處理 API 回應與錯誤

Amazon Bedrock 入門

Nikhil Rangarajan

Data Scientist

管理速率限制

實作指數退避策略
以智慧重試最佳化 API 使用

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

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

    # Retries when we have an exception
  except Exception as e:
    if "ThrottlingException" in str(e):
    # Exponential backoff
      time.sleep(base_delay * 
                   (2 ** attempt))

批次處理回應

高效率處理多筆請求
安全處理批次回應
維持最佳效能

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]]

回應後處理

驗證回應結構
載入並解析回應主體
檢查預期鍵值
確保資料品質一致

def postprocess_response(response):

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

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

return None

錯誤復原

實作後援策略：主要模型出問題時的備案
處理模型特定錯誤
確保生產等級可靠性

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")

一起來練習吧！

Amazon Bedrock 入門