 | | [增加了代码示例章节](https://docs.aws.amazon.com/bedrock/latest/userguide/service_code_examples.html) | Amazon Bedrock 指南现在包含各种 Amazon Bedrock 操作和场景的代码示例。 | 2024 年 1 月 25 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-create.html) | 现在，当您选择在控制台中快速创建 Amazon OpenSearch Serverless 矢量存储时，Amazon Bedrock 知识库可以让您在生产账户和非生产账户之间进行选择。 | 2024 年 1 月 24 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/trace-events.html) | Amazon Bedrock Agents 现在支持您在控制台中使用测试窗口时实时查看跟踪。 | 2024 年 1 月 18 日 | | [更多模型支持在 Amazon Bedrock 知识库中嵌入数据来源](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | Amazon Bedrock 知识库现在支持使用 Cohere Embed（英文版）和 Cohere Embed（多语版）嵌入您的数据来源。 | 2024 年 1 月 17 日 | | [更多模型支持 Amazon Bedrock 代理和在 Amazon Bedrock 中查询知识库](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-supported.html) | Amazon Bedrock 代理和 Amazon Bedrock 知识库响应生成现在支持 Anthropic Claude 2.1。 | 2023 年 12 月 27 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-service.html#bedrock-regions) | Amazon Bedrock 现已在 AWS GovCloud （美国西部）（-us-gov-west 1）上市。有关端点的信息，请参阅 [Amazon Bedrock 端点和配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)。 | 2023 年 12 月 21 日 | | [新增对向量存储的支持](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup-rds.html) | 您现在可以在 Amazon Aurora 数据库集群中创建知识库。有关更多信息，请参阅[在 Amazon Aurora 中创建向量存储](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup-rds.html)。 | 2023 年 12 月 21 日 | | [全新托管策略](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock 新增了 `AmazonBedrockFullAccess` 和 `AmazonBedrockReadOnly`，前者用于向用户授予创建、读取、更新和删除资源的权限，后者用于向用户授予对所有操作的只读权限。 | 2023 年 12 月 12 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/model-evaluation.html) | Amazon Bedrock 现在支持使用自动指标或人工创建模型评估作业。 | 2023 年 11 月 29 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | 您现在可以监控和自定义[模型版本](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html)。 | 2023 年 11 月 29 日 | | [新 Titan 模型](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-models.html) | Titan 的新模型包括 Amazon Titan Image Generator G1 V1 和 Amazon Titan Multimodal Embeddings G1。有关更多信息，请参阅 [Titan 模型](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-models.html)。 | 2023 年 11 月 29 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models.html) | 通过持续预训练，您可以向模型传授新的领域知识。有关更多信息，请参阅 [Custom Models](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models-reference.html)。 | 2023 年 11 月 28 日 | | [新特征](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-api-query.html) | 现在，您可以通过 “[检索](https://docs.aws.amazon.com/lexv2/latest/APIReference/API_agent-runtime_Retrieve.html)” 和 “查询” 来查询知识库[RetrieveAndGenerate](https://docs.aws.amazon.com/lexv2/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) APIs。有关更多信息，请参阅 [Query a knowledge base](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-api-query.html)。 | 2023 年 11 月 28 日 | | [常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) | Amazon Bedrock 知识库服务的常规版本。有关更多信息，请参阅 [Amazon Bedrock 知识库](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html)。 | 2023 年 11 月 28 日 | | [常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html) | Amazon Bedrock 代理服务的常规版本。有关更多信息，请参阅 [Amazon Bedrock 代理](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html)。 | 2023 年 11 月 28 日 | | [自定义更多模型](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models.html) | 您现在可以通过 Cohere 和 Meta 自定义模型。有关更多信息，请参阅 [Custom Models](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models-reference.html)。 | 2023 年 11 月 28 日 | | [新模型版本](#doc-history) | 更新了文档，现已涵盖新的 Meta 和 Cohere 模型。有关更多信息，请参阅 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)。 | 2023 年 11 月 13 日 | | [文档本地化](#doc-history) | Amazon Bedrock 文档现提供[日语](https://docs.aws.amazon.com/ja_jp/bedrock/latest/userguide/what-is-bedrock.html)和[德语](https://docs.aws.amazon.com/de_de/bedrock/latest/userguide/what-is-bedrock.html)版本。 | 2023 年 10 月 20 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-service.html#bedrock-regions) | Amazon Bedrock 现已在欧洲地区（法兰克福）(eu-central-1) 发售。有关端点的信息，请参阅 [Amazon Bedrock 端点和配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)。 | 2023 年 10 月 19 日 | | [区域扩展](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html#bedrock-regions) | Amazon Bedrock 现已在亚太地区（东京）(ap-northeast-1) 发售。有关端点的信息，请参阅 [Amazon Bedrock 端点和配额](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)。 | 2023 年 10 月 3 日 | | [封闭式常规版本](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) | Amazon Bedrock 服务的封闭式常规版本。有关更多信息，请参阅 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)。 | 2023 年 9 月 28 日 |