Официальные примеры кода Amazon Bedrock для базовых моделей, агентов и RAG.
Готовые Jupyter Notebooks для создания генеративных ИИ-приложений на AWS Bedrock
Этот репозиторий предоставляет эталонные реализации для взаимодействия с базовыми моделями Amazon Bedrock с использованием Jupyter Notebooks. Он подходит разработчикам и инженерам по искусственному интеллекту, создающим рабочие нагрузки для production на AWS.
Он содержит модульные примеры кода, охватывающие промпт-инжиниринг, агентов генеративного ИИ, импорт пользовательских моделей и обработку мультимодальных данных. Вы также получаете конкретные реализации для RAG, встраивания (embeddings) и наблюдаемости моделей.
Он подходит для разработчиков AWS и инженеров по машинному обучению, внедряющих функции базовых моделей в приложения. Он не подходит командам, ищущим готовое SaaS-приложение, или тем, кто не использует экосистему AWS.
Примеры ноутбуков для всех доступных базовых моделей на Bedrock.
Примеры, показывающие создание агентов генеративного ИИ и вызов функций.
Руководства и код для реализации рабочих процессов Retrieval-Augmented Generation.
Пути перехода от концептуального проекта (POC) к рабочим нагрузкам production.
Код репозитория бесплатен для использования в рамках лицензии, но запуск примеров требует активной учетной записи AWS, где вы платите стандартные комиссионные за вызовы базовых моделей Amazon Bedrock.
877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Эти проверенные ИИ-инструменты делают то же самое мгновенно — из нашего оценённого каталога.
Вам нужна среда Jupyter, например Amazon SageMaker notebooks или самостоятельно управляемый notebook, а также Python и учетные данные AWS.
Да, ваша AWS IAM-идентичность должна иметь явные разрешения для вызова сервиса Amazon Bedrock.
Zekai первым в Google