# AWS Bedrock 无服务器提示链：构建复杂生成式 AI 应用的编排方案

> AWS 官方示例项目，展示如何使用 Step Functions 和 Bedrock Flows 构建复杂的提示链应用，支持顺序、并行、条件分支等多种编排模式。

- 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo)
- 发布时间: 2026-06-03T01:44:10.000Z
- 最近活动: 2026-06-03T01:51:31.758Z
- 热度: 161.9
- 关键词: AWS, Bedrock, 提示链, Step Functions, 无服务器, 工作流编排, 生成式AI, CDK, LLM
- 页面链接: https://www.zingnex.cn/forum/thread/aws-bedrock-ai
- Canonical: https://www.zingnex.cn/forum/thread/aws-bedrock-ai
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：aws-samples
- 来源平台：github
- 原始标题：amazon-bedrock-serverless-prompt-chaining
- 原始链接：https://github.com/aws-samples/amazon-bedrock-serverless-prompt-chaining
- 来源发布时间/更新时间：2026-06-03T01:44:10Z

## 原作者与来源\n\n- **原作者/维护者**: AWS Samples\n- **来源平台**: GitHub\n- **原始标题**: amazon-bedrock-serverless-prompt-chaining\n- **原始链接**: https://github.com/aws-samples/amazon-bedrock-serverless-prompt-chaining\n- **发布时间**: 2026年6月\n\n## 复杂生成式 AI 应用的编排挑战\n\n当生成式 AI 应用从简单的问答机器人演进为复杂的业务流程自动化工具时，单一的 LLM 调用往往无法满足需求。写一篇文章可能需要先大纲、再分段、后润色；处理客户请求可能需要先分类、再检索知识库、最后生成回复。\n\n这些场景需要将多个 LLM 调用和逻辑步骤编排成工作流，业界称之为"提示链"（Prompt Chaining）。如何优雅地实现这种编排，同时保持系统的可扩展性和可维护性，是生产环境部署的关键挑战。\n\n## 项目概述：AWS 官方编排方案\n\nAWS 开源的 `amazon-bedrock-serverless-prompt-chaining` 项目，提供了一套基于云原生服务的完整解决方案。项目展示了如何使用 **AWS Step Functions** 和 **Amazon Bedrock Flows** 两种服务来编排复杂的提示链，所有组件均为无服务器架构，无需管理基础设施即可自动扩缩容。\n\n## 两种编排服务对比\n\n项目同时演示了两种 AWS 服务的应用场景：\n\n### AWS Step Functions\n\nStep Functions 是 AWS 的通用工作流编排服务，适用于复杂的业务逻辑。在提示链场景中，它可以：\n\n- 执行循环、并行任务、条件分支\n- 调用 Lambda 函数执行自定义代码\n- 与 220+ AWS 服务集成\n- 处理输入输出的数据转换\n\n适合需要与非 AI 服务深度集成的复杂业务流程。\n\n### Amazon Bedrock Flows\n\nBedrock Flows 是专为生成式 AI 工作流设计的服务，提供了更高层次的抽象：\n\n- 原生支持 Bedrock 模型调用和 Agent 调用\n- 内置知识库检索节点\n- 支持数组迭代和并行任务\n- 可视化工作流定义\n\n适合以 AI 能力为核心的应用场景，配置更加简洁。\n\n## 提示链技术模式\n\n项目详细演示了多种提示链模式，每种模式都配有 CDK 代码示例：\n\n### 模型调用\n\n最基础的链式单元，向 Bedrock 的模型发送提示并获取响应。Step Functions 通过优化的 Bedrock 集成实现，Bedrock Flows 则通过 Prompt 管理功能定义静态提示。\n\n### 提示模板化\n\n使用变量占位符定义可复用的提示模板，在运行时注入动态内容。项目展示了如何在 Bedrock Prompt Management 中创建版本化的提示模板。\n\n### 顺序链\n\n将多个提示按顺序执行，前一节点的输出作为后一节点的输入。这是最常见的链式模式，适用于分步骤的生成任务。\n\n### 并行链\n\n同时向多个模型发送相同或不同的提示，收集结果后进行汇总或投票。适用于需要多视角分析或 A/B 测试的场景。\n\n### Map 链\n\n对数组中的每个元素并行执行相同的处理逻辑。适用于批量处理，如一次性总结多篇文章。\n\n### 条件分支\n\n根据中间结果决定后续流程走向。例如，先判断邮件类型，再路由到不同的处理分支。\n\n### 人机协作\n\n在链中插入等待节点，暂停执行等待人工输入。适用于需要人工审核或补充信息的场景。\n\n## 实际应用示例\n\n项目提供了多个完整的应用场景示例：\n\n**博客文章生成**\n\n从选题到成文的多阶段流程：确定主题 → 生成大纲 → 分段撰写 → 整体润色。\n\n**旅行规划**\n\n根据目的地、预算、偏好生成个性化行程，涉及多个信息检索和生成步骤。\n\n**开源项目分析**\n\n自动获取当日最热门的开源仓库信息，生成结构化的项目介绍。\n\n**故事创作**\n\n通过角色设定、情节发展、对话生成等步骤协作完成创意写作。\n\n## 技术实现细节\n\n项目使用 AWS CDK（Cloud Development Kit）进行基础设施即代码的定义。每个示例都包含完整的堆栈定义，包括：\n\n- IAM 角色和权限配置\n- Step Functions 状态机定义\n- Bedrock Flows 节点和连接\n- 必要的 Lambda 函数\n\n代码结构清晰，便于学习和二次开发。\n\n## 部署与安全\n\n项目遵循 AWS 安全最佳实践，包括：\n\n- 最小权限原则的角色配置\n- 加密传输和存储\n- VPC 网络隔离支持\n- CloudTrail 审计日志\n\n部署前需要配置 AWS CLI 和 CDK，具备基础的 AWS 使用经验。\n\n## 学习价值与适用场景\n\n对于希望将生成式 AI 应用投入生产的开发团队，这个项目提供了宝贵的参考：\n\n**架构设计参考**\n\n展示了如何将 LLM 调用编排成可靠的业务流程，处理超时、重试、错误恢复等生产环境必需的能力。\n\n**代码示例库**\n\n每种模式和应用场景都有完整的可运行代码，可以直接作为项目起点。\n\n**最佳实践指南**\n\n从提示设计到错误处理，从成本控制到性能优化，涵盖了生产部署的多个维度。\n\n## 局限与考量\n\n项目深度绑定 AWS 生态系统，对于使用其他云服务商的团队参考价值有限。此外，Bedrock Flows 是相对较新的服务，部分功能可能仍在演进中。\n\n成本方面，虽然无服务器架构省去了运维负担，但 Step Functions 和 Bedrock 的调用费用在大规模场景下需要仔细评估。\n\n## 结语\n\n`amazon-bedrock-serverless-prompt-chaining` 是 AWS 在生成式 AI 应用架构领域的官方指导项目。它不仅提供了可运行的代码示例，更重要的是展示了一种将 LLM 能力整合进企业级工作流的系统方法。对于已经使用 AWS 或正在评估云方案的技术团队，这是理解提示链架构的极佳起点。