管理数据集

本主题介绍创建、检索、列出、更新和删除数据集。

创建数据集

CreateDatasetAPI 会创建一个新的评估数据集。这是一种异步操作 (HTTP 202) — 提取ACTIVE完成后CREATING，数据集将从变为。

必填参数：datasetName（仅限字母数字和下划线、^[a-zA-Z][a-zA-Z0-9_]{0,47}$）schemaType、和source（行内示例或 S3 URI）。

可选参数：description，kmsKeyArn（客户管理的加密密钥，创建后不可变——参见数据集加密）、。tags

以下示例说明如何创建数据集：

例

AgentCore CLI


# Add a dataset to your project
agentcore add dataset --name my_eval_dataset \
    --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1

# Edit the generated JSONL file with your scenarios
# File location: agentcore/datasets/my_eval_dataset.jsonl

# Deploy to create the dataset in your AWS account
agentcore deploy

这将创建一个本地 JSONL 文件并在您的项目配置中注册该数据集。运行agentcore deploy以创建数据集资源并将示例同步到服务。

注意

在 AgentCore 项目目录（使用创建agentcore create）中运行它。

AgentCore SDK


from bedrock_agentcore.evaluation import DatasetClient

client = DatasetClient(region_name="us-west-2")

# Create with inline examples (polls until ACTIVE)
ds = client.create_dataset_and_wait(
    datasetName="customer_support_scenarios",
    schemaType="AGENTCORE_EVALUATION_PREDEFINED_V1",
    source={
        "inlineExamples": {
            "examples": [
                {
                    "scenario_id": "TC-01",
                    "turns": [{"input": "What is my balance?", "expected_response": "Your balance is $50."}],
                    "assertions": ["Response includes a dollar amount"],
                }
            ]
        }
    },
)
print(f"Dataset ID: {ds['datasetId']}, Status: {ds['status']}")

# Create with S3 source
ds = client.create_dataset_and_wait(
    datasetName="my_s3_dataset",
    schemaType="AGENTCORE_EVALUATION_PREDEFINED_V1",
    source={"s3Source": {"s3Uri": "s3://my-bucket/scenarios.jsonl"}},
)

注意

对于 S3 提取，JSONL 文件中的每一行都必须包含一个字段。exampleId必须能够使用调用者的凭据访问 S3 存储桶。

AWS SDK


import boto3
import time

client = boto3.client('bedrock-agentcore-control')

response = client.create_dataset(
    datasetName='customer_support_scenarios',
    schemaType='AGENTCORE_EVALUATION_PREDEFINED_V1',
    source={
        'inlineExamples': {
            'examples': [
                {
                    'scenario_id': 'TC-01',
                    'turns': [{'input': 'What is my balance?', 'expected_response': 'Your balance is $50.'}],
                    'assertions': ['Response includes a dollar amount'],
                }
            ]
        }
    }
)
dataset_id = response['datasetId']

# Create with S3 source
response = client.create_dataset(
    datasetName='my_s3_dataset',
    schemaType='AGENTCORE_EVALUATION_PREDEFINED_V1',
    source={
        's3Source': {'s3Uri': 's3://my-bucket/scenarios.jsonl'}
    }
)

# Poll until ACTIVE
while True:
    ds = client.get_dataset(datasetId=dataset_id)
    if ds['status'] in ('ACTIVE', 'CREATE_FAILED'):
        break
    time.sleep(2)

AWS CLI


# Create with inline examples
aws bedrock-agentcore-control create-dataset \
    --dataset-name "customer_support_scenarios" \
    --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1 \
    --source '{"inlineExamples": {"examples": [{"scenario_id": "TC-01", "turns": [{"input": "What is my balance?", "expected_response": "Your balance is $50."}], "assertions": ["Response includes a dollar amount"]}]}}'

# Create with S3 source
aws bedrock-agentcore-control create-dataset \
    --dataset-name "my_s3_dataset" \
    --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1 \
    --source '{"s3Source": {"s3Uri": "s3://my-bucket/scenarios.jsonl"}}'

# Poll until ACTIVE
aws bedrock-agentcore-control get-dataset \
    --dataset-id my-dataset-id

获取数据集

GetDatasetAPI 检索数据集元数据、状态、示例计数以及数据集内容的预签名下载网址。默认情况下，读取草稿；datasetVersion为已发布版本指定。

downloadUrl是完整dataset.jsonl文件的预签名 S3 网址。您可以使用不带身份验证标头的纯 HTTP GET 请求下载它。

以下示例说明如何获取数据集：

例

AgentCore CLI


# Show dataset deployment status and metadata
agentcore status --type dataset

# Download dataset content to your local JSONL file (default: Draft)
agentcore dataset download --name my_eval_dataset

# Download a specific published version
agentcore dataset download --name my_eval_dataset --version 1

AgentCore SDK


from bedrock_agentcore.evaluation import DatasetClient

client = DatasetClient(region_name="us-west-2")

# Get dataset (default: Draft)
ds = client.get_dataset(datasetId="my-dataset-id")
print(f"Status: {ds['status']}, Examples: {ds['exampleCount']}")
print(f"Download URL: {ds['downloadUrl']}")

# Get a specific published version
ds_v1 = client.get_dataset(datasetId="my-dataset-id", datasetVersion="1")

AWS SDK


import boto3

client = boto3.client('bedrock-agentcore-control')

response = client.get_dataset(datasetId='my-dataset-id')
print(f"Status: {response['status']}, Examples: {response['exampleCount']}")

# Download the dataset content via presigned URL
if 'downloadUrl' in response:
    import requests
    data = requests.get(response['downloadUrl'])
    print(data.text)

# Get a specific published version
response = client.get_dataset(datasetId='my-dataset-id', datasetVersion='1')

AWS CLI


# Get dataset (default: Draft)
aws bedrock-agentcore-control get-dataset \
    --dataset-id my-dataset-id

# Get a specific published version
aws bedrock-agentcore-control get-dataset \
    --dataset-id my-dataset-id \
    --dataset-version 1

列出数据集

ListDatasetsAPI 会返回您的账户和地区中数据集的分页列表。

以下示例说明如何列出数据集：

例

更新数据集

UpdateDatasetAPI 更新数据集元数据。这是一个同步操作 (HTTP 200)。仅description且tags可以更新。 datasetName、schemaType、和kmsKeyArn在创建之后是不可变的。

数据集必须处于ACTIVEUPDATE_FAILED、或CREATE_FAILED状态。

以下示例说明如何更新数据集元数据：

例

删除数据集

DeleteDatasetAPI 会删除数据集。这是一个异步操作 (HTTP 202)。

完全删除（省略datasetVersion）：删除所有版本、草稿和数据集记录。
Version-specific 删除（指定datasetVersion为整数）：仅删除已发布的版本。

数据集必须处于ACTIVECREATE_FAILED、UPDATE_FAILED、或DELETE_FAILED状态。

注意

仅接受整数版本号进行版本特定的删除。

以下示例说明如何删除数据集：

例

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

数据集架构

管理示例