使用 Amazon Bedrock 进行人工智能提示链接

此示例项目演示了如何与之集成 Amazon Bedrock 使用执行 AI 提示链接并构建高质量的聊天机器人 Amazon Bedrock。 该项目将一些提示链接在一起，并按照提供的顺序解析它们。将提示链接起来，可增强用于提供优质响应的语言模型的能力。

此示例项目创建了状态机，即支持 AWS 资源，并配置相关IAM权限。浏览此示例项目，了解如何使用 Amazon Bedrock 优化的服务集成 Step Functions 状态机，或者将其用作自己项目的起点。

AWS CloudFormation 模板和其他资源

你用 CloudFormation 用于部署此示例项目的模板。此模板在您的中创建以下资源 AWS 账户:

• A Step Functions 状态机。

• 状态机的执行角色。此角色授予您的状态机访问其他状态机所需的权限 AWS 服务 以及诸如 Amazon Bedrock InvokeModel行动。

先决条件

此示例项目使用 Cohere Command 大型语言模型 (LLM)。要成功运行此示例项目，必须LLM从中添加对此项目的访问权限 Amazon Bedrock console。要添加模型访问权限，请执行以下操作：

1. 打开 Amazon Bedrock 控制台。

2. 在导航窗格中，选择模型访问权限。

3. 选择管理模型访问权限。

4. 选中 Cohere 旁边的复选框。

5. 选择请求访问权限。Cohere 模型的访问权限状态显示为已授予访问权限。

第 1 步：创建状态机

1. 打开 Step Functions 控制台，然后选择创建状态机。

2. bedrock在搜索框中键入，然后选择 “执行 AI 提示链接” Bedrock从返回的搜索结果中。

3. 选择下一步以继续。

4. 选择 “运行演示” 以创建只读和 ready-to-deploy 工作流程，或者选择 “在其上构建” 以创建可编辑的状态机定义，您可以在此基础上构建并稍后部署。

   该示例项目部署了以下资源：

   • 网络 ACL 和安全组都允许 (因此可到达您的实例) 的发起 ping 的 AWS Step Functions 状态机

   • 相关 AWS Identity and Access Management (IAM) 角色

   下图显示了 “执行 AI” 提示链接的工作流程图 Bedrock示例项目：

   

5. 选择使用模板继续进行选择。

后续步骤取决于您之前的选择：

1. 运行演示 — 您可以先查看状态机，然后再使用部署的资源创建只读项目 AWS CloudFormation 给你的 AWS 账户.

   您可以查看状态机定义，准备就绪后，选择 “部署并运行” 来部署项目并创建资源。

   部署最多可能需要 10 分钟才能创建资源和权限。您可以使用堆栈 ID 链接来监控进度 AWS CloudFormation.

   部署完成后，您应该会在控制台中看到您的新状态机。

2. 在此基础上再接再厉 — 您可以查看和编辑工作流程定义。在尝试运行自定义工作流程之前，您可能需要为示例项目中的占位符设置值。

注意

部署到您的账户的服务可能会收取标准费用。

第 2 步：运行状态机

1. 在状态机页面上，选择您的示例项目。

2. 在示例项目页面上，选择启动执行。

3. 在启动执行对话框中，执行以下操作：

   1. （可选）输入自定义执行名称以覆盖生成的默认执行名称。

      非ASCII姓名和日志

      Step Functions 接受状态机、执行、活动和包含非ASCII字符的标签的名称。由于此类字符不适用于亚马逊 CloudWatch，因此我们建议您仅使用ASCII字符，以便您可以跟踪中的指标 CloudWatch。

   2. （可选）在 “输入” 框中，将输入值输入为JSON。如果您正在运行演示，则可以跳过此步骤。

   3. 选择启动执行。

   Step Functions 控制台将引导您进入执行详情页面，您可以在图表视图中选择状态以浏览步骤详细信息窗格中的相关信息。