我们的解决方案采用了AI聊天服务 - Amazon Lex、AI模型托管服务 - Amazon Bedrock和AI知识库 - Amazon Bedrock Knowledge Bases。Amazon Lex是一款全托管AI服务，提供语音对话的AI服务支持。Amazon Bedrock提供全托管的来自全球领先AI公司和Amazon自家的（Amazon Nova）多种AI基础模型 (FM)。

在本文中，大家了解了如何利用亚马逊云科技生成式 AI 安全范围矩阵，从安全共享责任的角度对生成式 AI 应用进行分类。我们回顾了一个常见的生成式 AI 助手应用架构，并利用 OWASP 针对大语言模型的 Top 10 框架评估了其安全态势，同时展示了如何利用亚马逊云科技服务控制和服务应用 OWASP Top 10 对 LLM 威胁的缓解措施，从而强化生成式 AI 助手应用的架构。想了解更多关于如何

Amazon Bedrock Guardrails的自动推理检查功能为保险投保审核验证提供了逻辑思维链推理，确保生成式AI的输出符合保险行业的规则要求，消除了幻觉。

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

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