内容领域 2： 实施和集成

技能 2.1.1： 开发智能化的自治系统，具备相应的内存和状态管理功能（例如，将 Strands Agents 与 AWS Agent Squad 结合用于多代理系统，使用 MCP 进行代理与工具的交互）。

技能 2.1.2： 创建高级问题解决系统，赋予基础模型按照结构化推理步骤来分析和解决复杂问题的能力（例如，使用 Step Functions 实施 ReAct 模式和思维链推理方法）。

技能 2.1.3： 开发具有保障措施的 AI 工作流，确保实现受控的基础模型行为（例如，使用 Step Functions 实施筛选停用词条件，使用 Lambda 函数实施超时机制，使用 IAM 策略强制实施资源边界，使用断路器来防范故障）。

技能 2.1.4： 创建先进的模型协调系统，用于优化多种功能的性能（例如，使用专用基础模型执行复杂任务，使用自定义聚合逻辑进行模型组合，模型选择框架）。

技能 2.1.5： 开发协作式 AI 系统，利用人员的专业知识增强基础模型能力（例如，使用 Step Functions 协调审核和审批流程，使用 API Gateway 实施反馈收集机制，人工增强模式）。

技能 2.1.6： 实施智能工具集成来扩展基础模型功能，确保可靠的工具运行（例如，使用 Strands API 实施自定义行为，标准化函数定义，使用 Lambda 函数实施错误处理和参数验证方法）。

技能 2.1.7： 开发模型扩展框架来增强基础模型能力（例如，使用 Lambda 函数实施无状态 MCP 服务器，提供轻量级工具访问；使用 Amazon ECS 实施 MCP 服务器，提供复杂的工具，使用 MCP 客户端库来确保一致的访问模式）。

技能 2.2.1： 根据具体的应用程序需求和性能要求部署基础模型（例如，使用 Lambda 函数进行按需调用，Amazon Bedrock 预置吞吐量配置，使用 SageMaker AI 终端节点实施混合解决方案）。

技能 2.2.2： 部署不同于传统 ML 部署的基础模型解决方案，解决大型语言模型 (LLM) 的独特挑战（例如，遵循专门的模型加载策略，实施基于容器的部署模式，针对内存要求、GPU 利用率和词元处理能力进行优化）。

技能 2.2.3： 开发优化的基础模型部署方法，平衡生成式人工智能工作负载的性能和资源需求（例如，选择合适的模型，针对特定任务使用较小的预训练模型，使用基于 API 的模型级联来执行常规查询）。

技能 2.3.1： 创建企业连接解决方案，将基础模型功能无缝融入到现有的企业环境中（例如，对旧式系统使用基于 API 的集成，使用事件驱动型架构实施松耦合，数据同步模式）。

技能 2.3.2： 开发集成式 AI 功能，使用生成式人工智能功能增强现有应用程序（例如，使用 API Gateway 实施微服务集成，将 Lambda 函数用作 Webhook 处理程序，使用 Amazon EventBridge 实施事件驱动型集成）。

技能 2.3.3： 创建安全访问框架，确保实施了适当的安全控制措施（例如，在基础模型服务和企业系统之间使用身份联合验证，为模型和数据访问使用基于角色的访问控制，对基础模型采用最低权限 API 访问）。

技能 2.3.4： 开发跨环境的 AI 解决方案，确保在各司法管辖区中的数据合规性，同时实现基础模型访问控制（例如，使用 AWS Outposts 进行本地数据集成，使用 AWS Wavelength 进行边缘部署，云服务与本地资源之间的安全路由）。

技能 2.3.5： 实施 CI/CD 管道和生成式人工智能网关架构，在企业环境中实施安全且合规的使用模式（例如，使用 AWS CodePipeline、AWS CodeBuild；为持续部署使用自动化测试框架；使用安全扫描和回滚支持来测试生成式人工智能组件；集中式抽象层、可观测性和控制机制）。

技能 2.4.1： 创建灵活的模型交互系统（例如，使用 Amazon Bedrock API 管理来自各种计算环境的同步请求，使用特定于语言的 AWS SDK 和 Amazon SQS 进行异步处理，使用 API Gateway 为自定义 API 客户端提供请求验证）。

技能 2.4.2： 开发实时 AI 交互系统，提供来自基础模型的即时反馈（例如，使用 Amazon Bedrock 流式传输 API 进行递增式回复交付，使用 WebSocket 或服务器发送的事件实时生成文本，使用 API Gateway 实施分块传输编码）。

技能 2.4.3： 创建具有韧性的基础模型系统来确保可靠运行（例如，使用 AWS SDK 进行指数回退，使用 API Gateway 管理速率限制，利用回退机制实现优雅降级，使用 AWS X-Ray 提供跨服务边界的可观测性）。

技能 2.4.4： 开发智能模型路由系统用以优化模型选择（例如，使用应用程序代码实施静态路由配置；使用 Step Functions 基于内容动态路由到专用基础模型；基于指标的智能模型路由；使用 API Gateway 通过请求转换实现路由逻辑）。

技能 2.5.1： 创建基础模型 API 接口，满足生成式人工智能工作负载的特定要求（例如，使用 API Gateway 处理流式回复，词元限制管理，处理模型超时的重试策略）。

技能 2.5.2： 开发易于访问的 AI 接口来加快基础模型的采用和集成（例如，使用 AWS Amplify 开发声明式 UI 组件，适用于 API 优先开发方法的 OpenAPI 规范，使用 Amazon Bedrock 提示工作流管理器开发无代码工作流构建器）。

技能 2.5.3： 创建业务系统增强功能（例如，使用 Lambda 函数实施客户关系管理 [CRM] 增强功能，使用 Step Functions 编排文档处理系统，使用 Amazon Q 企业版数据来源提供内部知识工具，使用 Amazon Bedrock 数据自动化来管理自动数据处理工作流）。

技能 2.5.4： 提高开发人员工作效率，加快生成式人工智能应用程序开发工作流的速度（例如，使用 Amazon Q Developer 生成和重构代码，API 辅助代码建议，AI 组件测试，性能优化）。

技能 2.5.5： 开发高级生成式人工智能应用程序来实施先进的 AI 功能（例如，使用 Strands Agents 和 AWS Agent Squad 实施 AWS 云原生的编排，使用 Step Functions 编排代理设计模式，使用 Amazon Bedrock 管理提示链模式）。

技能 2.5.6： 提高基础模型应用程序的故障排除效率（例如，使用 CloudWatch Logs Insights 分析提示和回复，使用 X-Ray 跟踪 FM API 调用，使用 Amazon Q Developer 实施特定于生成式人工智能的错误模式识别）。