生成并审阅客服回复，验证事件摘要，并为 Python 应用添加有边界的 Bedrock 请求。
三个引导式实验从 CLI 请求逐步推进到有明确边界的应用。独立挑战要求你修复无效响应处理，同时保留可用摘要。
你将学到什么
- 选择可用的文本模型，通过 AWS CLI 发送 Converse 请求
- 完善 system 指令，根据给定事实审阅生成内容
- 查看 token 用量、完成原因和输出限额
- 使用 boto3 生成 JSON 摘要并验证字段
- 在请求前拒绝过长输入，使用有限等待和单次尝试处理服务故障或超时
- 修复响应处理器，同时保留真实推理路径
适合哪些学习者
本课程适合希望把生成文本接入一个小型、可观察应用的初学者。
前置知识：基本 Terminal 命令和文本文件操作；建议了解 AWS Foundations 和基本 IAM 概念。文档和应用单元还需要 Python 入门知识。建议按顺序学习，因为挑战会用到前三个实验的请求与验证概念。
学习环境：使用提供的浏览器 LabEx Linux VM。Terminal 运行官方 AWS CLI 和 boto3；上方 AWS View 显示实际请求结果、用量和已观察到的剩余额度。工具与连接已准备好，无需个人 AWS 账户或访问密钥。每个单元都独立启动，拥有自己的输入、身份和匿名额度。只使用给定的合成数据。
常见问题
流畅或符合 schema 的回答能证明事实吗？
不能。根据给定工单或文档审阅回复与摘要。有效 JSON 证明的是结构，并不证明调查已开始、退款已发生或后续测试已完成。
输出限额控制什么？
maxTokens 限制生成输出，不限制输入字符数或整个请求耗时。应用另行检查文档长度，设置有限的连接与读取等待，并禁用自动重试。检查 stopReason；max_tokens 可能意味着文本不完整。
为什么有 token 用量，但 credits 没减少？
重复请求可能复用缓存中的模型结果。Credits 按观察到的模型特定消耗计算；输出限额不定义统一的 token 价格。用量不确定的请求可能保留预留额度，因此重试前先检查错误。
课程包含哪些功能？
文本 Converse、明确的 system 指令、返回用量、JSON 验证，以及有明确边界的同步应用请求。流式输出、图像、Agents、Knowledge Bases 和生产服务部署不在本课程范围内。
清理后会保留什么？
引导式实验明确列出要删除的本地输出；应用实验和挑战保留工作源码及测试样例。这里的 Converse 不创建持久服务器或数据库。删除文件不会退还已消耗的 credits，也不需要前一个 VM 的文件或凭据。
