Amazon Bedrock で Interpreter を開発 !

import boto3
bedrock = boto3.client('bedrock')
bedrock.list_foundation_models()

{(中略)
 'modelSummaries': [{'customizationsSupported': ['FINE_TUNING'],
   'inferenceTypesSupported': ['ON_DEMAND'],
   'inputModalities': ['TEXT'],
   'modelArn': 'arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-tg1-large',
   'modelId': 'amazon.titan-tg1-large',
   'modelName': 'Titan Text Large',
   'outputModalities': ['TEXT'],
   'providerName': 'Amazon',
   'responseStreamingSupported': True},
   (中略)
  {'customizationsSupported': [],
   'inferenceTypesSupported': ['ON_DEMAND'],
   'inputModalities': ['TEXT'],
   'modelArn': 'arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-embed-g1-text-02',
   'modelId': 'amazon.titan-embed-g1-text-02',
   'modelName': 'Titan Text Embeddings v2',
   'outputModalities': ['EMBEDDING'],
   'providerName': 'Amazon'},
   (中略)
   'modelArn': 'arn:aws:bedrock:us-east-1::foundation-model/stability.stable-diffusion-xl',
   'modelId': 'stability.stable-diffusion-xl',
   'modelName': 'Stable Diffusion XL',
   'outputModalities': ['IMAGE'],
   'providerName': 'Stability AI'},
   (中略)
  {'customizationsSupported': [],
   'inferenceTypesSupported': ['ON_DEMAND'],
   'inputModalities': ['TEXT'],
   'modelArn': 'arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-v2',
   'modelId': 'anthropic.claude-v2',
   'modelName': 'Claude',
   'outputModalities': ['TEXT'],
   'providerName': 'Anthropic',
   'responseStreamingSupported': True},(後略)]}

import { Bedrock } from "@aws-sdk/client-bedrock";
const bedrock = new Bedrock({});
bedrock.listFoundationModels({}, function (err, data) {
  if (err) console.log(err, err.stack);
  else console.log(data);
});

{(中略)
  modelSummaries: [
    {
      customizationsSupported: [Array],
      inferenceTypesSupported: [Array],
      inputModalities: [Array],
      modelArn: 'arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-tg1-large',
      modelId: 'amazon.titan-tg1-large',
      modelName: 'Titan Text Large',
      outputModalities: [Array],
      providerName: 'Amazon',
      responseStreamingSupported: true
    },
    (中略)
    {
      customizationsSupported: [],
      inferenceTypesSupported: [Array],
      inputModalities: [Array],
      modelArn: 'arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-embed-g1-text-02',
      modelId: 'amazon.titan-embed-g1-text-02',
      modelName: 'Titan Text Embeddings v2',
      outputModalities: [Array],
      providerName: 'Amazon',
      responseStreamingSupported: null
    },
    (中略)
    {
      customizationsSupported: [],
      inferenceTypesSupported: [Array],
      inputModalities: [Array],
      modelArn: 'arn:aws:bedrock:us-east-1::foundation-model/stability.stable-diffusion-xl',
      modelId: 'stability.stable-diffusion-xl',
      modelName: 'Stable Diffusion XL',
      outputModalities: [Array],
      providerName: 'Stability AI',
      responseStreamingSupported: null
    },
    (中略)
    {
      customizationsSupported: [],
      inferenceTypesSupported: [Array],
      inputModalities: [Array],
      modelArn: 'arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-v2',
      modelId: 'anthropic.claude-v2',
      modelName: 'Claude',
      outputModalities: [Array],
      providerName: 'Anthropic',
      responseStreamingSupported: true
    },(中略)
}

import boto3
import json
bedrock_runtime = boto3.client('bedrock-runtime')
prompt = '''

Human:私は機械学習ソリューションアーキテクトに従事しておりますが、フロントエンドの開発ができるようになりたいです。ラーニングパスを教えてください。
Assistant:'''
request = {
  "modelId": "anthropic.claude-v2",
  "contentType": "application/json",
  "accept": "*/*",
  "body": json.dumps({
      'prompt':prompt,
      'max_tokens_to_sample':1000,
      'temperature':1,
      'top_k':250,
      'top_p':0.999,
      'stop_sequences':['\n\nHuman:'],
      'anthropic_version':'bedrock-2023-05-31'
  })
}

response = bedrock_runtime.invoke_model(
    **request
)
print(json.loads(response['body'].read().decode('utf-8'))['completion'])

 フロントエンド開発を学ぶには、以下のようなステップがおすすめです。

1. HTML、CSS、JavaScriptの基礎を学ぶ
- HTMLでWebページの構造を、CSSでスタイルを、JavaScriptで動的な機能を実装します。コードアカデミーやUdemy等のオンライン学習サイトを活用すると良いでしょう。

2. JavaScriptのフレームワークを学ぶ
- React、Vue.js、Angular等のフレームワークを1つ選択して学習しましょう。複雑なアプリケーション開発ができるようになります。

3. Webアプリケーションの開発
- 簡単なTodoアプリやSNSアプリ等を開発することで、実践的なスキルが身につきます。GitHub上にあるサンプルプロジェクトを参考にするとよいでしょう。

4. UI/UX設計の技術を学ぶ
- ユーザーインターフェースとユーザーエクスペリエンスの設計手法を学び、使いやすいアプリを目指します。

5. 最新のフロントエンド技術を追随
- Web技術は日進月歩で変化していくため、ブログやSNSを通じて技術動向を把握することも大切です。

機械学習の知識とフロントエンドを組み合わせることで、インパクトある製品開発ができるでしょう。一歩ずつ着実に学習を進めていきましょう。

import {BedrockRuntime} from "@aws-sdk/client-bedrock-runtime"
const bedrockRuntime = new BedrockRuntime();

const prompt= `

Human:私は機械学習ソリューションアーキテクトに従事しておりますが、フロントエンドの開発ができるようになりたいです。ラーニングパスを教えてください。
Assistant:`

const request = {
  "modelId": "anthropic.claude-v2",
  "contentType": "application/json",
  "accept": "*/*",
  "body": JSON.stringify({
      'prompt':prompt,
      'max_tokens_to_sample':1000,
      'temperature':1,
      'top_k':250,
      'top_p':0.999,
      'stop_sequences':['\n\nHuman:'],
      'anthropic_version':'bedrock-2023-05-31'
  })
}

const main = async () => {
  const response = await bedrockRuntime.invokeModel(request)
  const body = JSON.parse(Buffer.from(response.body).toString('utf-8'));
  console.log(body.completion)
}
main()

フロントエンド開発を学ぶには、以下のような学習パスがおすすめです。

まずHTML、CSS、JavaScriptの基礎をしっかり学ぶことから始めましょう。これらはフロントエンドの基本です。特にJavaScriptは重要で、深く学ぶ必要があります。

次に、JavaScriptのフレームワークを学びましょう。今最も主流なのはReactです。Reactの概念と使い方をできるだけ実践を通して身につけることが大切です。

その上で、CSSフレームワークも併せて学ぶとよいでしょう。styled-componentsやTailwind CSSなどが人気です。レスポンシブデザインもकवसになる分野です。 

ビルドツールとしてWebpackの使い方を習得し、ES6+の記法に慣れることも大切です。

実践的には、ToDoアプリやSNSなどのシンプルなアプリから作り始め、徐々にコンポーネントを複雑化させながら進めるのがおすすめです。

このように、基礎から実践まで段階的に学んでいけば、フロントエンドエンジニアとして通用するスキルが身につくはずです。web開発に興味がある方は、是非フロントエンドを目指してみてください。

import boto3
import json
bedrock_runtime = boto3.client('bedrock-runtime')
prompt = '''

Human:私は機械学習ソリューションアーキテクトに従事しておりますが、フロントエンドの開発ができるようになりたいです。ラーニングパスを教えてください。
Assistant:'''
request = {
  "modelId": "anthropic.claude-v2",
  "contentType": "application/json",
  "accept": "*/*",
  "body": json.dumps({
      'prompt':prompt,
      'max_tokens_to_sample':1000,
      'temperature':1,
      'top_k':250,
      'top_p':0.999,
      'stop_sequences':['\n\nHuman:'],
      'anthropic_version':'bedrock-2023-05-31'
  })
}

response = bedrock_runtime.invoke_model_with_response_stream(
    **request
)

stream = response.get('body')
if stream:
    for event in stream:
        chunk = event.get('chunk')
        if chunk:
            print(json.loads(chunk.get('bytes').decode()))

{'completion': ' ', 'stop_reason': None}
{'completion': 'フロントエンド開発を学', 'stop_reason': None}
{'completion': 'ぶには、以下のような学習パスがお', 'stop_reason': None}
{'completion': 'すすめです。\n\nまずHTML、', 'stop_reason': None}
{'completion': 'CSS、JavaScriptの基本をしっ', 'stop_reason': None}
{'completion': 'かり学ぶことから始めまし', 'stop_reason': None}
(中略)
{'completion': '続的に学習を進', 'stop_reason': None}
{'completion': 'めていけば、フロントエンド開', 'stop_reason': None}
{'completion': '発者として力をつ', 'stop_reason': None}
{'completion': 'けることができると思', 'stop_reason': None}
{'completion': 'います。', 'stop_reason': 'stop_sequence'}

import { BedrockRuntime } from "@aws-sdk/client-bedrock-runtime"
const bedrockRuntime = new BedrockRuntime();
const prompt = `

Human:私は機械学習ソリューションアーキテクトに従事しておりますが、フロントエンドの開発ができるようになりたいです。ラーニングパスを教えてください。
Assistant:`
const request = {
  "modelId": "anthropic.claude-v2",
  "contentType": "application/json",
  "accept": "*/*",
  "body": JSON.stringify({
    'prompt': prompt,
    'max_tokens_to_sample': 1000,
    'temperature': 1,
    'top_k': 250,
    'top_p': 0.999,
    'stop_sequences': ['\n\nHuman:'],
    'anthropic_version': 'bedrock-2023-05-31'
  })
}

const main = async () => {
  const response = await bedrockRuntime.invokeModelWithResponseStream(request)
  if (!response.body) {
    return;
  }
  for await (const streamChunk of response.body) {
    if (!streamChunk.chunk?.bytes) {
      break;
    }
    const body = JSON.parse(
      new TextDecoder('utf-8').decode(streamChunk.chunk?.bytes)
    )
    if (body.completion) {
      console.log(body);
    }
  }
}
main()

{ completion: ' ', stop_reason: null }
{ completion: 'フロ', stop_reason: null }
{ completion: 'ントエンド開', stop_reason: null }
{ completion: '発を学ぶ', stop_reason: null }
{ completion: 'には以下のような学習', stop_reason: null }
(中略)
{ completion: 'キ', stop_reason: null }
{ completion: 'ャ', stop_reason: null }
{ completion: 'リアの幅', stop_reason: null }
{ completion: 'を広げることができるでし', stop_reason: null }
{ completion: 'ょう。頑張ってください!', stop_reason: 'stop_sequence' }

import { BedrockRuntime } from "@aws-sdk/client-bedrock-runtime"

const bedrockRuntime = new BedrockRuntime({ 'region': 'us-east-1' });

const runtime = 'Node.js 18.x'

const context = `あなたはAWS Lambda関数を生成するAIアシスタントです。
以下の手順でLambda関数のコードを生成してください。手順以外のことは絶対にしないでください。

# Lambda関数の生成手順
* ユーザがチャットで関数作成のコンテキストを与えるので、それに従ってください。ただし、「# Lambda関数の生成手順」は厳守してください。例外はありません。
* ユーザがチャットで指示した「# 関数のコンテキスト」を理解してください。この内容を元にコードを生成します。ここに書かれていない処理は、絶対にコードとして生成してはいけません。例外はありません。
* Lambdaのランタイムは「${runtime}」を利用するので、ランタイムに合ったコードを生成してください。
* Lambda関数のハンドラーの名前は、「handler」としてください。
* コードに対して解説を行いたい場合は、コード内のコメントブロックとして出力してください。
* 生成したコードだけを出力してください。その他の文言は一切出力しないでください。例外はありません。`

const requirement = `リクエストが来たら Hello World と返してください。`

const prompt = `

Human: ${context}
#  関数のコンテキスト
${requirement}
Assistant:`

const request = {
  "modelId": "anthropic.claude-v2",
  "contentType": "application/json",
  "accept": "*/*",
  "body": JSON.stringify({
    'prompt': prompt,
    'max_tokens_to_sample': 1024,
    'temperature': 0,
    'top_k': 250,
    'top_p': 0.999,
    'stop_sequences': ['\n\nHuman:'],
    'anthropic_version': 'bedrock-2023-05-31'
  })
}
const main = async () => {
  const response = await bedrockRuntime.invokeModel(request)
  const body = JSON.parse(Buffer.from(response.body).toString('utf-8'));
  console.log(body.completion)
}
main()

```js
exports.handler = async (event) => {
  // リクエストが来たらHello Worldを返す
  return 'Hello World';
};
```

import { BedrockRuntime } from "@aws-sdk/client-bedrock-runtime"
const bedrockRuntime = new BedrockRuntime({ 'region': 'us-east-1' });
const runtime = 'Node.js 18.x'

const previousPrompt = `
Human: あなたはAWS Lambda関数を生成するAIアシスタントです。
以下の手順でLambda関数のコードを生成してください。手順以外のことは絶対にしないでください。
# Lambda関数の生成手順
* ユーザがチャットで関数作成のコンテキストを与えるので、それに従ってください。ただし、「# Lambda関数の生成手順」は厳守してください。例外はありません。
* ユーザがチャットで指示した「# 関数のコンテキスト」を理解してください。この内容を元にコードを生成します。ここに書かれていない処理は、絶対にコードとして生成してはいけません。例外はありません。
* Lambdaのランタイムは「Node.js 18.x」を利用するので、ランタイムに合ったコードを生成してください。
* Lambda関数のハンドラーの名前は、「handler」としてください。
* コードに対して解説を行いたい場合は、コード内のコメントブロックとして出力してください。
* 生成したコードだけを出力してください。その他の文言は一切出力しないでください。例外はありません。
#  関数のコンテキスト
リクエストが来たら Hello World と返してください。
Assistant:`
const previousResponse = ` \`\`\`js
exports.handler = async (event) => {
  // リクエストが来たらHello Worldを返す
  return 'Hello World';
};
\`\`\``
const prompt = `
${previousPrompt}${previousResponse}
Human: 以下の手順でテストデータを生成してください。手順以外のことは絶対にしないでください。
# テストデータの生成手順
* 先ほどあなたが生成したLambdaのコードに対するテストデータを生成します。これまでのやり取りをすべて理解してください。
* Lambda関数の品質を担保することのできるテストデータを考えてください。
* 「# テストデータのフォーマット」のJSON形式でテストデータを出力してください。データは必ず配列で設定してください。その他の文言は一切出力しないでください。例外はありません。
* JSON以外の文字列は一切出力しないでください。見出しや説明文は一切出力してはいけません。例外はありません。
# テストデータのフォーマット
{
  describe: "テストデータの解説",
  input: "Lambda関数のINPUT",
  output: "Lambda関数のOUTPUT"
}[]
Assistant:
`
const request = {
  "modelId": "anthropic.claude-v2",
  "contentType": "application/json",
  "accept": "*/*",
  "body": JSON.stringify({
    'prompt': prompt,
    'max_tokens_to_sample': 1024,
    'temperature': 0,
    'top_k': 250,
    'top_p': 0.999,
    'stop_sequences': ['\n\nHuman:'],
    'anthropic_version': 'bedrock-2023-05-31'
  })
}
const main = async () => {
  const response = await bedrockRuntime.invokeModel(request)
  const body = JSON.parse(Buffer.from(response.body).toString('utf-8'));
  console.log(body.completion)
}
main()

```json
[
  {
    "describe": "正常系のテストデータ", 
    "input": {},
    "output": "Hello World"
  },
  {
    "describe": "異常系のテストデータ",
    "input": {
      "error": true 
    },
    "output": "Hello World"  
  }
]
```