Erzeuge und prüfe Supportantworten, validiere Vorfallzusammenfassungen und ergänze eine Python-Anwendung um begrenzte Bedrock-Anfragen.
Drei angeleitete Labs führen von einer CLI-Anfrage zu einer Anwendung mit klaren Grenzen. In einer eigenständigen Challenge reparierst du die Behandlung ungültiger Antworten und erhältst dabei nutzbare Zusammenfassungen.
Was du lernen wirst
- Das verfügbare Textmodell auswählen und mit AWS CLI eine Converse-Anfrage senden
- Systemanweisungen präzisieren und erzeugte Aussagen mit den vorgegebenen Fakten vergleichen
- Tokenverbrauch, Abschlussgründe und Ausgabelimits prüfen
- Mit boto3 eine JSON-Zusammenfassung erzeugen und ihre Felder validieren
- Zu lange Eingaben ablehnen und Dienstfehler oder Zeitüberschreitungen mit endlichen Wartezeiten und einem Versuch behandeln
- Eine Antwortverarbeitung reparieren, ohne tatsächliche Inferenz zu verhindern
Für wen dieser Kurs gedacht ist
Für Anfänger, die erzeugten Text in eine kleine, beobachtbare Anwendung einbinden möchten.
Voraussetzungen: grundlegende Terminal-Befehle und Textdateien; AWS Foundations und IAM-Grundwissen werden empfohlen. Die Dokument- und Anwendungseinheiten erfordern außerdem Python-Grundlagen. Folge der empfohlenen Reihenfolge: Die Challenge baut auf den Anfrage- und Validierungskonzepten der drei Labs auf.
Lernumgebung: Nutze die bereitgestellte LabEx-Linux-VM im Browser. Terminal führt die offizielle AWS CLI und boto3 aus; AWS View darüber zeigt tatsächliche Anfrageergebnisse, Verbrauch und beobachtetes Restkontingent. Werkzeuge und Verbindung sind vorbereitet; du brauchst kein persönliches AWS-Konto und keine Zugriffsschlüssel. Jede Einheit startet unabhängig mit eigenen Eingaben, eigener Identität und anonymem Kontingent. Verwende nur die bereitgestellten synthetischen Daten.
Häufig gestellte Fragen
Beweist eine flüssige oder schemakonforme Antwort die Fakten?
Nein. Vergleiche Antworten und Zusammenfassungen mit dem vorgegebenen Ticket oder Dokument. Gültiges JSON beweist Struktur, nicht dass eine Untersuchung begann, eine Erstattung erfolgte oder ein Folgetest abgeschlossen wurde.
Was steuert das Ausgabelimit?
maxTokens begrenzt die erzeugte Ausgabe, nicht Eingabezeichen oder Gesamtdauer. Die Anwendung prüft die Dokumentlänge separat, verwendet endliche Verbindungs- und Lesewartezeiten und deaktiviert automatische Wiederholungen. Prüfe stopReason: max_tokens kann unvollständigen Text bedeuten.
Warum werden Tokens angezeigt, ohne dass Credits sinken?
Eine wiederholte Anfrage kann ein gespeichertes Modellergebnis aus dem Cache nutzen. Credits folgen dem beobachteten modellabhängigen Verbrauch; Ausgabelimits definieren keinen universellen Tokenpreis. Eine ungewisse Anfrage kann reserviertes Kontingent behalten: Prüfe Fehler vor einem neuen Versuch.
Was umfasst der Kurs?
Textbasiertes Converse, explizite Systemanweisungen, zurückgemeldeten Verbrauch, JSON-Validierung und begrenzte synchrone Anfragen. Streaming, Bilder, Agents, Knowledge Bases und produktive Dienstbereitstellung gehören nicht zum Kursumfang.
Was bleibt nach dem Aufräumen?
Die Labs nennen die zu entfernenden lokalen Ausgaben; Anwendung und Challenge behalten funktionierenden Quellcode und Testfälle. Converse erstellt hier keinen dauerhaften Server oder eine Datenbank. Dateilöschung erstattet keine Credits. Dateien oder Zugangsdaten einer früheren VM sind nie Voraussetzung.
