提示工程（Prompt Engineering）对各位小伙伴们来说是再熟悉不过了，提示词工程技术是通过编写指令词，指导开发者们调用AI基础模型（FMs）获得期望的响应。但是经常写提示词的朋友们会知道，为了获取理想的输出，我们可能需要花费数月时间不断进行实验和调整才能得到最优的提示词，同时不同基础模型的提示词最佳实践也不尽相同，这意味着我们要设计兼容不同模型类别的提示词。此外提示词通常是与特定模型和

提示工程（Prompt Engineering）对各位小伙伴们来说是再熟悉不过了，提示词工程技术是通过编写指令词，指导开发者们调用AI基础模型（FMs）获得期望的响应。但是经常写提示词的朋友们会知道，为了获取理想的输出，我们可能需要花费数月时间不断进行实验和调整才能得到最优的提示词，同时不同基础模型的提示词最佳实践也不尽相同，这意味着我们要设计兼容不同模型类别的提示词。此外提示词通常是与特定模型和

小伙伴们过去在开发应用时，经常需要编写大量代码文件以实现业务逻辑，想必肯定有小伙伴开发过类似于快消行业索赔处理、订单库存跟踪和项目审批等系统。去解决这些业务实际问题，我们需要定制地开发业务应用程序为这些问题提供解决方案。然而，开发这些应用通常需要庞大的专业开发团队来开发、构建、部署和维护。如果是独立开发者，会面临开发能力不足或成本过高的问题，很难将个人项目快速投入市场。那小伙伴们一定会问了，有没有

在本系列的上篇中我们介绍了亚马逊自研模型AmazonNova系列大模型的基本能力和满足各种多样化需求（理解、内容生成）的6个模型。在本系列的下篇中，小李哥将大家探索用AmazonNova系列模型开发真实场景化AI应用及API代码为了展示文档分析的能力，我从亚马逊云科技官方文档下载了的PDF文件。

Amazon SageMaker 是亚马逊云科技提供的一项全托管机器学习服务，帮助开发者和数据科学家轻松构建、训练和部署机器学习模型。SageMaker 提供了全套的工具和基础设施支持，用户无需管理底层的服务器和环境，即可快速处理从数据准备到模型训练再到部署的完整机器学习流程。SageMaker 提供了灵活的开发环境，支持多种常用的机器学习框架，如 TensorFlow、PyTorch 等，同时也

Falcon 3系列由阿布扎比技术创新研究所（TII）研发，它的出现标志着开源语言模型的重大进步。Falcon系列包含五种基础模型，参数规模从1B（10 亿）到10B（100 亿）不等，该模型专门提升了科学、数学和编程能力，帮助开发者满足日常场景的需求。目前该系列包括的类型有Falcon3-1B-Base、Falcon3-3B-Base、Falcon3-Mamba-7B-Base、Falcon3-

2024年7月23日， 亚马逊云科技的AI模型托管平台Amazon Bedrock正式上线了Meta推出的超级参数量大语言模型 - Llama 3.1模型，小李哥也迫不及待去体验和试用了该模型，那这么多参数量的AI模型究竟强在哪里呢？Llama 3.1模型是迄今为止最先进、最强大的模型。这一系列模型包含了参数大小分别为和的模型，在多个行业热门基准测试中表现十分出色，并为生成式AI云端应用解锁了丰富

在 AI 系统的背景下，风险管理可以用来最大程度地减少不确定性或潜在负面影响，同时提供最大化正面影响的机会。风险本身并不是潜在危害，而是指不确定性对目标的影响。根据 NIST 风险管理框架（NIST RMF），风险可以通过事件发生的概率与相应事件的后果大小相乘来估算。风险包含两个方面：固有风险和剩余风险。固有风险表示在没有任何缓解措施或控制手段的情况下，AI 系统所展现的风险水平。而剩余风险则是在

亚马逊云科技 Config 是一项用于管理和审计 AWS 资源配置的服务。它可以连续监控、评估和记录 AWS 资源的配置变更，并对这些配置是否符合预定义的合规性规则进行自动审查。Config 提供了全面的资源历史记录和合规性报告，帮助用户了解资源的配置状态、跟踪配置变更，并确保资源配置始终符合内部政策或外部法规要求。

亚马逊云科技 Lambda 是一项无服务器计算服务，专为帮助开发者运行代码而无需管理服务器基础设施而设计。通过 Lambda，开发者可以在不需要配置或维护服务器的情况下，自动运行代码以响应各种事件触发，如对 S3 存储桶的更改、API Gateway 请求、或数据库更新等。Lambda 支持多种编程语言，允许开发者只需上传代码并定义触发条件，AWS 会自动处理所有底层资源的管理，如计算资源的分配、