本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
使用 執行範例 Amazon Bedrock API請求 AWS Command Line Interface
本節會引導您使用 來測試您的許可和身分驗證是否已正確設定 AWS CLI ,在 Amazon Bedrock 中嘗試一些常見的操作。在您執行下列範例之前,您應該檢查您是否符合下列先決條件:
先決條件
-
您有 AWS 帳戶 和具有身分驗證設定的使用者或角色,以及 Amazon Bedrock 的必要許可。否則,請遵循 中的步驟 API 入門。
-
您已請求存取 Amazon Titan Text G1 - Express 模型。否則,請遵循 中的步驟請求存取 Amazon Bedrock 基礎模型。
-
您已安裝並設定 的身分驗證 AWS CLI。若要安裝 CLI,請遵循安裝 或更新至最新版本 AWS CLI 中的步驟。CLI 請遵循 中的步驟,確認您已設定登入資料來使用 取得憑證以授予程式設計存取。
測試您的許可是否已針對 Amazon Bedrock 正確設定,並使用您透過適當許可設定的使用者或角色。
列出 Amazon Bedrock 必須提供的基礎模型
下列範例使用 Amazon Bedrock 端點執行 ListFoundationModels操作。 ListFoundationModels
會列出您區域中 Amazon Bedrock 中可用的基礎模型 (FMs)。在終端機中,執行下列命令:
aws bedrock list-foundation-models --region us-east-1
如果命令成功,回應會傳回 Amazon Bedrock 中可用的基礎模型清單。
將文字提示提交至模型,並使用 產生文字回應 InvokeModel
下列範例使用 Amazon Bedrock 執行期端點執行 InvokeModel操作。 InvokeModel
可讓您提交提示以產生模型回應。在終端機中,執行下列命令:
aws bedrock-runtime invoke-model \ --model-id amazon.titan-text-express-v1 \ --body '{"inputText": "Describe the purpose of a \"hello world\" program in one line.", "textGenerationConfig" : {"maxTokenCount": 512, "temperature": 0.5, "topP": 0.9}}' \ --cli-binary-format raw-in-base64-out \ invoke-model-output-text.txt
如果命令成功,模型產生的回應會寫入 invoke-model-output-text.txt
檔案。文字回應會在 outputText
欄位中傳回,以及隨附的資訊。
將文字提示提交至模型,並使用 Converse 產生文字回應
下列範例使用 Amazon Bedrock 執行時間端點執行 Converse 操作。 Converse
可讓您提交提示以產生模型回應。我們建議在支援InvokeModel
時使用 Converse
操作,因為它會統一跨 Amazon Bedrock 模型的推論請求,並簡化多轉對話的管理。在終端機中,執行下列命令:
aws bedrock-runtime converse \ --model-id amazon.titan-text-express-v1 \ --messages '[{"role": "user", "content": [{"text": "Describe the purpose of a \"hello world\" program in one line."}]}]' \ --inference-config '{"maxTokens": 512, "temperature": 0.5, "topP": 0.9}'
如果命令成功,則 欄位中會傳回模型產生的回應text
,以及隨附的資訊。