# Datensätze verwalten
Dieses Thema behandelt das Erstellen, Abrufen, Auflisten, Aktualisieren und Löschen von Datensätzen.
## Datensatz erstellen
Die `CreateDataset` API erstellt einen neuen Bewertungsdatensatz. Dies ist ein asynchroner Vorgang (HTTP 202) — der Datensatz wechselt von `CREATING` zu, `ACTIVE` sobald die Aufnahme abgeschlossen ist.
**Erforderliche Parameter:** `datasetName` (nur alphanumerische Zeichen und Unterstriche,`^[a-zA-Z][a-zA-Z0-9_]{0,47}$`)`schemaType`, und `source` (Inline-Beispiele oder S3-URI).
**Optionale Parameter:**`description`, `kmsKeyArn` (vom Kunden verwalteter Verschlüsselungsschlüssel, nach der Erstellung unveränderlich — siehe [Datensatzverschlüsselung](datasets-encryption.md)),. `tags`
Die folgenden Beispiele zeigen, wie ein Datensatz erstellt wird:
**Example**
1.
```
# 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
```
Dadurch wird eine lokale JSONL-Datei erstellt und der Datensatz in Ihrer Projektkonfiguration registriert. Führen Sie den `agentcore deploy` Befehl aus, um die Datensatz-Ressource zu erstellen und Beispiele mit dem Service zu synchronisieren.
**Anmerkung**
Führen Sie dies in einem AgentCore Projektverzeichnis aus (erstellt mit`agentcore create`).
1.
```
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"}},
)
```
**Anmerkung**
Für die S3-Aufnahme muss jede Zeile in der JSONL-Datei ein Feld enthalten. `exampleId` Auf den S3-Bucket muss mit den Anmeldeinformationen des Aufrufers zugegriffen werden können.
1.
```
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)
```
1.
```
# 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
```
## Datensatz abrufen
Die `GetDataset` API ruft Datensatz-Metadaten, den Status, die Anzahl der Beispiele und eine vordefinierte Download-URL für den Datensatzinhalt ab. Liest standardmäßig den Entwurf; geben Sie dies `datasetVersion` für eine veröffentlichte Version an.
Das `downloadUrl` ist eine vorsignierte S3-URL für die vollständige `dataset.jsonl` Datei. Sie können es mit einer einfachen HTTP-GET-Anfrage ohne Authentifizierungsheader herunterladen.
Die folgenden Beispiele zeigen, wie Sie einen Datensatz abrufen können:
**Example**
1.
```
# 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
```
1.
```
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")
```
1.
```
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')
```
1.
```
# 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
```
## Datensätze auflisten
Die `ListDatasets` API gibt eine paginierte Liste von Datensätzen in Ihrem Konto und Ihrer Region zurück.
Die folgenden Beispiele zeigen, wie Datensätze aufgelistet werden:
**Example**
1.
```
agentcore status --type dataset
```
1.
```
from bedrock_agentcore.evaluation import DatasetClient
client = DatasetClient(region_name="us-west-2")
response = client.list_datasets()
for dataset in response["datasets"]:
print(f" {dataset['datasetName']} ({dataset['status']})")
```
1.
```
import boto3
client = boto3.client('bedrock-agentcore-control')
response = client.list_datasets()
for dataset in response['datasets']:
print(f" {dataset['datasetName']} ({dataset['status']})")
```
1.
```
aws bedrock-agentcore-control list-datasets
```
## Datensatz aktualisieren
Die `UpdateDataset` API aktualisiert die Datensatz-Metadaten. Dies ist ein synchroner Vorgang (HTTP 200). Nur `description` und `tags` kann aktualisiert werden. `datasetName``schemaType`, und `kmsKeyArn` sind nach der Erstellung unveränderlich.
Der Datensatz muss den `CREATE_FAILED` Status `ACTIVE``UPDATE_FAILED`, oder haben.
Die folgenden Beispiele zeigen, wie Datensatz-Metadaten aktualisiert werden:
**Example**
1. Um einen Datensatz mit der AgentCore CLI zu aktualisieren, bearbeiten Sie die Datensatzkonfiguration direkt in Ihrer `agentcore.json` Datei und stellen Sie ihn dann erneut bereit:
```
agentcore deploy
```
Öffnen Sie den Datensatz`agentcore.json`, suchen Sie ihn im `datasets` Array, ändern Sie ihn und führen Sie `description` ihn dann aus`agentcore deploy`. Änderungen werden nach der Bereitstellung wirksam.
**Anmerkung**
Führen Sie dies in einem AgentCore Projektverzeichnis aus (erstellt mit`agentcore create`).
1.
```
from bedrock_agentcore.evaluation import DatasetClient
client = DatasetClient(region_name="us-west-2")
client.update_dataset(datasetId="my-dataset-id", description="Updated description")
```
1.
```
import boto3
client = boto3.client('bedrock-agentcore-control')
client.update_dataset(datasetId='my-dataset-id', description='Updated description')
```
1.
```
aws bedrock-agentcore-control update-dataset \
--dataset-id my-dataset-id \
--description "Updated description"
```
## Datensatz löschen
Die `DeleteDataset` API löscht einen Datensatz. Dies ist eine asynchrone Operation (HTTP 202).
+ **Vollständiges Löschen** (Auslassen`datasetVersion`): Löscht alle Versionen, den Entwurf und den Datensatz.
+ **Version-specific löschen** (`datasetVersion`als Ganzzahl angeben): Löscht nur die veröffentlichte Version.
Der Datensatz muss den `DELETE_FAILED` Status`ACTIVE`, `CREATE_FAILED``UPDATE_FAILED`, oder haben.
**Anmerkung**
Für das versionsspezifische Löschen werden nur ganzzahlige Versionsnummern akzeptiert.
Die folgenden Beispiele zeigen, wie ein Datensatz gelöscht wird:
**Example**
1.
```
# Delete a specific published version
agentcore dataset remove-version 1 --name my_eval_dataset
# Delete entire dataset
agentcore remove dataset --name my_eval_dataset
agentcore deploy
```
1.
```
from bedrock_agentcore.evaluation import DatasetClient
client = DatasetClient(region_name="us-west-2")
# Delete a specific published version
client.delete_dataset_and_wait(datasetId="my-dataset-id", datasetVersion="1")
# Delete entire dataset (polls until complete)
client.delete_dataset_and_wait(datasetId="my-dataset-id")
```
1.
```
import boto3
client = boto3.client('bedrock-agentcore-control')
# Delete a specific published version
client.delete_dataset(datasetId='my-dataset-id', datasetVersion='1')
# Delete entire dataset
client.delete_dataset(datasetId='my-dataset-id')
```
1.
```
# Delete a specific published version
aws bedrock-agentcore-control delete-dataset \
--dataset-id my-dataset-id \
--dataset-version 1
# Delete entire dataset
aws bedrock-agentcore-control delete-dataset \
--dataset-id my-dataset-id
```