运行 Amazon Bedrock Prompt 流程代码示例

注意

Amazon Bedrock Prompt 流程处于预览状态，可能会发生变化。

以下代码示例假设您已满足以下先决条件：

设置一个角色以获得 Amazon Bedrock 操作的权限。如果还没有，请参阅开始使用 Amazon Bedrock。
设置您的凭据以使用 AWS API。如果还没有，请参阅AWS API 入门。
创建服务角色以代表您执行与提示流程相关的操作。如果还没有，请参阅在 Amazon Bedrock 中为亚马逊 Bedrock Prompt 流程创建服务角色。

要试用 Amazon Bedrock Prompt 流程的一些代码示例，请选择与您选择的方法相对应的选项卡，然后按照以下步骤操作：

Python

使用带有以下节点的 Amazon Bedrock 代理构建时终端节点的CreateFlow请求（请求和响应格式以及字段详情参见链接）创建提示流：

输入节点。
一个带有内联定义提示的提示节点，它使用两个变量（genre和number）创建音乐播放列表。
返回模型完成的输出节点。

运行以下代码片段来加载 AWS SDK for Python (Boto3)，创建 Amazon Bedrock Agents 客户端，然后使用节点创建提示流（将该executionRoleArn字段替换为您为提示流创建ARN的服务角色的字段）：


# Import Python SDK and create client
import boto3

client = boto3.client(service_name='bedrock-agent')

# Replace with the service role that you created. For more information, see https://docs.aws.amazon.com/bedrock/latest/userguide/flows-permissions.html
FLOWS_SERVICE_ROLE = "arn:aws:iam::123456789012:role/MyPromptFlowsRole"

# Define each node

# The input node validates that the content of the InvokeFlow request is a JSON object.
input_node = {
    "type": "Input",
    "name": "FlowInput",
    "outputs": [
        {
            "name": "document",
            "type": "Object"
        }
    ]
}

# This prompt node defines an inline prompt that creates a music playlist using two variables.
# 1. {{genre}} - The genre of music to create a playlist for
# 2. {{number}} - The number of songs to include in the playlist
# It validates that the input is a JSON object that minimally contains the fields "genre" and "number", which it will map to the prompt variables.
# The output must be named "modelCompletion" and be of the type "String".
prompt_node = {
    "type": "Prompt",
    "name": "MakePlaylist",
    "configuration": {
        "prompt": {
            "sourceConfiguration": {
                "inline": {
                    "modelId": "amazon.titan-text-express-v1",
                    "templateType": "TEXT",
                    "inferenceConfiguration": {
                        "text": {
                            "temperature": 0.8
                        }
                    },
                    "templateConfiguration": { 
                        "text": {
                            "text": "Make me a {{genre}} playlist consisting of the following number of songs: {{number}}."
                        }
                    }
                }
            }
        }
    },
    "inputs": [
        {
            "name": "genre",
            "type": "String",
            "expression": "$.data.genre"
        },
        {
            "name": "number",
            "type": "Number",
            "expression": "$.data.number"
        }
    ],
    "outputs": [
        {
            "name": "modelCompletion",
            "type": "String"
        }
    ]
}

# The output node validates that the output from the last node is a string and returns it as is. The name must be "document".
output_node = {
    "type": "Output",
    "name": "FlowOutput",
    "inputs": [
        {
            "name": "document",
            "type": "String",
            "expression": "$.data"
        }
    ]
}

# Create connections between the nodes
connections = []

#   First, create connections between the output of the flow input node and each input of the prompt node
for input in prompt_node["inputs"]:
    connections.append(
        {
            "name": "_".join([input_node["name"], prompt_node["name"], input["name"]]),
            "source": input_node["name"],
            "target": prompt_node["name"],
            "type": "Data",
            "configuration": {
                "data": {
                    "sourceOutput": input_node["outputs"][0]["name"],
                    "targetInput": input["name"]
                }
            }
        }
    )

# Then, create a connection between the output of the prompt node and the input of the flow output node
connections.append(
    {
        "name": "_".join([prompt_node["name"], output_node["name"]]),
        "source": prompt_node["name"],
        "target": output_node["name"],
        "type": "Data",
        "configuration": {
            "data": {
                "sourceOutput": prompt_node["outputs"][0]["name"],
                "targetInput": output_node["inputs"][0]["name"]
            }
        }
    }
)

# Create the flow from the nodes and connections
response = client.create_flow(
    name="FlowCreatePlaylist",
    description="A flow that creates a playlist given a genre and number of songs to include in the playlist.",
    executionRoleArn=FLOWS_SERVICE_ROLE,
    definition={
        "nodes": [input_node, prompt_node, output_node],
        "connections": connections
    }
)

flow_id = response.get("id")

运行以下代码片段，使用适用于 Amazon Bedro ck 的 Amazon Bedrock 代理构建时终端节点 ListFlows发出请求（有关请求和响应格式以及字段详情，请参阅链接），列出您账户中的提示流，包括您刚刚创建的提示流：
```
client.list_flows()
```
使用适用于 Amazon Bedrock 的 Agents 构建时终端节点运行以下代码片段进行 GetFlow请求（有关请求和响应格式以及字段详情，请参阅链接），获取有关您刚刚创建的提示流的信息：
```
client.get_flow(flowIdentifier=flow_id)
```
准备好提示流程，以便应用工作草稿中的最新更改并准备好进行版本化。运行以下代码片段，使用适用于 Amazon Bedrock 的代理构建时终端节点发出PrepareFlow请求（请求和响应格式以及字段详情请参阅链接）：
```
client.prepare_flow(flowIdentifier=flow_id)
```
对提示流的工作草稿进行版本控制，以创建提示流的静态快照，然后通过以下操作检索有关该快照的信息：
1. 运行以下代码片段，使用适用于 Amazon Bedrock 的代理构建时终端节点发出CreateFlowVersion请求（请求和响应格式以及字段详情参见链接），从而创建版本：
```
response = client.create_flow_version(flowIdentifier=flow_id)
                                
flow_version = response.get("version")
```
2. 运行以下代码片段，使用适用于 Amazon Bedrock 的 Agents 构建时终端节点发出 ListFlowVersions请求（请求和响应格式以及字段详情参见链接），列出提示流程的所有版本：
```
client.list_flow_versions(flowIdentifier=flow_id)
```
3. 运行以下代码片段，使用适用于 Amazon Bedrock 的代理构建时终端节点发出 GetFlowVersion请求（有关请求和响应格式以及字段详情，请参阅链接），以获取有关版本的信息：
```
client.get_flow_version(flowIdentifier=flow_id, flowVersion=flow_version)
```
创建别名以指向您创建的提示流版本，然后通过以下操作检索有关该版本的信息：
1. 使用适用于 A mazon Bedrock 的代理构建时终端节点运行以下代码段来创建别名并将其指向您刚才创建的版本（CreateFlowAlias请求和响应格式以及字段详情参见链接）：
```
response = client.create_flow_alias(
    flowIdentifier="FLOW123456",
    name="latest",
    description="Alias pointing to the latest version of the flow.",
    routingConfiguration=[
        {
            "flowVersion": flow_version
        }
    ]
)

flow_alias_id = response.get("id")
```
2. 运行以下代码片段，使用适用于 A mazon Bedrock 的代理构建时终端节点ListFlowAliass发出请求（有关请求和响应格式以及字段详情，请参阅链接），列出提示流程的所有别名：
```
client.list_flow_aliases(flowIdentifier=flow_id)
```
3. 使用适用于 A mazon Bedrock 的 Agents 构建时终端节点运行以下代码片段进行 GetFlowAlias请求（有关请求和响应格式以及字段详情，请参阅链接），获取有关您刚刚创建的别名的信息：
```
client.get_flow_alias(flowIdentifier=flow_id, aliasIdentifier=flow_alias_id)
```

运行以下代码片段创建 Amazon Bedrock Agents 运行时客户端并调用流程。该请求在提示流中填写提示中的变量，并返回模型的响应，以便使用 Amazon Bedrock 代理运行时终端节点发出InvokeFlow请求（请求和响应格式以及字段详情参见链接）：


client_runtime = boto3.client('bedrock-agent-runtime')

response = client_runtime.invoke_flow(
    flowIdentifier=flow_id,
    flowAliasIdentifier=flow_alias_id,
    inputs=[
        {
            "content": {
                "document": {
                    "genre": "pop",
                    "number": 3
                }
            },
            "nodeName": "FlowInput",
            "nodeOutputName": "document"
        }
    ]
)

result = {}

for event in response.get("responseStream"):
    result.update(event)

if result['flowCompletionEvent']['completionReason'] == 'SUCCESS':
    print("Prompt flow invocation was successful! The output of the prompt flow is as follows:\n")
    print(result['flowOutputEvent']['content']['document'])

else:
    print("The prompt flow invocation completed because of the following reason:", result['flowCompletionEvent']['completionReason'])

响应应返回包含三首歌曲的流行音乐播放列表。

通过以下操作删除您创建的别名、版本和提示流：
1. 运行以下代码片段，使用适用于 Amazon Bedrock 的代理构建时终端节点发出DeleteFlowAlias请求（有关请求和响应格式以及字段详情，请参阅链接），从而删除别名：
```
client.delete_flow_alias(flowIdentifier=flow_id, aliasIdentifier=flow_alias_id)
```
2. 运行以下代码片段，使用适用于 Amazon Bedrock 的代理构建时终端节点发出DeleteFlowVersion请求（请求和响应格式以及字段详情参见链接），从而删除版本：
```
client.delete_flow_version(flowIdentifier=flow_id, flowVersion=flow_version)
```
3. 运行以下代码片段，使用适用于 Amazon Bedrock 的代理构建时终端节点发出DeleteFlow请求（有关请求和响应格式以及字段详情，请参阅链接），从而删除流程：
```
client.delete_flow(flowIdentifier=flow_id)
```

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

删除提示流

为您的用例自定义模型