AI成本管理：使用Amazon Bedrock项目进行归因

接下来，使用提供的Python脚本创建一个项目，确保您的AWS区域配置正确，并且您的Amazon Bedrock API密钥已设置为OPENAI_API_KEY环境变量。

import os
import requests

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

def create_project(name: str, tags: dict) -> dict:
    """Create a Bedrock project with cost allocation tags."""
    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"Failed to create project: {response.status_code} - {response.text}"
        )

    return response.json()

# Example: Create a production project with full tag taxonomy
project = create_project(
    name="CustomerChatbot-Prod",
    tags={
        "Application": "CustomerChatbot",
        "Environment": "Production",
        "Team":        "CustomerExperience",
        "CostCenter":  "CC-1001",
        "Owner":       "alice"
    }
)
print(f"Created project: {project['id']}")

此脚本将返回项目详细信息，包括其唯一的id（例如，proj_123）和ARN。保存此id，因为它对于关联您的推理请求至关重要。每个AWS账户最多可以创建1,000个项目，即使对于最大的组织也提供了充足的灵igence。

关联推理请求

创建项目后，将其ID集成到您的Bedrock API调用中。例如，使用Responses API：

from openai import OpenAI

client = OpenAI(
    base_url="https://bedrock-mantle.<YOUR-REGION-HERE>.api.aws/v1",
    project="<YOUR-PROJECT-ID>", # ID returned when you created the project
)
response = client.responses.create(
    model="openai.gpt-oss-120b",
    input="Summarize the key findings from our Q4 earnings report."
)
print(response.output_text)

通过始终包含project参数，您可以确保每次推理的成本归因都准确无误。对于更高级的Bedrock应用程序，请考虑这如何与更广泛的策略集成，例如使用Amazon Bedrock构建AI驱动的A/B测试引擎。

在AWS中激活和分析您的AI成本

实现全面成本可见性的最后一步是在AWS Billing控制台中激活您的自定义项目标签作为成本分配标签。这是一次性配置，它会指示AWS将这些标签纳入您的详细账单报告中。

激活成本分配标签

导航到AWS Billing and Cost Management控制台，并按照说明激活您的自定义标签。建议在创建第一个项目后立即执行此操作，以避免成本数据出现任何空白。请注意，这些标签可能需要长达24小时才能完全传播并在AWS Cost Explorer和AWS Data Exports中显示。

在AWS Cost Explorer中查看项目成本

激活后，您可以利用AWS Cost Explorer以前所未有的详细程度可视化和分析您的Amazon Bedrock支出。您可以按Service（Amazon Bedrock）筛选您的成本，然后按您的自定义成本分配标签（例如Application、Environment或CostCenter）进行分组。这使您能够：

• 识别成本驱动因素： 快速查明哪些应用程序或环境消耗了最多的生成式AI资源。
• 执行费用分摊： 为内部费用分摊模型生成准确的报告，确保部门为其AI使用量公平付费。
• 优化支出： 检测效率低下的领域，例如在非关键开发环境中使用昂贵模型，并做出明智的决策以优化资源分配。
• 预测和预算： 通过分析按特定工作负载细分的历史数据，提高未来AI支出预测的准确性。

通过采用Amazon Bedrock项目和严格的标签策略，组织可以将模糊的AI开销转化为透明、可操作的洞察。这不仅支持更好的财务治理，还培养了成本意识文化，使团队能够负责任且有效地扩展其生成式AI计划。这种对资源的详细控制也是高效集成Amazon Bedrock AgentCore等新功能的关键。