管理資料集

本主題涵蓋建立、擷取、列出、更新和刪除資料集。

建立資料集

CreateDataset API 會建立新的評估資料集。這是非同步操作 (HTTP 202) — CREATING ACTIVE 擷取完成後，資料集會從轉換為。

必要參數： datasetName（僅限英數和底線、^[a-zA-Z][a-zA-Z0-9_]{0,47}$)schemaType、和 source（內嵌範例或 S3 URI)。

選用參數：description、 kmsKeyArn（客戶受管加密金鑰，建立後不可變 — 請參閱資料集加密)、tags。

下列範例示範如何建立資料集：

範例

AgentCore CLI


# Add a dataset to your project
agentcore add dataset --name my_eval_dataset \
    --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1

# Edit the generated JSONL file with your scenarios
# File location: agentcore/datasets/my_eval_dataset.jsonl

# Deploy to create the dataset in your AWS account
agentcore deploy

這會建立本機 JSONL 檔案，並在專案組態中註冊資料集。執行 agentcore deploy以建立資料集資源，並將範例同步至服務。

注意

從 AgentCore 專案目錄（使用建立）內執行此操作agentcore create。

AgentCore SDK


from bedrock_agentcore.evaluation import DatasetClient

client = DatasetClient(region_name="us-west-2")

# Create with inline examples (polls until ACTIVE)
ds = client.create_dataset_and_wait(
    datasetName="customer_support_scenarios",
    schemaType="AGENTCORE_EVALUATION_PREDEFINED_V1",
    source={
        "inlineExamples": {
            "examples": [
                {
                    "scenario_id": "TC-01",
                    "turns": [{"input": "What is my balance?", "expected_response": "Your balance is $50."}],
                    "assertions": ["Response includes a dollar amount"],
                }
            ]
        }
    },
)
print(f"Dataset ID: {ds['datasetId']}, Status: {ds['status']}")

# Create with S3 source
ds = client.create_dataset_and_wait(
    datasetName="my_s3_dataset",
    schemaType="AGENTCORE_EVALUATION_PREDEFINED_V1",
    source={"s3Source": {"s3Uri": "s3://my-bucket/scenarios.jsonl"}},
)

注意

對於 S3 擷取，JSONL 檔案中的每一行都必須包含 exampleId 欄位。必須使用發起人的登入資料來存取 S3 儲存貯體。

AWS SDK


import boto3
import time

client = boto3.client('bedrock-agentcore-control')

response = client.create_dataset(
    datasetName='customer_support_scenarios',
    schemaType='AGENTCORE_EVALUATION_PREDEFINED_V1',
    source={
        'inlineExamples': {
            'examples': [
                {
                    'scenario_id': 'TC-01',
                    'turns': [{'input': 'What is my balance?', 'expected_response': 'Your balance is $50.'}],
                    'assertions': ['Response includes a dollar amount'],
                }
            ]
        }
    }
)
dataset_id = response['datasetId']

# Create with S3 source
response = client.create_dataset(
    datasetName='my_s3_dataset',
    schemaType='AGENTCORE_EVALUATION_PREDEFINED_V1',
    source={
        's3Source': {'s3Uri': 's3://my-bucket/scenarios.jsonl'}
    }
)

# Poll until ACTIVE
while True:
    ds = client.get_dataset(datasetId=dataset_id)
    if ds['status'] in ('ACTIVE', 'CREATE_FAILED'):
        break
    time.sleep(2)

AWS CLI


# Create with inline examples
aws bedrock-agentcore-control create-dataset \
    --dataset-name "customer_support_scenarios" \
    --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1 \
    --source '{"inlineExamples": {"examples": [{"scenario_id": "TC-01", "turns": [{"input": "What is my balance?", "expected_response": "Your balance is $50."}], "assertions": ["Response includes a dollar amount"]}]}}'

# Create with S3 source
aws bedrock-agentcore-control create-dataset \
    --dataset-name "my_s3_dataset" \
    --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1 \
    --source '{"s3Source": {"s3Uri": "s3://my-bucket/scenarios.jsonl"}}'

# Poll until ACTIVE
aws bedrock-agentcore-control get-dataset \
    --dataset-id my-dataset-id

取得資料集

GetDataset API 會擷取資料集內容的資料集中繼資料、狀態、範例計數和預先簽章的下載 URL。根據預設，會讀取草稿；datasetVersion為已發佈的版本指定。

downloadUrl 是完整dataset.jsonl檔案的預先簽章 S3 URL。您可以使用不含身分驗證標頭的純 HTTP GET 請求進行下載。

下列範例示範如何取得資料集：

範例

AgentCore CLI


# Show dataset deployment status and metadata
agentcore status --type dataset

# Download dataset content to your local JSONL file (default: Draft)
agentcore dataset download --name my_eval_dataset

# Download a specific published version
agentcore dataset download --name my_eval_dataset --version 1

AgentCore SDK


from bedrock_agentcore.evaluation import DatasetClient

client = DatasetClient(region_name="us-west-2")

# Get dataset (default: Draft)
ds = client.get_dataset(datasetId="my-dataset-id")
print(f"Status: {ds['status']}, Examples: {ds['exampleCount']}")
print(f"Download URL: {ds['downloadUrl']}")

# Get a specific published version
ds_v1 = client.get_dataset(datasetId="my-dataset-id", datasetVersion="1")

AWS SDK


import boto3

client = boto3.client('bedrock-agentcore-control')

response = client.get_dataset(datasetId='my-dataset-id')
print(f"Status: {response['status']}, Examples: {response['exampleCount']}")

# Download the dataset content via presigned URL
if 'downloadUrl' in response:
    import requests
    data = requests.get(response['downloadUrl'])
    print(data.text)

# Get a specific published version
response = client.get_dataset(datasetId='my-dataset-id', datasetVersion='1')

AWS CLI


# Get dataset (default: Draft)
aws bedrock-agentcore-control get-dataset \
    --dataset-id my-dataset-id

# Get a specific published version
aws bedrock-agentcore-control get-dataset \
    --dataset-id my-dataset-id \
    --dataset-version 1

列出資料集

ListDatasets API 會傳回您帳戶和區域中資料集的分頁清單。

下列範例示範如何列出資料集：

範例

更新資料集

UpdateDataset API 會更新資料集中繼資料。這是同步操作 (HTTP 200)。只有 description和 tags 可以更新。schemaType建立後 datasetName、和 kmsKeyArn是不可變的。

資料集必須處於 ACTIVE、 UPDATE_FAILED或 CREATE_FAILED 狀態。

下列範例示範如何更新資料集中繼資料：

範例

刪除資料集

DeleteDataset API 會刪除資料集。這是非同步操作 (HTTP 202)。

完全刪除 （省略 datasetVersion)：刪除所有版本、草稿和資料集記錄。
版本特定刪除 （指定datasetVersion為整數）：僅刪除該已發佈的版本。

資料集必須處於 ACTIVE、UPDATE_FAILED、 CREATE_FAILED或 DELETE_FAILED 狀態。

注意

僅接受整數版本號碼進行版本特定刪除。

下列範例示範如何刪除資料集：

範例

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

資料集結構描述

管理範例