# 管理数据集
本主题介绍创建、检索、列出、更新和删除数据集。
## 创建数据集
`CreateDataset`API 会创建一个新的评估数据集。这是一种异步操作 (HTTP 202) — 提取`ACTIVE`完成后`CREATING`，数据集将从变为。
**必填参数：**`datasetName`（仅限字母数字和下划线、`^[a-zA-Z][a-zA-Z0-9_]{0,47}$`）`schemaType`、和`source`（行内示例或 S3 URI）。
**可选参数：**`description`，`kmsKeyArn`（客户管理的加密密钥，创建后不可变——参见[数据集加密](datasets-encryption.md)）、。`tags`
以下示例说明如何创建数据集：
**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
```
这将创建一个本地 JSONL 文件并在您的项目配置中注册该数据集。运行`agentcore deploy`以创建数据集资源并将示例同步到服务。
**注意**
在 AgentCore 项目目录（使用创建`agentcore create`）中运行它。
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"}},
)
```
**注意**
对于 S3 提取，JSONL 文件中的每一行都必须包含一个字段。`exampleId`必须能够使用调用者的凭据访问 S3 存储桶。
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
```
## 获取数据集
`GetDataset`API 检索数据集元数据、状态、示例计数以及数据集内容的预签名下载网址。默认情况下，读取草稿；`datasetVersion`为已发布版本指定。
`downloadUrl`是完整`dataset.jsonl`文件的预签名 S3 网址。您可以使用不带身份验证标头的纯 HTTP GET 请求下载它。
以下示例说明如何获取数据集：
**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
```
## 列出数据集
`ListDatasets`API 会返回您的账户和地区中数据集的分页列表。
以下示例说明如何列出数据集：
**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
```
## 更新数据集
`UpdateDataset`API 更新数据集元数据。这是一个同步操作 (HTTP 200)。仅`description`且`tags`可以更新。 `datasetName`、`schemaType`、和`kmsKeyArn`在创建之后是不可变的。
数据集必须处于`ACTIVE``UPDATE_FAILED`、或`CREATE_FAILED`状态。
以下示例说明如何更新数据集元数据：
**Example**
1. 要 AgentCore 使用 CLI 更新数据集，请直接编辑`agentcore.json`文件中的数据集配置，然后重新部署：
```
agentcore deploy
```
打开`agentcore.json`，在`datasets`数组中找到数据集，对其进行修改`description`，然后运行`agentcore deploy`。更改将在部署后生效。
**注意**
在 AgentCore 项目目录（使用创建`agentcore create`）中运行它。
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"
```
## 删除数据集
`DeleteDataset`API 会删除数据集。这是一个异步操作 (HTTP 202)。
+ **完全删除**（省略`datasetVersion`）：删除所有版本、草稿和数据集记录。
+ **Version-specific 删除**（指定`datasetVersion`为整数）：仅删除已发布的版本。
数据集必须处于`ACTIVE``CREATE_FAILED`、`UPDATE_FAILED`、或`DELETE_FAILED`状态。
**注意**
仅接受整数版本号进行版本特定的删除。
以下示例说明如何删除数据集：
**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
```