# 管理資料集
<a name="datasets-manage"></a>

本主題涵蓋建立、擷取、列出、更新和刪除資料集。

## 建立資料集
<a name="datasets-create"></a>

`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](datasets-encryption.md))、`tags`。

下列範例示範如何建立資料集：

**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
   ```

   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`。

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**  
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。

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
   ```

## 取得資料集
<a name="datasets-get"></a>

`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：

**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
   ```

## 列出資料集
<a name="datasets-list"></a>

`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：

**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
   ```

## 更新資料集
<a name="datasets-update"></a>

`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：

**Example**  

1. 若要使用 AgentCore CLI 更新資料集，請直接編輯`agentcore.json`檔案中的資料集組態，然後重新部署：

   ```
   agentcore deploy
   ```

   開啟 `agentcore.json`，在`datasets`陣列中尋找資料集，修改其 `description`，然後執行 `agentcore deploy`。變更會在部署後生效。
**注意**  
從 AgentCore 專案目錄 （使用 建立） 內執行此操作`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"
   ```

## 刪除資料集
<a name="datasets-delete"></a>

`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：

**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
   ```