使用 Amazon Bedrock 上的 Claude 3 将架构图转换为 CDK/Terraform 代码

已于 2024-07-09 23:29:23 修改
阅读量964 收藏 25
点赞数 18
文章标签： terraform 人工智能 云原生
于 2024-03-08 20:59:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/awschina/article/details/136572001
版权
本文探讨了如何利用AmazonBedrock上的Claude3Sonnet模型实现架构图与IaC工具如CDK和Terraform的结合，以提升基础设施配置和管理的效率，强调了自动化、一致性、版本控制和可审计性的重要性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

概述

在云原生领域，基础设施即代码 (IaC) 对于开发人员和 DevOps 团队来说是一种不可避免的实践。

最近，Amazon Bedrock 上线了 Claude 3 Sonnet 模型和这个模型的图像转文本能力。这无疑开启了一个新时代，也就是实现架构图与 IaC 工具的无缝融合，如亚马逊云科技云开发工具包 (CDK) 或 Terraform。 这篇博文将探讨如何使用 Amazon Bedrock 上的 Claude 3 Sonnet 来简化基础设施预配和管理流程。

亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中国开发者对接世界最前沿技术，观点，和项目，并将中国优秀开发者或技术推荐给全球云社区。如果你还没有关注/收藏，看到这里请一定不要匆匆划过，点这里让它成为你的技术宝库！

架构图

架构图以可视化方式呈现系统组件、各组件之间的关系以及应用程序或基础设施的整体结构，是团队成员之间沟通、协作和决策所依据的蓝图。但是，手动将架构图转换为代码非常耗时且容易出错，尤其是在复杂的环境中。

Amazon Bedrock 上的 Claude 3 Sonnet

Anthropic 推出的 Claude 3 系列新一代 AI 模型，迅速成为了热门话题。这个系列包括三种模型： Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku，是具有强大能力的新一代模型。 这个系列模型能够从图像中解析文本。在下面介绍的解决方案中，我们将要使用这个功能。Introducing the next generation of Claude \ Anthropic

在性能方面，对于大多数工作负载而言，Sonnet 模型可谓是全能选手。无论是输入还是输出，它都比 Anthropic 之前的 Claude 2 和 2.1 模型的速度要快，并且在人工智能水平上更胜一筹。除此之外，Claude 3 Sonnet 更易于控制，这意味着我们可以得到预测性更高、质量更佳的结果。真可谓双赢！

更可喜的事情

Amazon Bedrock 宣布支持 Anthropic Claude 3 系列。Amazon Bedrock adds Claude 3 Anthropic AI models

Amazon Bedrock 是一项全托管的服务，为生成式 AI 相关需求提供一站式解决方案。我们可以在 Amazon Bedrock 上选择使用 Anthropic 等一流人工智能公司提供的多款高性能基础模型。Amazon Bedrock 还提供其他很多功能，帮助我们轻松构建和扩展生成式 AI

最低0.47元/天 解锁文章
博客
企业DevOps探讨：“谁构建、谁运行”原则的理论基础
12-30 9445
“谁构建，谁运行” --沃纳·沃格尔这样的场景大家想必不会陌生：我们正与家人共度美好时光，突然刺耳的电话铃声嗡嗡响起，我们的注意力也为之吸引。听筒中的尖叫声告知，我们的应用程序——也就是那些定期受到内存泄漏侵扰、但重启之后又能恢复正常的小冤家们——现在终于彻底起义了，服务器资源在几分钟之内就被其彻底榨干。目前该应用已经无法正常起效，而运维团队除了尝试重启与回滚之外无法可想——而最新
博客
企业DevOps：实施过程中需要关注的各项要点
12-29 8070
作者：亚马逊云科技企业市场战略总监Stephen Orban“经验并非凭空创造，而是依靠点滴积累所实现” ---阿尔贝·加缪在此次的企业DevOps探索之旅系列文章当中，我将带大家一同探讨企业在具备一定DevOps经验之后又该如何处理下一步可能面临的状况。当然，这些只是我个人在接触自动化、面向客户服务之IT体系以及“谁构建、谁运行”方面事务的同时积累下的一些心得体
博客
将DevOps纳入企业环境引发的思考
10-13 6343
作者：亚马逊云科技企业市场战略总监Stephen Orban“发展是一种以渐进式改善为载体的持续性行为”——英德拉瓦蒂虽然DevOps可以算是相对新鲜的概念，不过在我看来、其本质思路很早之前就已经出现。从这个角度看，目前很多企业已经广泛接纳这一概念并将其作为文化性产物看待，具体而言就是将大量原本孤立的团队融合起来，从而实现速度更快、频率更高且更为可靠的工作成果。我个人非常幸运
博客
利用Amazon Machine Learning与Amazon Redshift建立二进制分类模型
09-07 8253
日常生活中的大部分决策都以二进制形式存在，具体来说就是这类问题能够以是或者否来回答。而在商业活动中，能够以二进制方式回答的问题也有很多。举例来说：“这种情况是否属于交易欺诈？”，“这位客户是否会购买该产品？”或者“这位用户是否存在流失风险？”等等。在机器学习机制中，我们将此称为二进制分类问题。很多商业决策都能够通过准确预测二进制问题的答案来得到强化。Amazon Michine Learning（
博客
利用Amazon Mobile Analytics与R深入探究移动应用的使用模式
08-31 6795
作者：Sandeep Atluri 亚马逊数据科学家要真正鼓励用户使用我们的移动应用程序，最重要的前提就是深入了解用户使用应用程序时的行为模式，而后据此作出体验优化。不过通过应用程序事件数据来找出有意义的模式往往极具挑战性，而标准KPI所提供的诸如月度活跃用户（简称MAU）以及每日活跃用户（简称DAU）并不足以勾勒出完整的图景。举例来说，所发布应用在过去三十天中的用户开启次数能够帮
博客
亚马逊云科技使用心得：当初我曾错过的那些宝贵经验
07-08 2万+
在今天的文章中，我整理出了大量当初曾经错过、而至今仍将我追悔莫及的亚马逊云科技（Amazon Web Services）使用心得。在几年来的实践当中，我通过在亚马逊云科技之上新手构建及部署各类应用程序而积累到了这些经验。虽然内容有些杂乱，但相信仍然能给各位带来一点启示。从物理服务器向“云环境”转移的过程不仅仅是一项技术任务，同时也意味着我们的思维方式需要作出针对性的转变。总体而言，在物理环境下我们
博客
让搜索更懂你：基于Amazon Bedrock打造支持向量检索的语义搜索系统
05-09 21
以电商平台为例，用户在检索“适合夏季穿的白色连衣裙”时，平台若仅通过关键词匹配商品标题或类目，将难以捕捉“适合夏季”这一包含面料、版型等多维语义的信息。核心目标是：将业务数据中的文本字段实时转化为语义向量，写入支持近似向量搜索的数据库，实现语义级别的信息检索能力。的混合查询能力，支持多维筛选与语义相似度排序的组合场景，覆盖从“找商品”到“问知识”的多类业务需求。的高质量嵌入输出，具备良好的压缩率和检索精度平衡，适合低延迟、高并发、对存储成本敏感的场景。
博客
年度旗舰活动来了！五月UG线下活动全攻略
05-09 14
亚马逊云科技User Group社区由对技术抱有高度热忱的开发者组成，是为开发者们提供彼此学习、分享技术实践、培训进阶等活动的技术交流分享社区。，了解更多亚马逊云科技User Group社区最新活动和福利、往期活动精彩回顾，链接您所在城市的开发者，共建开发者社区!在中国，亚马逊云科技User Group社区已覆盖北京、上海、深圳、成都、杭州、合肥、重庆等17个城市。，我们将邀请亚马逊云科技全球社区的开发者领袖、社区领导者、行业领袖、资深开发者及开源社区先锋。
博客
提升研发运维效能：Pacvue 泊客电商的 GenAI 技术实践
05-09 843
Pacvue 是唯一一个为整个市场提供统一商务和零售媒体平台的解决方案——从小型到中型卖家，直至企业品牌都能受益。自 2018 年以来，Pacvue 的使命一直是在不断发展的商务和零售媒体格局中，提供领先的解决方案，以加速品牌的成功。Pacvue 泊客电商官网Amazon Bedrock 是一项完全托管的服务，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI 和 Amazon 等领先人工智能公司的高性能基础模型（FM）
博客
利用Amazon Bedrock与Amazon Connect，打造智能呼叫中心
05-08 16
2.通信费用，由于人工服务或者传统IVR模式的自助服务效率比较低，解决一个客户问题需要更长的通话时长来完成一个业务，同时也会因为重复的提示和引导导致通话时长过长，这将产生大量的通话费用。3.虽然增加了生成式AI服务费用，但由于亚马逊云科技生成式AI的成本优势，可以减少这部分开支，同时相对于采用生成式AI技术节省的通信费用和人力成本，这些费用不是一个数量级，实现意图识别可以采用提示词工程来实现，可以采用专用的意图识别小模型来实现，也可以通过微调来实现，也可以用一个RAG知识库来实现。
博客
Amazon Q 从入门到精通 – 快速实战篇
05-08 985
到此，开发者使用 Amazon Q 得到了基本的功能，并已经实际运行和测试通过之后，因为实际上这还只是一段“玩具”代码，通常距离达到生产级别的代码要求还有些距离，需要进行一定的重构，比如，这个 S3 上传功能，需要包装为一个 python 的类，便于进一步使用。以下是几个简单的例子帮助您来感受它的用法。其中，灰色的部分，是 Amazon Q 预测出来的代码，在前端应用中，这种控件的隐藏和显示，是很琐碎的例行编码工作，Amazon Q 会很“聪明“地感知并替你完成，大大节约开发人员的时间。
博客
构建基于LLM的智能翻译工作流，翻译效率快人一步！
05-07 27
最后，基于直译和问题反馈，翻译者进行意译，以确保翻译内容不仅准确无误，而且流畅自然，同时平衡直译的忠实原文和意译的适应目标语言文化，以达到高质量的翻译效果。，增强版翻译保证了内容完整，同时为了方便读者理解，尝试提供更多的法律和规定细节，但可能引入了原文中未提及的内容，例如“保证临床试验数据的真实性、可靠性和追溯性”这样的描述性语言。模型进行翻译，增强版在简单翻译后进一步优化，专家型则在初步翻译后，根据目标国家的条件可能加入专家意见，最后进行二次翻译以确保专业性，所有工作流最终都会输出翻译结果。
博客
MCP实战：使用Amazon Nova Act构建智能体天气预报应用
05-07 15
2025年将成为AI智能体的元年，最近流行的模型上下文协议（Model Context Protocol，简称MCP）代表了构建实用型AI智能体应用的重大突破。将演示如何实现由大语言模型（LLM）驱动的AI Agent，说明MCP如何架起AI模型与真实世界数据源之间的桥梁，创建更强大的上下文感知应用。MCP的优势在于它抽象化了工具实现的复杂性，使开发者能专注于调用适当的工具，而非关注工具内部实现细节。由此可见，这个版本的MCP客户端，使用的是基本字符串匹配，而非LLM进行查询理解，如下代码段所示。
博客
斯曼森携手亚马逊云科技，使用 Amazon Nova 打造中文法律大模型
05-07 974
随着近年来 AIGC 相关技术的发展和成熟，各行各业对智能化解决方案，尤其是 AI 相关的新一代智能方案需求的不断增加，斯曼森意识到生成式 AI 在整体智能化方案中的重要地位，构建从底层大语言模型到上层 AI 应用的全栈技术能力是提升其竞争力的重要一步。在过去的一年中，斯曼森自行研发了法律领域的“鳀鲸”法律模型以及与其配套的法律服务平台，并为多家工业、教育行业的客户开发、部署了定制化 AI Agent 应用方案。通过与亚马逊云科技的紧密合作，斯曼森成功构建了一个专门针对法律行业的大型语言模型。
博客
利用Amazon Bedrock，阅文集团实现智能文本处理质的飞跃
05-06 18
同时，随着潜在提示词变体数量的增加，最佳提示词的搜索空间呈指数级增长，即使对于中等复杂度的提示词，手动探索所有组合也变得不可行。通过使用Amazon Bedrock Prompt Optimization，阅文集团在智能文本分析的任务的结果上有了极大的提升，比如在“部分角色分析”的任务中，优化后的提示词可以达到90%的准确率，超过了传统NLP模型。经验，难以充分发挥LLM的潜力。例如，在“角色分析”的任务中，传统NLP模型可以达到约80%的准确率，而未经过精心设计提示词的LLM的准确率仅为70%左右。
博客
基于 Amazon Bedrock 的电商行业图片检索解决方案
05-06 824
电商细分品类图片精准检索能力1、用户可自定义提示词利用大模型生成对图片的描述信息，提升偏向性的检索召回效率；2、可自定义提示词对召回图片进行重新排序，更加精准地检索图片；3、亚马逊云科技架构师团队可提供提示词参考，帮助不同品类客户要求定制，进一步检索能力。使用业内先进低成本的大模型及存储服务1、 默认使用 Amazon Titan Multimodal Embeddings 模型，可将图片、文本在一个向量空间中向量化，提升联合文本和图片检索能力；
博客
马铃薯叶片“开口说话”？DeepSeek+微调视觉模型识别农业病害
05-05 20
例如，针对病害特定纹理设计小尺寸卷积核捕捉细节，根据病害区域分布调整池化步长和区域大小，更精准提取关键特征，有效提升对不同健康状况叶片的识别能力，满足多样化检测需求。另一方面，运用更高效的模型训练算法和优化策略，如自适应学习率调整、正则化技术等，在保证模型准确性的同时，降低训练与推理成本，推动马铃薯叶片健康检测模型向更高效、更智能的方向发展。目前训练数据量相对较少，尽管微调后的模型在测试集上取得了较好效果，但模型可能存在泛化能力不足的问题，在面对复杂多变的实际场景时，稳定性和准确性可能受到影响。
博客
人工翻译费时费力？用大模型实现地理领域文档自动化翻译
05-02 22
在跨国性企业日常经营过程中，经常会遇到专业性较强的文档翻译的需求，例如法律文书、商务合同、技术文档等。但客户也提出了一些改进意见，例如希望提供独立于亚马逊云科技管理控制台的Web页面、对用户进行权限划分、专业术语表用户可自行添加、翻译任务状态展示等，后续将联合合作伙伴，对这些工程化和定制化功能继续深入合作。上的大模型，对用户上传的文档实现了自动化识别其语种是英语还是中文——如果是中文则自动翻译成英文，如果是英文则翻译成中文。上传完成的动作，触发文档翻译的处理任务，该任务会调用LLM。
博客
微调Amazon Nova模型，优化工具使用体验
04-30 15
数据集中的每一项均以.json对象的形式呈现，其中包含键值对，用于定义问题（即用户以自然语言向模型提出的查询）、回答用户查询所需的真实工具、该工具的参数（包含执行工具所需参数的字典），以及一些附加约束条件，例如。，他们在生成式AI领域拥有全面的专业知识，覆盖从规划到落地的全流程，致力于帮助客户确定用例优先级、制定发展路线图，并将解决方投入生产环境，如需了解其最新的工作成果和客户成功案例，参阅生成式AI创新中心页面。如果预测的工具与真实工具匹配，则得分为1，若不匹配，则得分为0。具体需包含以下要素。
博客
浅谈如何使用 Amazon CUR 报告做更完善的成本分析
04-30 668
自动刷新」也需要打开，因为亚马逊云科技账单有两个状态，一个是未结算状态（Unfinalized），一个是已结算状态（Finalized），在正式结算之前，可能会发生退款等费用变化，所以我们需要打开自动刷新，在账单发生变化时，让账单服务帮我们自动更新 CUR 报告的文件。希望通过这篇博客，更多的客户可以更深入的了解自己的云用量，监控自己的云用量变化，知道自己的每分钱是否花在了正确的位置，也知道出现意外成本时如何来做梳理和优化。是的，CUR 仍然有一定程度的汇总，但是粒度已经足够小，足够我们做分析。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值