本课程涵盖通过 AWS Bedrock API 使用 Claude 模型，从基本请求到高级智能体实现。您将学习进行 API 调用、实现工具使用、构建 RAG 管道、使用 MCP 服务器，并利用 Claude Code 和 computer use 等功能实现自动化。
您将学到的内容完成本课程后，您将能够
- 在 Amazon Bedrock 上使用 Anthropic 模型进行多轮对话和系统提示配置
- 使用结构化方法构建和评估提示
- 使用 JSON Schema 设计和集成自定义工具，用于函数调用和批处理
- 开发包含文本分块、嵌入、BM25 搜索和上下文检索技术的 RAG 管道
- 配置和优化 Claude 的高级功能，包括扩展思考、视觉能力和提示缓存
- 利用 Claude Code 进行自动化调试和任务执行
- 实现 Model Context Protocol（MCP）以在客户端应用程序中定义工具、资源和提示
- 通过流式传输、温度控制和结构化数据提取来优化推理
- 使用基于模型和基于代码的评分方法构建提示评估框架
Who it’s for
希望为其应用程序添加 AI 功能的开发者
Before you start
- 熟练掌握 Python 编程
- 具备处理 JSON 数据的基本知识
- 拥有可访问 Bedrock 的 AWS 账户
Inside the course
课程介绍
1 lesson从这里开始学习基础知识。
使用 API
9 lessons涵盖 API 身份验证、基本请求、对话管理、 系统提示和结构化输出生成。
提示工程
6 lessons学习编写真正有效的提示。重点关注提示策略、 评估框架和系统化测试方法。
工具使用
13 lessons使用自定义工具和函数扩展 Claude。构建具有 函数调用、多轮工具交互、批量工具调用的应用程序， 并利用内置实用工具。
检索增强生成
10 lessons生产级 RAG 系统的实现指南。涵盖文本 分块、嵌入、使用 BM25 的混合搜索、多索引 架构、重排序和上下文检索。
Model Context Protocol
12 lessons用于构建模块化 AI 应用程序的协议。定义自定义 工具和资源，实现 MCP 服务器和客户端，处理 完整的集成生命周期。
智能体
7 lessons两个强大的 Anthropic 工具实战演示。Claude Code 加速开发工作流程，Computer Use 自动化 UI 交互。 包括 MCP 集成模式。