要调用 amazon bedrock 基础模型，需完成权限配置并使用 api 或 sdk 调用。1. 注册 bedrock 并申请所需模型访问权限；2. 配置 iam 用户或角色的 bedrock:invokemodel 权限；3. 使用 aws sdk（如 python 的 boto3）通过 api 调用模型，并注意 modelid、输入格式及参数设置；4. 注意区域限制、网络配置、模型提示格式及费用结构等问题。掌握这些步骤后即可将 bedrock 模型集成至应用中。
使用 Amazon Bedrock 调用基础模型其实并不复杂，但需要理解它的调用方式和权限配置。Bedrock 是 AWS 推出的一项完全托管服务，允许你通过 API 调用多种主流的大型 AI 模型，比如 Anthropic 的 Claude、Meta 的 Llama 等。下面介绍几个关键点，帮助你快速上手。
准备工作：开通 Bedrock 并获取访问权限
在开始调用之前，你需要确保已经完成以下几步：
注册 Amazon Bedrock：登录 AWS 控制台，在服务中找到 Bedrock 并进入控制台。申请模型访问权限：Bedrock 中的某些模型是需要单独申请使用的。点击“Model access”，勾选你需要的模型（如 Claude 或 Llama），然后提交请求，通常几分钟内就能批准。配置 IAM 权限：确保你的 IAM 用户或角色拥有 bedrock:InvokeModel 权限。可以使用 AWS 提供的 AmazonBedrockInvokeAccess 管理策略，或者自定义策略。这一步是很多人容易卡住的地方，尤其是权限问题，务必确认好 IAM 角色是否具备正确的策略。
调用模型的方式：API 和 SDK
目前调用 Bedrock 模型最常用的方式是通过 AWS SDK 发起 API 请求。以 Python 为例，使用 boto3 就可以轻松调用。
import boto3import jsonclient = boto3.client('bedrock-runtime', region_name='us-east-1')response = client.invoke_model( modelId='anthropic.claude-v2', contentType='application/json', accept='application/json', body=json.dumps({ "prompt": "\n\nHuman: 写一篇关于气候变化的文章。\n\nAssistant:", "max_tokens_to_sample": 300, "temperature": 0.7, "top_p": 1 }))response_body = json.loads(response.get('body').read())print(response_body['completion'])登录后复制几点说明：
modelId：指定你要调用的模型 ID，可以在 Bedrock 控制台里查到。body：不同模型的输入格式略有差异，需要参考最新文档。支持的参数包括最大输出长度、温度（temperature）、Top P 等，这些会影响生成结果的多样性。除了 Python，AWS SDK 还支持 Java、Node.js、Go 等语言。
常见问题与注意事项
调用 Bedrock 时，有几个常见问题需要注意：
区域限制：Bedrock 目前只在部分区域可用，推荐使用 us-east-1 或 us-west-2。网络连接：如果你部署在 VPC 内部，可能需要配置 VPC endpoint 才能访问 Bedrock。模型输入格式：不同模型对 prompt 的格式要求不同，比如 Anthropic 需要明确区分 Human 和 Assistant 的提示。费用结构：Bedrock 按 token 计费，输入和输出都会计费，建议查看具体模型的价格表。如果遇到调用失败的情况，先检查错误码和日志，大多数时候是权限或参数格式的问题。
基本上就这些。掌握这几个步骤后，就可以灵活地将 Bedrock 的大模型能力集成到自己的应用中了。不复杂，但有些细节容易忽略，特别是权限和格式方面。