generative-ai-use-cases

在 AWS 上快速落地安全的生成式 AI 业务应用

generative-ai-use-cases 是一个基于 AWS 和 Amazon Bedrock 的生成式 AI 应用实现集合，旨在帮助企业安全地将生成式 AI 融入业务流程。项目提供了多个可运行的业务用例，涵盖聊天机器人、图像生成、文档处理等场景，并集成了 Claude、Llama、DeepSeek 等主流大模型。它解决了企业在实际部署生成式 AI 时面临的架构复杂、安全合规、模型选择等难题，通过预构建的 TypeScript 应用模板和 Lambda 函数，让开发者能够快速上手并定制。核心能力包括：多模型支持、安全防护机制、模块化设计，以及完整的部署文档。项目处于成长阶段，适合希望快速验证生成式 AI 业务价值的团队。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1388

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队aws-samples

所属国家

官网地址https://aws-samples.github.io/generative-ai-use-cases/en

GitHubhttps://github.com/aws-samples/generative-ai-use-cases

定价模式free

价格说明开源项目，提供在线演示网站，可免费使用，无付费版本。

访问状态

是否开源是

开源协议MIT-0

主要语言TypeScript

技术栈/模型aws,bedrock,chatbot,claude,claude3,claude4,command-r,deepseek-r1,generative-ai,image-generation,lambda,llama3,llm,mistral,nova,rag,react,sagemaker,typescript

GitHub 星标★ 1388

30天Star增速

HF 下载量

上线时间2023-08-17 00:00:00

最近更新2026-09-20 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：高级约 30 分钟部署方式：云服务 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 账户（项目基于 AWS 与 Amazon Bedrock 构建）
已在 Amazon Bedrock 中开通所需大模型（如 Claude、Llama、DeepSeek 等）的访问权限
本地具备 Git 环境用于克隆仓库
可访问项目部署文档 docs/en/DEPLOY_OPTION.md（README 中多次引用该文档作为完整部署说明）

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 aws-samples/generative-ai-use-cases 源码到本地，后续所有配置与部署均在该目录下进行。
```
git clone https://github.com/aws-samples/generative-ai-use-cases.git
```
2阅读部署文档

README 明确说明完整部署选项与参数均在 docs/en/DEPLOY_OPTION.md 中，务必先按该文档操作，README 本身不含安装命令。
3确定使用场景

按 README 的 GenU Usage Patterns 选择要启用的用例，如 Chat、文本生成、摘要、会议纪要、翻译、图像生成、视频生成、图表生成、语音聊天等。
4按需启用 RAG 与 Agent

如需 RAG Chat，可选择 Amazon Kendra 或 Knowledge Base 作为数据源；如需智能体，按文档启用 Agent Chat 或导入自建 Agent。
5配置 MCP 外部服务

若要让 RAG 引用 AWS 之外的数据，可启用 MCP chat 并在 packages/cdk/mcp-api/mcp.json 中加入外部服务的 MCP server。

关键配置

配置项	必填	说明	示例
`packages/cdk/mcp-api/mcp.json`	否	MCP 聊天配置文件，用于添加外部服务的 MCP server，让 RAG 引用 AWS 之外的数据	`packages/cdk/mcp-api/mcp.json`
`隐藏指定用例选项`	否	按照 DEPLOY_OPTION.md 的 Hiding specific use cases 章节配置，可隐藏不需要的用例	`参见 docs/en/DEPLOY_OPTION.md`
`Agent Chat 开关`	否	启用后会自动创建 Web Search Agent 与 Code Interpreter Agent	`参见 docs/en/DEPLOY_OPTION.md`

如何确认成功

README 未给出启动成功的验证方法，请以 docs/en/DEPLOY_OPTION.md 中的部署完成提示与访问方式为准。

常见问题

Q：README 里有安装命令吗？

A：没有。README 主要介绍使用场景与功能，安装与部署步骤全部指向 docs/en/DEPLOY_OPTION.md，请以该文档为准。

Q：需要自己准备大模型吗？

A：项目基于 Amazon Bedrock，需要使用 Bedrock 上提供的模型，如 Claude、Llama、DeepSeek 等，无需自行部署模型权重。

Q：支持哪些语言界面？

A：自 v4 起 GenU 支持多语言，仓库内提供英文、日文、韩文版 README。

Q：RAG 支持哪些数据源？

A：支持 Amazon Kendra 和 Knowledge Base 两类；Knowledge Base 还支持高级解析、分块策略选择、查询分解与重排序。

Q：能否使用已有的 Kendra 资源？

A：可以，文档中说明可直接使用手动创建的 S3 Bucket 或 Kendra Index。

注意事项

本教程的步骤依据 README 节选推断，README 未包含具体安装命令，实际部署请严格遵循 docs/en/DEPLOY_OPTION.md。
启用 Agent Chat 时会自动创建 Web Search Agent 和 Code Interpreter Agent，涉及额外 AWS 资源。
项目提供丰富的安全相关设置与 SAML 认证选项，企业落地前建议先阅读安全章节。

核心亮点

预置多个真实业务场景代码，如聊天机器人和图像生成，可直接参考或二次开发
深度集成 Amazon Bedrock，支持 Claude、Llama、DeepSeek 等多种模型，灵活切换
内置安全与合规设计，符合企业级应用要求，降低生产环境风险

不足之处

依赖 AWS 生态，迁移到其他云平台成本较高
文档/社区待观察

适用场景

企业快速搭建基于大模型的内部知识库问答系统
利用生成式 AI 自动化生成营销图像或产品设计图
在 AWS 上构建安全的客服聊天机器人，处理客户咨询

替代项目

langchain、haystack、flowise

项目介绍

generative-ai-use-cases 是行业应用领域的开源项目，由 aws-samples 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,388）位列前 30%，在行业应用分类中处于中上游。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-20。提供在线演示网站，可免费使用，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：企业快速搭建基于大模型的内部知识库问答系统。同类可对比的替代方案包括 langchain、haystack、flowise。

上一篇：awesome-generative-ai-apps

下一篇：Medical_Image_Analysis