如何运行Python+Boto3代码并搭建AWS Bedrock相关开发环境？

1. pip命令的运行位置 #

示例中的%pip是Jupyter Notebook专属的魔法命令，针对你的VS Code环境，分两种场景处理：

• 如果在VS Code中使用Jupyter Notebook（需先安装Jupyter插件）：直接将命令复制到Notebook单元格中运行，保留%前缀即可。
• 如果使用VS Code的Python脚本或集成终端：去掉命令开头的%，在激活对应Python环境的集成终端中运行完整命令：

  pip install --no-build-isolation --force-reinstall "boto3>=1.28.57" "awscli>=1.29.57" "botocore>=1.31.57"
  pip install --quiet langchain==0.0.309
  

2. 服务部署与付费说明 #

• S3：属于AWS托管存储服务，无需自行部署硬件，按实际存储容量、数据传输量等维度计费。
• Pinecone向量数据库：是全托管的云端向量数据库，无需自行部署集群，按索引存储量、查询量等使用量计费。
• Langchain：是Python开源库，无需部署服务，仅需在运行环境中安装即可，本身无额外费用（仅需承担依赖的云服务费用）。

3. 服务运行位置 #

• Langchain：运行在你的本地VS Code Python环境、或云端计算环境（如EC2、SageMaker Notebook）中，作为代码库直接被调用。
• Pinecone向量数据库：运行在Pinecone的云端服务器上，你通过API密钥远程调用交互。
• S3：存储在AWS的云端存储节点，通过AWS SDK（boto3）或Langchain的S3工具类远程访问。

4. 初始化数据的依赖与替代方案 #

• 初始化数据到向量数据库不需要AWS SageMaker，完全可以在本地VS Code环境中完成全流程。
• 可以不使用SageMaker运行示例，本地环境即可满足所有需求。

5. 现有指南的补充说明 #

提供的Boto3安装指南仅能满足依赖安装需求，还需要补充以下配置才能运行示例：

• 在AWS控制台开启对应Bedrock模型的访问权限。
• 配置AWS本地凭证（通过aws configure命令或手动编辑~/.aws/credentials文件），确保代码能访问S3和Bedrock。
• 注册Pinecone账号，获取API密钥并创建匹配嵌入模型维度的向量索引。

6. 本地VS Code运行示例的具体搭建方案 #

步骤1：环境准备 #

1. 在VS Code中安装Python、Jupyter插件（若要使用Notebook格式示例）。
2. 创建并激活Python虚拟环境（避免依赖冲突，推荐使用）：

   python -m venv bedrock-env
   # Windows系统激活命令
   bedrock-env\Scripts\activate
   # macOS/Linux系统激活命令
   source bedrock-env/bin/activate
   

3. 安装完整依赖：

   pip install --no-build-isolation --force-reinstall "boto3>=1.28.57" "awscli>=1.29.57" "botocore>=1.31.57"
   pip install --quiet langchain==0.0.309 pinecone-client python-dotenv
   

步骤2：权限与凭证配置 #

1. AWS凭证配置：
   • 运行aws configure，输入你的AWS Access Key ID、Secret Access Key、默认区域（如us-east-1）。
   • 在AWS控制台中，确保你的IAM用户拥有Bedrock模型访问权限、S3读写权限。
2. Pinecone配置：
   • 注册Pinecone账号，创建向量索引（注意索引维度需与你使用的嵌入模型输出维度匹配）。
   • 创建.env文件存储Pinecone密钥：

     PINECONE_API_KEY=your_api_key
     PINECONE_ENV=your_env_region
     

步骤3：调整并运行示例代码 #

1. 在VS Code中打开示例Notebook，或把Notebook代码转换为Python脚本。
2. 补充Pinecone初始化代码：

   from dotenv import load_dotenv
   import pinecone
   import os
   
   load_dotenv()
   pinecone.init(
       api_key=os.getenv("PINECONE_API_KEY"),
       environment=os.getenv("PINECONE_ENV")
   )
   index = pinecone.Index("your-index-name")
   

3. 测试Bedrock连接：确保代码能成功调用Bedrock模型生成嵌入或完成对话。
4. 运行完整流程：读取S3文件→文本切分→生成嵌入→存入Pinecone索引。

内容的提问来源于stack exchange，提问作者chai86