amazon-bedrock-samples

官方示例,快速上手 Bedrock 全家桶

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 搜索知识 🍴 复刻 750 🐛 待处理 138 👀 关注 31
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1532
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源示例仓库,全部免费,需自行部署使用。

项目预览

amazon-bedrock-samples 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队aws-samples
定价模式🏷️完全免费
价格说明开源示例仓库,全部免费,需自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT-0
主要语言Jupyter Notebook
技术栈/模型amazon-bedrock,amazon-titan,bedrock,embeddings,generative-ai,knowledge-base,langchain,rag
GitHub 星标★ 1532
上线时间2023-07-05 00:00:00
代码更新2026-10-22
仓库体积1.13 GB
本站数据更新2026-11-09
维护状态较活跃
收录时间2026-08-09
浏览次数8

项目介绍

amazon-bedrock-samples 是亚马逊官方提供的 Amazon Bedrock 服务示例代码仓库,包含大量 Jupyter Notebook 示例,覆盖所有可用的基础模型(如 Claude、Llama、Titan 等)。它帮助开发者快速上手 Bedrock,解决如何调用模型、构建生成式 AI 应用、实现 RAG、Agent 等场景的问题。核心能力包括:模型调用示例、提示词工程、多模态处理、知识库集成、安全与评估等。通过真实可运行的代码,降低学习门槛,加速原型验证。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1532

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 10 分钟 部署方式:本地安装 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 一个可用的 AWS 账号,并已开通 Amazon Bedrock 服务访问权限
  • 本地安装 git,可访问 GitHub 克隆仓库
  • 能阅读各子目录 README 并按其中说明准备运行环境

安装与启动步骤

  1. 1开通 Bedrock 访问

    README 要求先确保你拥有 Amazon Bedrock 的访问权限,需在 AWS 控制台为所需基础模型申请访问权限。

  2. 2克隆示例仓库

    把官方示例仓库克隆到本地,README 明确给出的第一步就是 clone this repo。

    git clone https://github.com/aws-samples/amazon-bedrock-samples.git
  3. 3进入目标子目录

    仓库按主题分目录(如 introduction-to-bedrock、rag、agents-and-function-calling),进入你需要的那个目录。

    cd amazon-bedrock-samples
  4. 4阅读子目录说明

    README 说明详细安装与运行步骤在各文件夹自己的 README 里,请以该文件为准再运行示例。

  5. 5浏览在线文档

    也可通过官方站点按主题导航查看示例,README 首行推荐使用该网站。

如何确认成功

能在仓库中看到 introduction-to-bedrock、rag 等主题目录,并打开其中的示例文件,即说明克隆成功。

常见问题

Q:没有 AWS 账号能用这个仓库吗?

A:不能。README 要求先拥有 Amazon Bedrock 访问权限,需要 AWS 账号并在控制台申请对应模型的访问权限后才能运行示例。

Q:需要 pip install 哪些依赖?

A:仓库根目录 README 未统一给出依赖安装命令,具体依赖和安装方式写在各子目录的 README 中,请进入对应目录查看。

Q:从哪里开始学比较好?

A:按 README 推荐可先访问 https://aws-samples.github.io/amazon-bedrock-samples/ 网站,或从 introduction-to-bedrock 目录入门。

注意事项

  • 本仓库是官方示例代码集合,本身不提供统一的安装脚本或部署命令。
  • 各主题目录内容独立,运行环境与依赖按该目录 README 准备。
  • 使用前请确认已在 AWS 侧为所需基础模型开通访问权限。

核心亮点

  • 覆盖所有 Bedrock 模型,示例丰富
  • 官方维护,与 API 同步更新
  • 包含 RAG、Agent 等高级场景代码

不足之处

  • 依赖 AWS 账号和 Bedrock 服务,非本地可跑
  • 示例多为 Notebook,工程化封装不足

适用场景

  • 快速验证 Bedrock 模型能力
  • 学习 RAG 和 Agent 构建范式
  • 作为企业 AI 应用的参考实现

替代项目

langchain、llama-index、ollama

同类项目推荐

AIGC-progress 开源

一张清单,跟上AIGC所有热点模型与应用

Follow the rapid development of AIGC models and applications. | 跟上AIGC模型和应用快···

★ 80 2026-08-09
MiniMax-01 开源

线性注意力大模型,超长上下文轻松跑

The official repo of MiniMax-Text-01 and MiniMax-VL-01, large-language-model & visio···

★ 3470 2026-08-09
Awesome-LLM4Graph-Papers 开源

一页览尽 LLM 与图数据交叉研究,快速定位关键论文

[KDD'2024] "LLM4Graph: A Survey of Large Language Models for Graphs"

★ 369 2026-08-09
Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
Ovis 开源

让视觉与语言无缝对齐,构建更强多模态大模型。

A novel Multimodal Large Language Model (MLLM) architecture, designed to structurall···

★ 1538 2026-08-09
cambrian 开源

让多模态模型更懂图像细节,提升视觉理解与推理能力

Cambrian-1 is a family of multimodal LLMs with a vision-centric design.

★ 2013 2026-08-09
Wuerstchen 开源

用更少算力训练出高质量文生图模型

Official implementation of Würstchen: Efficient Pretraining of Text-to-Image Models

★ 552 2026-08-09
Qwen 开源

下载即用的中文大模型,多尺寸可选,轻松落地各类场景。

The official repo of Qwen (通义千问) chat & pretrained large language model proposed···

★ 22017 2026-08-09