處理 API 回應與錯誤

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

本練習屬於課程

Amazon Bedrock 入門

SkillTag.level.intermediateSkillTag.label

4.8+

學習 Amazon Bedrock 的基礎觀念，這是 AWS 全代管的基礎模型服務。從基本的設定與驗證開始，探索可用的基礎模型（如 Claude 與 Titan），並熟悉重要的 API 互動。本章將帶你完成開發環境設定、為使用情境選擇合適的模型，以及正確處理 API 請求，包括串流回應與錯誤管理。

Exercise 1: 存取 Amazon Bedrock Exercise 2: 初始化 Bedrock 用戶端 Exercise 3: 擷取 Bedrock 模型詳細資訊 Exercise 4: 選擇基礎模型 Exercise 5: 在 Bedrock 中使用正確的模型 Exercise 6: 在 Bedrock 產生文字

在本章中，你會依序完成三個重點課程。先從文字生成與回應處理的基礎開始，接著進階到提示工程技巧，如少量範例學習與結構化輸出。最後一課涵蓋模型參數最佳化，教你微調如 temperature 與 token 上限等設定，以取得最佳結果。每一課都在前一課之上往前推進，從基本的 API 互動一路到為特定情境進行進階參數控制。

Exercise 1: 使用語言模型產生文字 Exercise 2: 用角色設定增強提示詞 Exercise 3: 處理模型回應與錯誤處理 Exercise 4: 基礎模型報告分類 Exercise 5: 應用提示工程技巧 Exercise 6: 為幾何實作 few-shot learning Exercise 7: 建立結構化輸出提示 Exercise 8: 運用不同的模型參數 Exercise 9: 用 temperature 控制調整創意程度 Exercise 10: 使用 top_p 與 max_tokens 控制輸出

本章將帶你用 Amazon Bedrock 建置穩健且負責任的應用程式，超越基本的 API 互動。從對話式 AI 開始，你會掌握狀態管理與脈絡處理，打造連貫的聊天體驗。接著你將探索進階提示技巧，學會在維持一致風格與語氣下生成多元內容類型。本章也涵蓋上線部署的關鍵面向，如錯誤處理、頻率限制與高效率的回應處理。最後，你會實作道德防護與安全機制，確保你的 AI 應用既強大又負責任。

Exercise 1: 倫理考量與防護規範 Exercise 2: 產品評論審核 Exercise 3: 建立適齡內容過濾器 Exercise 4: 管理 AI 對話 Exercise 5: 建立對話管理類別 Exercise 6: 讓對話具備記憶能力 Exercise 7: 進階提示策略 Exercise 8: 實作 chain-of-thought 提示 Exercise 9: 使用 Bedrock 產生具風格的一致內容 Exercise 10: 處理 API 回應與錯誤

當前練習

Exercise 11: 實作流量限制處理 Exercise 12: 實作模型備援機制 Exercise 13: 恭喜你！