Управление на разходите за ИИ: Проекти на Amazon Bedrock за приписване на разходи

След това използвайте предоставения Python скрипт, за да създадете проект, като се уверите, че вашият AWS регион е конфигуриран правилно и вашият API ключ на Amazon Bedrock е зададен като променлива на средата OPENAI_API_KEY.

import os
import requests

# Configuration
BASE_URL = "https://bedrock-mantle.<YOUR-REGION-HERE>.api.aws/v1"
API_KEY  = os.environ.get("OPENAI_API_KEY")  # Вашият API ключ на Amazon Bedrock

def create_project(name: str, tags: dict) -> dict:
    """Създаване на проект на Bedrock с тагове за разпределение на разходите."""
    response = requests.post(
        f"{BASE_URL}/organization/projects",
        headers={
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json"
        },
        json={"name": name, "tags": tags}
    )

    if response.status_code != 200:
        raise Exception(
            f"Неуспешно създаване на проект: {response.status_code} - {response.text}"
        )

    return response.json()

# Пример: Създаване на производствен проект с пълна таксономия на тагове
project = create_project(
    name="CustomerChatbot-Prod",
    tags={
        "Application": "CustomerChatbot",
        "Environment": "Production",
        "Team":        "CustomerExperience",
        "CostCenter":  "CC-1001",
        "Owner":       "alice"
    }
)
print(f"Създаден проект: {project['id']}")

Този скрипт ще върне детайлите на проекта, включително неговия уникален id (напр. proj_123) и ARN. Запазете този id, тъй като той ще бъде от решаващо значение за асоциирането на вашите заявки за извод. Можете да създадете до 1000 проекта на AWS акаунт, предлагайки достатъчна гъвкавост дори за най-големите организации.

Асоцииране на заявки за извод

След като вашият проект е създаден, интегрирайте неговия ИД във вашите API повиквания на Bedrock. Например, използвайки Responses API:

from openai import OpenAI

client = OpenAI(
    base_url="https://bedrock-mantle.<YOUR-REGION-HERE>.api.aws/v1",
    project="<ВАШИЯ-ИД-НА-ПРОЕКТ>", # ИД, върнат при създаването на проекта
)
response = client.responses.create(
    model="openai.gpt-oss-120b",
    input="Summarize the key findings from our Q4 earnings report."
)
print(response.output_text)

Чрез постоянно включване на параметъра project осигурявате точно приписване на разходите за всеки извод. За по-напреднали приложения на Bedrock, помислете как това се интегрира с по-широки стратегии като изграждане на двигател за A/B тестване, задвижван от ИИ, използващ Amazon Bedrock.

Активиране и анализ на вашите ИИ разходи в AWS

Последната стъпка в осигуряването на цялостна видимост на разходите е активирането на вашите персонализирани тагове за проекти като тагове за разпределение на разходите в конзолата за AWS Billing. Това е еднократна конфигурация, която указва на AWS да включи тези тагове във вашите подробни отчети за таксуване.

Активиране на тагове за разпределение на разходите

Навигирайте до конзолата за AWS Billing and Cost Management и следвайте инструкциите за активиране на вашите персонализирани тагове. Препоръчително е да направите това веднага след създаването на първия си проект, за да избегнете пропуски във вашите данни за разходите. Имайте предвид, че може да отнеме до 24 часа, докато тези тагове се разпространят напълно и се появят в AWS Cost Explorer и AWS Data Exports.

Преглед на разходите за проекти в AWS Cost Explorer

След като бъдат активирани, можете да използвате AWS Cost Explorer, за да визуализирате и анализирате разходите си за Amazon Bedrock с безпрецедентна детайлност. Можете да филтрирате разходите си по Service (Amazon Bedrock) и след това да ги групирате по вашите персонализирани тагове за разпределение на разходите, като Application, Environment или CostCenter. Това ви позволява да:

• Идентифицирате основните двигатели на разходите: Бързо да определите кои приложения или среди консумират най-много генеративни ИИ ресурси.
• Извършвате префактуриране: Генерирате точни отчети за вътрешни модели за префактуриране, гарантирайки, че отделите са таксувани справедливо за тяхното използване на ИИ.
• Оптимизирате разходите: Откривате области на неефективност, като например скъпи модели, използвани в некритични среди за разработка, и да вземате информирани решения за оптимизиране на разпределението на ресурсите.
• Прогнозирате и бюджетирате: Подобрите точността на бъдещите прогнози за разходите за ИИ, като анализирате исторически данни, разбити по конкретни работни натоварвания.

Чрез възприемането на проектите на Amazon Bedrock и дисциплинирана стратегия за тагване, организациите могат да трансформират неясните разходи за ИИ в прозрачни, приложими прозрения. Това не само поддържа по-добро финансово управление, но и насърчава култура на осъзнатост на разходите, позволявайки на екипите да мащабират своите инициативи за генеративен ИИ отговорно и ефективно. Този детайлен контрол върху ресурсите е ключов и за ефективното интегриране на нови възможности като Amazon Bedrock AgentCore.