资源介绍
视频数量：20个
总时长：2小时59分
课程介绍：
AWS Bedrock生成式AI实操入门
你有没有试过在浏览器里直接跟AI大模型聊天，聊完觉得不过瘾，想自己用代码把这种能力集成到项目里去？如果你对生成式AI感兴趣，又恰好在用AWS或者打算踏入AWS的世界，那么这门课就是为你准备的。
讲师Lukas是一名拥有全部官方AWS认证的高级开发人员，曾在国际团队里担任技术负责人，之前已经制作了大量关于AWS、Docker、Kubernetes、Terraform等技术的实操课程。这门课延续了他一贯的教学风格——没有花哨的幻灯片，全程鼠标操作AWS控制台，用最直接的方式带你摸清Amazon Bedrock的脉络。课程的总时长不到三小时，但每个环节都有动手操作，不是那种光讲概念的视频。
先说Bedrock到底是什么。简单讲，它是AWS推出的生成式AI服务平台，把多家厂商的大模型（包括Anthropic的Claude系列、Meta的Llama系列等）整合在同一个接口后面，让你不用操心模型部署、GPU采购、扩容这些底层麻烦事，直接通过API或者控制台就能用上。对于已经在AWS生态里的团队来说，这意味着可以很自然地把AI能力嵌入到现有应用中，不需要另外签合同、管理另一套账号体系，安全合规也直接沿用AWS那套，运维成本能省不少。
课程的第一部分会带你熟悉Bedrock的整体界面。AWS的控制台里其实藏了不少实用工具，很多人没注意到。比如Playground——这就是一个聊天测试台，选好模型、填好提示词，就能在网页上直接跟模型对话，完全不需要写一行代码。讲师会演示怎么在Model Catalog里浏览和比较不同模型的能力差异，讲解多模态输入具体怎么工作，也就是怎么同时把文本和图片传给模型处理。然后会专门花一整节课讲提示词工程：怎么从一个模糊的指令"写一些关于云计算的内容"，逐步进化成结构化、有明确角色设定、有输出格式约束的提示，让模型的回答质量产生质的飞跃。课程还会介绍Bedrock自带的Prompt Management功能，让你把调好的提示词模板统一存管起来，团队里不同项目可以复用。
光在网页里玩还不够过瘾。第二部分开始搭建Python项目。讲师先会在控制台里带你生成API密钥，特别区分了短期和长期两种密钥各自适用的场景——短期密钥跟当前控制台会话绑定、自动过期，适合本地快速实验；长期密钥可以设置过期日期和细粒度权限，适合跑生产应用。然后你在本地用Python写下第一个调用Bedrock的脚本，当终端第一次成功打印出模型返回内容的时候，那种感觉很实在。接下来会进阶到流式响应，让模型一边生成一边把文字吐给前端，用户不用再盯着空白屏幕等待。最后还会加上对话历史管理模块，让AI记住之前的交流内容，实现真正的多轮对话，不会聊两句就失忆。
第三部分是整门课最有分量的章节：知识库和RAG，也就是检索增强生成。这是当前企业把生成式AI落地的最主流模式——大模型虽然知识广博，但它不知道你公司内部的业务文档、产品手册、技术规范，强行问它就只能瞎编。而RAG的做法是先把你的资料喂给一个向量数据库做索引，当用户提问时，系统先从数据库里检索出最相关的几个文档片段，再把片段连同问题一起打包交给模型，让模型基于真实资料来回答。课程会演示怎么用Bedrock内置的知识库构建器，一步步走完整个流程：从上传文档、配置检索参数，到测试查询效果，最后写一个完整的Python应用把它跑通。除了知识库，还会讲到Bedrock的Agent功能，让AI不只回答问题，还能自主规划任务、调用外部工具、执行多步骤的复杂操作。
最后一部分是收尾，讲师会总结一些使用Bedrock的实战经验，帮你避开常见的坑，比如怎么控制调用成本、怎么处理模型的幻觉输出、怎么设计合理的降级策略。
适合谁来学？如果你已经有AWS基础，想知道生成式AI怎么跟现有架构对接，这门课的节奏刚刚好。如果你是完全的新手，连AWS账号都没开过，建议先补一下基础再来，这门课不会花时间讲IAM、EC2这些前置知识。Python部分要求你会基本语法读写就行，不需要多深的功底，因为讲师会把每一段代码都掰开揉碎讲清楚。
学完这门课，你对Bedrock的能力边界会有一个清晰的认识，知道哪些事情不用写代码就能在控制台里完成，哪些必须靠API编程来实现，也能独立搭建出一个带知识库的AI问答应用。对于想在简历上加一条"有生成式AI项目实战经验"的开发者来说，三个小时的时间投入，算是相当划算的一笔账。