Lidando com respostas de API e erros

Introdução ao Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Gerenciando limites de taxa

Implemente backoff exponencial
Otimize o uso da API com retries inteligentes

def backoff_retry(max_retries=3, 
                  init_delay=1):

  for attempt in range(max_retries):
    try: 
      response = bedrock.invoke_model()

    # Retries quando houver exceção
  except Exception as e:
    if "ThrottlingException" in str(e):
    # Backoff exponencial
      time.sleep(base_delay * 
                   (2 ** attempt))

Processando respostas em lote

Processe várias requisições com eficiência
Trate respostas em lote com segurança
Mantenha performance ideal

def process_batch(prompts, batch=5):
  results = []
  for i in range(0, len(prompts), 
                 batch):
    responses = [invoke_model(p) for p 
                 in prompts[i:i+batch]]

Pós-processamento da resposta

Valide a estrutura da resposta
Carregue e faça o parse do corpo
Verifique a chave esperada
Garanta qualidade de dados consistente

def postprocess_response(response):

    data=json.loads(response['body']
                   .read())

    if 'content' in data: 
    return data['content'].strip()

return None

Recuperação de erros

Implemente estratégias de fallback — plano B quando o modelo principal falhar
Trate erros específicos do modelo
Garanta confiabilidade em produção

try:
    response = bedrock.invoke_model(modelId="anthropic.claude-3-5-sonnet-v2:0", 
        body=json.dumps(request_body))

except ClientError: 
    response = bedrock.invoke_model(modelId="amazon.nova-lite-v1:0")

Vamos praticar!

Introdução ao Amazon Bedrock