genai-bedrock-agent-chatbot 的安装和配置教程
项目基础介绍
genai-bedrock-agent-chatbot 是一个使用 Amazon Bedrock 服务构建的开源聊天机器人应用程序。该项目通过 Amazon Bedrock 的 KnowledgeBase 和 Agent 组件,实现了对自然语言的理解和复杂数据集的处理。这个聊天机器人能够将自然语言转换为 Amazon Athena 查询,并处理和利用复杂的数据集。项目主要使用 Python 编程语言。
项目使用的关键技术和框架
- Amazon Bedrock: 包括 KnowledgeBase 和 Agent 组件,用于自然语言处理和任务执行。
- AWS CDK (Cloud Development Kit): 用于定义和部署 AWS 资源。
- Docker: 容器化技术,用于构建可移植的应用程序环境。
- Streamlit: 用于快速构建数据密集型的 web 应用程序。
- LLamaIndex: 开源工具,用于增强系统的数据处理和检索能力。
安装和配置准备工作
在开始安装之前,请确保您已经完成了以下准备工作:
-
安装 Docker。
-
安装 AWS CDK Toolkit (版本 2.114.1 或更高) 并配置 AWS 账户。
-
安装 Python (版本 3.11 或更高)。
-
确保您的 AWS 账户已经启用了 Claude 模型和 Titan Embedding 模型访问权限。
-
创建一个
.env文件,包含以下内容,并放置在code/streamlit-app目录下:ACCOUNT_ID=<您的账户ID> AWS_REGION=<您的区域> LAMBDA_FUNCTION_NAME=invokeAgentLambda
安装步骤
-
克隆项目到本地:
git clone https://github.com/awslabs/genai-bedrock-agent-chatbot.git cd genai-bedrock-agent-chatbot -
在项目目录中,创建 Python 虚拟环境并激活:
对于 MacOS 和 Linux 用户:
python3 -m venv .venv source .venv/bin/activate对于 Windows 用户:
.\.venv\Scripts\activate.bat -
安装项目依赖:
pip install -r requirements.txt -
合成 CloudFormation 模板:
cdk synth -
如果是首次在特定账户和区域运行 CDK,需要初始化:
cdk bootstrap -
部署 CDK:
cdk deploy请注意,首次部署可能会需要一些时间来构建 Docker 镜像。
-
部署完成后,可以在 CloudFormation 控制台验证状态,并通过 CloudFormation 输出的 URL 测试聊天机器人。
-
若要删除 CDK 以避免未来产生费用,可以使用以下命令:
cdk destroy并确保手动删除 CDK 生成的 S3 桶,以避免产生额外费用。
以上就是 genai-bedrock-agent-chatbot 的详细安装和配置指南。按照上述步骤操作,您应该能够成功部署并运行聊天机器人应用程序。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00