# Gestione dei set di dati
Questo argomento tratta la creazione, il recupero, l'elenco, l'aggiornamento e l'eliminazione dei set di dati.
## Crea set di dati
L'`CreateDataset`API crea un nuovo set di dati di valutazione. Si tratta di un'operazione asincrona (HTTP 202): il set di dati passa da a una volta completata l'ingestione. `CREATING` `ACTIVE`
**Parametri richiesti:** `datasetName` (solo caratteri alfanumerici e di sottolineatura`^[a-zA-Z][a-zA-Z0-9_]{0,47}$`), e (esempi in linea o URI S3). `schemaType` `source`
**Parametri opzionali: `description`**[, `kmsKeyArn` (chiave di crittografia gestita dal cliente, immutabile dopo la creazione, vedi Crittografia del set di dati),.](datasets-encryption.md) `tags`
Gli esempi seguenti mostrano come creare un set di dati:
**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
```
Questo crea un file JSONL locale e registra il set di dati nella configurazione del progetto. Esegui `agentcore deploy` per creare la risorsa del set di dati e sincronizzare gli esempi con il servizio.
**Nota**
Eseguilo dall'interno di una directory di AgentCore progetto (creata con`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"}},
)
```
**Nota**
Per l'ingestione di S3, ogni riga del file JSONL deve includere un campo. `exampleId` Il bucket S3 deve essere accessibile utilizzando le credenziali del chiamante.
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
```
## Ottieni set di dati
L'`GetDataset`API recupera i metadati del set di dati, lo stato, il conteggio degli esempi e un URL di download predefinito per il contenuto del set di dati. Per impostazione predefinita, legge la bozza; specifica per una versione pubblicata. `datasetVersion`
`downloadUrl`Si tratta di un URL S3 predefinito per il file completo. `dataset.jsonl` Puoi scaricarlo con una semplice richiesta HTTP GET senza intestazioni di autenticazione.
Gli esempi seguenti mostrano come ottenere un set di dati:
**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
```
## Elenca i set di dati
L'`ListDatasets`API restituisce un elenco impaginato di set di dati nel tuo account e nella tua regione.
Gli esempi seguenti mostrano come elencare i set di dati:
**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
```
## Aggiorna il set di dati
L'`UpdateDataset`API aggiorna i metadati del set di dati. Si tratta di un'operazione sincrona (HTTP 200). Solo `description` e `tags` può essere aggiornata. `datasetName``schemaType`, e `kmsKeyArn` sono immutabili dopo la creazione.
Il set di dati deve essere in`ACTIVE`, `UPDATE_FAILED` o deve essere in stato. `CREATE_FAILED`
Gli esempi seguenti mostrano come aggiornare i metadati del set di dati:
**Example**
1. Per aggiornare un set di dati con la AgentCore CLI, modifica la configurazione del set di dati direttamente nel `agentcore.json` tuo file, quindi ridistribuisci:
```
agentcore deploy
```
Apri`agentcore.json`, trova il set di dati nell'`datasets`array, modificalo, quindi esegui. `description` `agentcore deploy` Le modifiche hanno effetto dopo la distribuzione.
**Nota**
Eseguilo dall'interno di una directory di AgentCore progetto (creata con`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"
```
## Elimina il set di dati
L'`DeleteDataset`API elimina un set di dati. Si tratta di un'operazione asincrona (HTTP 202).
+ **Eliminazione completa** (omissione`datasetVersion`): elimina tutte le versioni, la bozza e il record del set di dati.
+ **Version-specific delete** (specifica `datasetVersion` come numero intero): elimina solo la versione pubblicata.
Il set di dati deve essere in`ACTIVE`, `CREATE_FAILED``UPDATE_FAILED`, o stato. `DELETE_FAILED`
**Nota**
Per l'eliminazione specifica della versione sono accettati solo numeri di versione interi.
Gli esempi seguenti mostrano come eliminare un set di dati:
**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
```