# Amazon Bedrock

Amazon Bedrock 是 AWS 推出的全托管平台，集成了基础模型、Agent、RAG、护栏 (Guardrails)、评估及模型定制功能。它最适合希望在 AWS 云环境内获取企业级模型能力，而非寻找独立 AI 编程 IDE 的团队。

Canonical URL: https://aiidelist.com/zh/ide/amazon-bedrock

Language: zh

更新日期: 2026-10-06

## 概览

- 分类: Developer Workflow Tools
- Amazon Bedrock 是一款 AWS 托管的生成式 AI 平台，面向构建安全模型驱动应用、Agent、RAG 系统及定制化基础模型工作流的企业和开发者。
- 编辑器基础: Browser
- 平台: AWS Console, API, AWS SDK, AWS CLI, Python, JavaScript, Java, .NET, Go, PHP, Ruby, C++, iOS, Android
- 开源: 否
- 本地模型支持: 否
- 自带 API 密钥: 否

## 简评

如果你需要在基础模型、Agent、RAG 和模型治理周围使用企业级 AWS 控件，请选择 Amazon Bedrock；如果集成简洁性和速度比 AWS 原生运营更重要，请选择供应商原生 API 或轻量级推理平台。

## 适合场景

- 构建生产级生成式 AI 应用的 AWS 原生团队
- 需要模型选择权且要求集中化 IAM、审计、网络和治理的企业
- 使用公司私有数据和 AWS 数据源的 RAG 系统
- 需要工具调用、操作组、别名和可观测性的 Agent 工作流
- 评估多个基础模型供应商而无需逐一集成的团队
- 需要护栏、模型评估、提示词管理及私有模型定制的组织

## 优点

- 非常适合已标准化使用 AWS 的企业。
- 通过单一 AWS 托管服务界面提供广泛的模型选择。
- 将安全性、IAM、KMS、PrivateLink、CloudTrail 及合规性控制作为平台核心。
- 为 Agent、RAG、评估、提示词管理和护栏提供实用的托管构建块。
- 默认情况下，客户的提示词和输出不会与模型供应商共享，也不用于训练基础模型。

## 局限

- 寻找 Cursor、Windsurf 或 Replit 等 AI 代码编辑器的开发者
- 只需要一个简单对话补全端点的小型项目
- 不想管理 IAM、区域、配额或云账单的非 AWS 用户
- 需要完全本地推理或自托管开源模型服务的开发者
- 需要直接使用供应商原生 API 且不希望有 AWS 抽象层的产品
- 希望使用固定月费 SaaS 订阅而非按量计费云定价的用户
- 并非 AI IDE、代码编辑器或“提示词即应用”生成器。
- 定价复杂，成本随模型、模态、区域、层级及附加服务而变化。
- 某些模型、区域、配额及高级功能需要申请访问权限或提前规划 AWS 账号。
- 最佳体验前提是熟悉 AWS IAM、网络、计费和云运营。
- 仅需要简单托管 LLM API 的开发者可能会觉得 Bedrock 比原生 API 更重。

## 为什么选择 Amazon Bedrock？

如果生成式 AI 应用需要构建在现有的 AWS 运营模式中，Amazon Bedrock 就是极具吸引力的选择。团队无需将模型调用视为独立的供应商工作流，而是可以使用熟悉的 AWS 控件来管理身份、加密、私有网络、监控、成本分配和治理。

另一个选择 Bedrock 的主要原因是模型的多样性。许多团队不希望将整个产品押注在单一模型供应商上。Bedrock 提供了一个统一的 AWS 界面，用于评估和运行多个模型系列，并能在这些模型之上叠加 Agent 编排、检索、提示词管理、评估和安全控制。

这使得 Bedrock 更像是一个托管式 AI 应用平台，而非 AI IDE。它不会取代代码编辑器，但可以成为开发者工具、Copilot、内部助手、客服 Agent、搜索系统和企业自动化背后的模型与编排层。

## 核心工作流

典型的 Bedrock 工作流通常从控制台或 SDK 中的模型选择开始。团队在 Playground 中测试候选模型，对比延迟和质量，在需要时申请模型访问权限，然后通过 Bedrock Runtime API 集成选定的模型。

一旦完成初步模型调用，工作流通常会扩展到应用架构层面。私有数据可能会接入 RAG 系统，业务工具通过 Agent 操作组 (Action Groups) 暴露，提示词进行版本化管理，并通过护栏实施安全策略。此时，Bedrock 变成了一系列托管构建块的集合，而不仅仅是一个模型端点。

对于生产团队，最重要的工作流是运营规范。在应用大规模推广之前，应预先设计好 IAM 策略、模型访问权限、配额、日志记录、提示词版本、护栏版本、评估集以及成本分配方案。

## 适用场景

Bedrock 非常适合企业级助手、客服 Copilot、文档搜索、法律与合规审查、呼叫中心总结、金融研究、代码与数据分析助手、知识库问答、销售赋能、内部工作流 Agent，以及涉及 AWS 系统的多步自动化任务。

对于需要在统一治理下评估多个模型供应商的组织，它也非常有用。团队可以测试高推理能力模型用于逻辑分析，低成本模型用于后台处理，向量模型用于检索，以及专用的图像或视频模型，而无需分别对接每个供应商。

## 竞品对比

与 OpenAI API 或 Anthropic API 相比，Bedrock 增加了 AWS 的治理和基础设施层。直接使用供应商 API 的起步速度可能更快，且能第一时间获得其原生新功能。但当 AWS 身份验证、安全性、采购、网络和审计要求成为部署核心时，Bedrock 更具优势。

与 Azure AI Foundry 相比，选择通常取决于“云重心”。以微软为核心的团队由于使用 Microsoft 365、Entra ID 和 Azure OpenAI，可能更倾向于 Azure。而以 AWS 为核心的团队则更喜欢 Bedrock，因为它能自然融入 IAM、VPC、CloudTrail、CloudWatch、Lambda、S3 和 KMS 等 AWS 服务。

与 Google Vertex AI 相比，Bedrock 更专注于多供应商基础模型的访问和 AWS 原生生成式 AI 构建块。Vertex AI 在 Google Cloud 的机器学习工作流、模型训练、MLOps 和以 Gemini 为中心的应用开发方面覆盖更广。

与 Fireworks AI、Together AI 或 GroqCloud 相比，Bedrock 显得更为沉重，但更面向企业。这些推理平台在使用开源模型 API 时更简单快捷，而当买家需要云治理、私有连接、合规性及 AWS 账号级控制时，Bedrock 表现更强。

与 Amazon SageMaker 相比，Bedrock 是更高级别的选项，专注于使用和编排基础模型，无需管理完整的机器学习生命周期。而当团队需要自定义训练流水线、模型托管控制、特征商店、Notebook、实验管理和传统 MLOps 时，SageMaker 依然不可或缺。

## 最佳配置建议

理想的 Bedrock 设置应从“按任务路由模型”开始。不要在所有工作负载中使用同一模型。总结、分类、提取、向量化、Agent 推理、多模态分析和后台批处理，各自对质量和成本的要求不同。

对于 RAG 系统，应尽早投入资源优化检索质量。数据源选择、分块策略、访问控制、元数据、引用、重排序 (Reranking) 和评估集，往往比在两个顶级模型之间切换更重要。强大的模型无法弥补糟糕的检索设计。

对于 Agent，建议从细分工具和明确的边界开始。操作组应易于测试，尽可能可逆，并由模型之外的授权逻辑保护。Agent 追踪 (Traces) 在开发中很有用，但不能替代应用层的安全防护、审批步骤和监控。

对于敏感工作负载，应将护栏视为整体安全模型中的一层。系统设计中必须包含 IAM 边界、网络控制、日志审计、提示词注入测试、数据分类和人工干预路径。

## 迁移建议

从供应商直接提供的 API 迁移到 Bedrock，通常不仅仅是更改基础 URL。团队需要调整身份验证、模型 ID、请求格式、流式传输行为、区域可用性、配额、日志记录和成本仪表板。提示词效果应重新测试，因为同一模型系列在不同版本、区域或 API 界面下的表现可能存在差异。

从轻量级原型迁移到 Bedrock 通常意味着治理升级。应用将获得更好的审计、身份和网络控制，但团队也需承担 AWS 的运营复杂性。对于企业级生产系统，这种权衡通常是值得的，但对于小型原型则可能非必要。

从自托管开源模型迁移到 Bedrock 可以减少基础设施维护成本，但可能会丧失底层推理控制权。在替换自研架构之前，团队应梳理现有的批处理、缓存、提示词格式化、自定义运行时逻辑以及模型特定优化项。

## 功能

### 基础模型接入

- 托管访问 100 多种基础模型
- 模型供应商包括 Amazon、Anthropic、OpenAI、Meta、Mistral AI、Cohere、DeepSeek、Qwen、Stability AI 等
- 支持文本、图像、视频、语音、向量、重排序及多模态工作负载
- 提供 Converse API、InvokeModel API、OpenAI 兼容 API 模式及 AWS SDK 支持

### 智能体 AI (Agentic AI)

- Amazon Bedrock Agents
- 对接外部工具和 API 的操作组
- 知识库集成
- Agent 追踪与别名管理
- 多 Agent 协作

### RAG 与知识工作流

- Amazon Bedrock 知识库
- 托管及客户自管 RAG 选项
- 支持连接企业级数据源
- 引用、重排序、多模态检索及文档级权限过滤

### 安全与治理

- Amazon Bedrock 护栏 (Guardrails)
- 内容过滤、敏感话题拦截、关键词过滤及敏感信息脱敏
- 集成 IAM、KMS、CloudTrail、CloudWatch 和 AWS PrivateLink
- 模型评估与提示词管理

### 模型定制化

- 监督式微调 (SFT)
- 模型蒸馏
- 自定义模型导入
- 私有定制模型
- 针对选定定制模型的预置吞吐量

### 开发者运营

- AWS 管理控制台
- AWS SDK 和 CLI
- boto3 和 Bedrock Runtime API
- 提示词管理 (Prompt Management) 与工作流 (Flows)
- 按 IAM 主体进行成本分配
- 与广泛的 AWS 基础设施集成

## 价格

paid

- On-Demand Inference: Usage-based — 按模型单元、Token、图像、视频、音频或查询计费 — 按需推理定价因供应商、模型、模态、区域和服务层级而异。
- Batch Inference: Usage-based — 批量作业 (Batch) 适用于特定模型，成本通常低于按需推理。
- Provisioned Throughput: Custom / usage-based — 按模型单元或承诺量计费 — 预留产能适用于需要可预测吞吐量和延迟的工作负载。
- Knowledge Bases: Usage-based — RAG 成本取决于数据摄取、检索、存储、向量数据库、重排序及模型使用量。
- Guardrails: Usage-based — 根据护栏检查次数、内容单元和启用的安全功能计费。
- Model Customization: Usage-based — 微调、蒸馏和自定义模型导入定价取决于训练、托管和模型单元。
- Enterprise / AWS Account Team: Custom — 企业支持、配额规划、私有网络、承诺用量以及大规模部署咨询。

价格核对日期: 2026-06-30

## 支持的模型

- Amazon Nova
- Amazon Titan
- Anthropic Claude
- OpenAI
- Meta Llama
- Mistral AI
- Cohere
- DeepSeek
- Google Gemma
- Moonshot AI Kimi
- MiniMax
- Qwen
- Stability AI
- Luma AI
- NVIDIA
- TwelveLabs
- Writer
- xAI
- Z AI
- AI21 Labs

## 隐私与数据处理

Amazon Bedrock 在设计上确保客户的提示词、补全内容和定制数据默认不与第三方模型供应商共享，也不用于训练基础模型。数据在传输和存储时均经过加密，团队可利用 IAM、AWS KMS、CloudTrail、CloudWatch 和 AWS PrivateLink 实现访问控制、加密、审计、监控和私有连接。在发送敏感数据前，团队仍应审查模型可用性、数据驻留要求、日志选项、护栏配置及特定服务的保留策略。

## 企业功能

- IAM 策略与服务控制策略 (SCP)
- AWS KMS 加密控制
- 支持 AWS PrivateLink 和 VPC 端点
- CloudTrail 审计日志
- CloudWatch 指标与日志
- AWS Organizations 集成
- 按 IAM 主体进行成本分配
- 预置吞吐量
- 模型访问控制
- 护栏 (Guardrails)
- 知识库 (Knowledge Bases)
- Agent 及多 Agent 协作
- 模型评估
- 提示词管理与工作流 (Flows)
- 微调、蒸馏及自定义模型导入
- 企业级支持与配额规划

## 替代工具

- Azure AI Foundry
- Google Vertex AI
- Hugging Face Inference Endpoints
- Fireworks AI
- Together AI
- Replicate
- Baseten
- Modal
- RunPod
- Amazon SageMaker
- LangChain
- LlamaIndex

## 资料来源

- [官方网站](https://aws.amazon.com/bedrock/)
- [Amazon Bedrock 官方网站](https://aws.amazon.com/bedrock/)
- [Amazon Bedrock 定价页面](https://aws.amazon.com/bedrock/pricing/)
- [Amazon Bedrock 文档概览](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)
- [支持的基础模型列表](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html)
- [Amazon Bedrock Agents 介绍](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html)
- [多 Agent 协作功能](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-multi-agent-collaboration.html)
- [Amazon Bedrock 知识库文档](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html)
- [Amazon Bedrock 护栏说明](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html)
- [提示词管理功能](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management.html)
- [Amazon Bedrock Flows 工作流](https://docs.aws.amazon.com/bedrock/latest/userguide/flows.html)
- [模型定制化选项](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models.html)
- [模型蒸馏功能](https://docs.aws.amazon.com/bedrock/latest/userguide/model-distillation.html)
- [自定义模型导入说明](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html)
- [Amazon Bedrock 安全与隐私](https://aws.amazon.com/bedrock/security-compliance/)
- [Amazon Bedrock 数据保护](https://docs.aws.amazon.com/bedrock/latest/userguide/data-protection.html)
- [Amazon Bedrock 常见问题解答](https://aws.amazon.com/bedrock/faqs/)
- [Amazon Bedrock GitHub 示例库](https://github.com/aws-samples/amazon-bedrock-samples)

最近核对日期: 2026-06-30

## 更新记录

- 2026-06-30: 创建目录条目，并查阅了 AWS 官方关于 Bedrock 产品、定价、支持模型、Agent、知识库、护栏、提示词管理、工作流、定制化、安全、数据保护、FAQ 及 GitHub 示例资源。