AWS AIP-C01 开源练习 · 基础 · 第 03 套

A. When documents are short and self-contained, the "no chunking" option indexes each as a single chunk.

B. Hierarchy adds needless complexity for already-atomic records.

C. Over-splitting atomic records can fragment meaning.

D. Extremely small fixed chunks destroy context for whole-record content.

A. 当文档较短且独立时，“无分块”选项将每个文档作为单个块进行索引。

B. 层次结构给已经原子的记录增加了不必要的复杂性。

C. 过度分割原子记录可能会导致意义支离破碎。

D. 极小的固定块会破坏整个记录内容的上下文。

A. Custom chunking lets you define your own splitting logic, including a Lambda-based transformation.

B. Fixed-size cannot express custom delimiter logic.

C. No chunking is the opposite of fine-grained custom control.

D. Sharding is a storage-layer concept, not content splitting.

A. 自定义分块允许您定义自己的拆分逻辑，包括基于 Lambda 的转换。

B. 固定大小无法表达自定义分隔符逻辑。

C. 无分块与细粒度自定义控制相反。

D. 分片是一个存储层的概念，而不是内容分割。

A. Titan embeddings can output 256, 512, or 1024 dimensions, trading storage/speed against fidelity.

B. These are not the supported Titan embedding sizes.

C. Embeddings are high-dimensional vectors, not scalars.

D. Titan supports specific sizes (256/512/1024), not arbitrary values.

A. Titan 嵌入可以输出 256、512 或 1024 维，以存储/速度和保真度为代价。

B. 这些不是支持的 Titan 嵌入大小。

C. 嵌入是高维向量，而不是标量。

D. Titan 支持特定大小 (256/512/1024)，而不是任意值。

A. Lower-dimensional vectors cost less to store/search but may capture slightly less nuance.

B. Fewer dimensions can reduce fidelity; it is a trade-off, not a pure win.

C. Dimension directly affects vector storage size.

D. Dimension choice is unrelated to capacity reservation.

A. 较低维度的向量存储/搜索的成本较低，但捕获的细微差别可能会稍微少一些。

B. 较少的维度会降低保真度；这是一种权衡，而不是纯粹的胜利。

C. 维度直接影响向量存储大小。

D. 维度选择与容量预留无关。

A. Hybrid search blends lexical BM25 matching with vector semantic matching for better coverage.

B. Keyword-only misses semantic matches and paraphrases.

C. Vector-only can miss exact tokens like codes/IDs.

D. Randomness is not a retrieval strategy.

A. 混合搜索将词汇 BM25 匹配与向量语义匹配相结合，以获得更好的覆盖范围。

B. 仅关键字会错过语义匹配和释义。

C. 仅向量可能会丢失代码/ID 等精确标记。

D. 随机性不是一种检索策略。

A. BM25 is a classic keyword ranking function; it provides the lexical half of hybrid search.

B. Embeddings power the vector half, not BM25.

C. BM25 is a ranking function, not a dimensionality technique.

D. BM25 ranks, it does not chunk.

A. BM25是经典的关键词排名功能；它提供了混合搜索的词汇部分。

B. 嵌入为向量的一半提供动力，而不是 BM25。

C. BM25 是一种排序函数，而不是一种维度技术。

D. BM25排名，它不分块。

A. The Rerank API uses a cross-encoder reranker to reorder retrieved passages by relevance to the query.

B. Temperature affects generation randomness, not retrieval ordering.

C. Sharding affects capacity/latency, not relevance ranking.

D. Chunking strategy does not reorder results by relevance.

A. Rerank API 使用跨编码器重新排序器根据与查询的相关性对检索到的段落进行重新排序。

B. 温度影响生成随机性，而不影响检索顺序。

C. 分片影响容量/延迟，而不是相关性排名。

D. 分块策略不会按相关性对结果重新排序。

A. Amazon Rerank 1.0 is offered through the Rerank API.

B. Cohere Rerank 3.5 is available via the Bedrock Rerank API.

C. That is an image model, not a reranker.

D. Stable Diffusion is an image model, not a reranker.

E. No such Bedrock reranker model; rerankers are Amazon Rerank and Cohere Rerank.

A. Amazon Rerank 1.0 通过 Rerank API 提供。

B. Cohere Rerank 3.5 可通过 Bedrock Rerank API 获取。

C. 这是一个图像模型，而不是重新排序器。

D. 稳定扩散是一个图像模型，而不是重新排序器。

E. 没有这样的基岩重排序模型；重新排名工具包括 Amazon Rerank 和 Cohere Rerank。

A. KB users turn on reranking through the Retrieve and RetrieveAndGenerate APIs.

B. Reranking is a managed feature, no custom training needed.

C. Reranking is invoked via the API; it does not mandate provisioned embeddings capacity.

D. It is available in Amazon Bedrock.

A. KB 用户通过 Retrieve 和 RetrieveAndGenerate API 启用重新排名。

B. 重新排名是一项托管功能，无需自定义培训。

C. 重新排名是通过 API 调用的；它不强制规定嵌入能力。

D. 它可在亚马逊基岩中使用。

A. Cross-encoders consider query+passage together, capturing relevance signals a single-vector similarity may miss.

B. Reranking does not change embedding dimensions.

C. Reranking refines retrieved candidates; retrieval still happens first.

D. Reranking orders passages; it does not control generation determinism.

A. 交叉编码器将查询+段落一起考虑，捕获单向量相似性可能错过的相关信号。

B. 重新排序不会改变嵌入维度。

C. 重新排序细化检索到的候选者；检索仍然首先发生。

D. 对段落重新排序；它不控制世代决定论。

A. Embedding drift creates a vector-space mismatch between queries and stored vectors, silently breaking retrieval.

B. Temperature affects generation, not retrieval matching.

C. The FM invokes successfully, so the permission is present.

D. Sharding affects capacity/latency, not vector-space alignment.

A. 嵌入漂移会在查询和存储的向量之间造成向量空间不匹配，从而默默地破坏检索。

B. 温度影响生成，而不影响检索匹配。

C. FM调用成功，权限已存在。

D. 分片影响容量/延迟，而不是向量空间对齐。

A. Matching the embedding model/version keeps queries and documents in the same vector space.

B. They must match, not differ by size.

C. Mixing models causes a vector-space mismatch and poor retrieval.

D. Document embeddings are created at ingestion; queries are embedded at query time with the same model.

A. 匹配嵌入模型/版本可将查询和文档保留在同一向量空间中。

B. 它们必须匹配，而不是大小不同。

C. 混合模型会导致向量空间不匹配和检索效果不佳。

D. 文档嵌入是在摄取时创建的；查询在查询时嵌入相同的模型。

A. Chunk size trades context retention against retrieval precision and token limits.

B. Chunk size materially affects relevance and context.

C. Too-small chunks can lose needed context.

D. Larger chunks can increase tokens per retrieval and cost.

A. 块大小将上下文保留与检索精度和令牌限制进行交换。

B. 块大小会对相关性和上下文产生重大影响。

C. 太小的块可能会丢失所需的上下文。

D. 较大的块可以增加每次检索的令牌和成本。

A. Semantic chunking places boundaries at meaning shifts to keep coherent ideas intact.

B. Fixed-size splits by counts regardless of meaning.

C. No chunking keeps the whole document as one unit.

D. Sharding is storage distribution, not semantic splitting.

A. 语义分块在意义转换处设置了界限，以保持连贯的想法完整。

B. 无论含义如何，均按计数固定大小分割。

C. 没有分块将整个文档视为一个单元。

D. 分片是存储分配，而不是语义分割。

A. A common AWS pattern is hosting a lightweight MCP server on Lambda for serverless, event-driven tool exposure.

B. Mainframes are not an AWS MCP hosting pattern.

C. Local laptops are not a production hosting pattern.

D. An MCP server is a running service, not a static object.

A. 一种常见的 AWS 模式是在 Lambda 上托管轻量级 MCP 服务器，以实现无服务器、事件驱动的工具公开。

B. 大型机不是 AWS MCP 托管模式。

C. 本地笔记本电脑不是生产托管模式。

D. MCP 服务器是一个正在运行的服务，而不是一个静态对象。

A. For complex/long-running MCP servers, containers on ECS give more control than Lambda.

B. CloudFront functions are tiny edge scripts, unsuitable for a complex MCP server.

C. Static hosting cannot run a stateful MCP server.

D. SES is email, not compute for an MCP server.

A. 对于复杂/长时间运行的 MCP 服务器，ECS 上的容器比 Lambda 提供更多控制。

B. CloudFront 函数是微小的边缘脚本，不适合复杂的 MCP 服务器。

C. 静态托管无法运行有状态的 MCP 服务器。

D. SES 是电子邮件，而不是 MCP 服务器的计算。

A. MCP is an open protocol for connecting models/agents to tools and context sources uniformly.

B. That is a vector-storage concern, not MCP.

C. Credential rotation is unrelated to MCP.

D. Bucket replication is unrelated to MCP.

A. MCP 是一种开放协议，用于将模型/代理统一连接到工具和上下文源。

B. 这是矢量存储问题，而不是 MCP。

C. 凭证轮换与 MCP 无关。

D. 桶复制与MCP无关。

A. Hybrid search improves the set of candidate passages retrieved.

B. A reranker refines ordering so the best passages surface first.

C. Reranking operates on already-retrieved candidates.

D. Hybrid search specifically uses embeddings plus keywords.

E. Neither requires fine-tuning the generation model.

A. 混合搜索改进了检索到的候选段落集。

B. 重新排序器会优化排序，以便最好的段落首先出现。

C. 重新排名对已检索的候选者进行。

D. 混合搜索专门使用嵌入加关键字。

E. 两者都不需要微调生成模型。

A. Reranking is a low-overhead, managed way to push the most relevant passages to the top.

B. DynamoDB lacks native vector search and would not fix ranking.

C. More tokens do not improve which passages are most relevant.

D. Removing chunking typically hurts retrieval precision.

A. 重新排名是一种低开销、可管理的方法，可将最相关的段落推到顶部。

B. DynamoDB 缺乏本机矢量搜索，并且无法修复排名。

C. 更多标记并不能改善哪些段落最相关。

D. 删除分块通常会损害检索精度。

A. Prompt Management stores versioned, parameterized prompt templates with collaboration and approval support.

B. Guardrails enforce content policies; they do not version prompts.

C. Knowledge Bases handle RAG, not prompt versioning.

D. CodeCommit is a Git repo, not a Bedrock prompt template service.

A. 提示管理存储版本化、参数化的提示模板，并提供协作和批准支持。

B. 护栏执行内容政策；他们没有版本提示。

C. 知识库处理 RAG，而不是提示版本控制。

D. CodeCommit 是一个 Git 存储库，而不是 Bedrock 提示模板服务。

A. Prompt Management provides versioning, multi-stage approvals, and access control natively.

B. Custom approval logic adds significant development and maintenance overhead.

C. Manual email review is not scalable or auditable.

D. Embedding prompts in code lacks governed approval workflows and reuse.

A. 提示管理本身提供版本控制、多阶段批准和访问控制。

B. 自定义审批逻辑增加了大量的开发和维护开销。

C. 手动电子邮件审核不可扩展或不可审核。

D. 在代码中嵌入提示缺乏受监管的审批工作流程和重用。

A. Prompt Flows is a visual, low/no-code builder for orchestrating prompts, models, and logic.

B. Prompt Management versions prompts; Prompt Flows orchestrates them into workflows.

C. Step Functions is general orchestration; the Bedrock-native visual prompt workflow builder is Prompt Flows.

D. Guardrails are safety policies, not a workflow builder.

A. Prompt Flows 是一个可视化、低代码/无代码构建器，用于编排提示、模型和逻辑。

B. 提示管理版本提示； Prompt Flows 将它们编排到工作流程中。

C. Step Functions 是通用编排； Bedrock 原生视觉提示工作流构建器是 Prompt Flows。

D. 护栏是安全策略，而不是工作流程构建器。

A. Stop sequences deterministically halt generation when a specified string is produced.

B. Temperature controls randomness, not where generation stops.

C. top_k limits candidate tokens; it does not stop on a phrase.

D. max_tokens caps length but cannot stop precisely at a chosen phrase.

A. 当生成指定的字符串时，停止序列确定性地停止生成。

B. 温度控制随机性，而不是生成停止的地方。

C. top_k 限制候​​选令牌；它不会停留在一个短语上。

D. max_tokens 限制长度，但不能精确地停在所选短语处。

A. Each parameter governs a different aspect: stopping, randomness, and candidate breadth.

B. Only stop_sequences controls stopping.

C. These roles are swapped/incorrect.

D. They are inference parameters, not storage settings.

A. 每个参数控制不同的方面：停止、随机性和候选宽度。

B. 只有 stop_sequences 控制停止。

C. 这些角色被交换/不正确。

D. 它们是推理参数，而不是存储设置。

A. Lower temperature reduces randomness, producing more deterministic, focused output.

B. High temperature increases randomness, the opposite of deterministic.

C. Stop sequences end generation; they do not control creativity.

D. max_tokens affects length, not determinism.

A. 较低的温度会减少随机性，从而产生更具确定性、更集中的输出。

B. 高温会增加随机性，与确定性相反。

C. 停止序列结束生成；他们无法控制创造力。

D. max_tokens 影响长度，而不影响确定性。

A. top_k restricts sampling to the K highest-probability tokens.

B. Temperature scales the probability distribution; it does not cap the candidate count.

C. Stop sequences end generation; they do not limit token candidates.

D. Presence penalty discourages repetition; it is not a top-K cap.

A. top_k 将采样限制为 K 个最高概率的标记。

B. 温度缩放概率分布；它不限制候选人数量。

C. 停止序列结束生成；他们不限制代币候选者。

D. 存在惩罚会阻止重复； it is not a top-K cap.

A. top_p (nucleus sampling) selects the smallest set of tokens whose cumulative probability exceeds p.

B. top_k uses a fixed count, not cumulative probability.

C. max_tokens caps output length, not sampling.

D. Stop sequences end generation, not select candidates.

A. top_p（核心采样）选择累积概率超过 p 的最小 token 集合。

B. top_k 使用固定计数，而不是累积概率。

C. max_tokens 限制输出长度，而不是采样。

D. 停止序列结束生成，而不是选择候选序列。

A. CloudTrail records Bedrock API calls, providing an audit trail of prompt usage.

B. CloudWatch Logs captures runtime logs for monitoring prompt activity.

C. Macie discovers sensitive data in S3; it is not a Prompt Management observability tool.

D. Polly is text-to-speech, unrelated to observability.

E. Shield is DDoS protection, unrelated to prompt observability.

A. CloudTrail 记录 Bedrock API 调用，提供即时使用情况的审核跟踪。

B. CloudWatch Logs 捕获运行时日志以监控提示活动。

C. Macie 在 S3 中发现敏感数据；它不是一个提示管理可观察性工具。

D. Polly 是文本转语音，与可观察性无关。

E. Shield 是 DDoS 防护，与即时可观察性无关。

A. Management = store/version/approve prompts; Flows = orchestrate them visually.

B. They are distinct: one stores prompts, the other orchestrates workflows.

C. This reverses their roles.

D. Neither is a vector store.

A. 管理=存储/版本/审批提示；流程=以视觉方式编排它们。

B. 它们是不同的：一个存储提示，另一个协调工作流程。

C. 这颠倒了他们的角色。

D. 两者都不是矢量存储。

A. Configuring stop sequences ends generation precisely at the delimiter, preventing overrun.

B. Higher temperature adds randomness; it does not control termination.

C. top_k changes candidate breadth, not stopping behavior.

D. Truncating to one token breaks the output rather than stopping at the right boundary.

A. 配置停止序列会在分隔符处精确结束生成，从而防止溢出。

B. 较高的温度会增加随机性；它不控制终止。

C. top_k 改变候选广度，而不是停止行为。

D. 截断为一个标记会破坏输出，而不是停在正确的边界处。

A. Prompt Management supports variables/parameters in versioned templates for reuse.

B. Guardrails filter content; they do not template prompts.

C. SQS is messaging, not prompt templating.

D. AppConfig manages config, not parameterized prompt templates with versioning.

A. 提示管理支持版本化模板中的变量/参数以供重用。

B. 护栏过滤内容；他们没有模板提示。

C. SQS 是消息传递，而不是提示模板。

D. AppConfig 管理配置，而不是具有版本控制的参数化提示模板。

A. Prompt Flows chains steps and models visually for multi-step GenAI workflows.

B. That is invocation logging to S3, not Prompt Flows.

C. That is Comprehend, not Prompt Flows.

D. That is Provisioned Throughput.

A. Prompt Flows 以可视方式链接步骤和模型，以实现多步骤 GenAI 工作流程。

B. 这是对 S3 的调用日志记录，而不是提示流。

C. 那是理解，而不是即时流动。

D. 这就是预置吞吐量。

A. Prompt Management versions templates so you can compare and revert.

B. Profiles route traffic; they do not version prompts.

C. That is vector index tuning, unrelated to prompts.

D. Stop sequences end generation; they do not version prompts.

A. 提示管理版本模板，以便您可以比较和恢复。

B. 配置文件路由流量；他们没有版本提示。

C. 那是向量索引调整，与提示无关。

D. 停止序列结束生成；他们没有版本提示。

A. Higher temperature flattens the distribution, yielding more varied output.

B. Stopping is controlled by stop_sequences/max_tokens, not temperature.

C. Temperature does not control factual correctness.

D. It does not collapse the vocabulary to a single token.

A. 较高的温度使分布变得平坦，从而产生更加多样化的输出。

B. 停止由 stop_sequences/max_tokens 控制，而不是温度。

C. 温度不能控制事实的正确性。

D. 它不会将词汇表折叠成单个标记。

A. Invocation logging captures prompts/responses; S3 Object Lock enforces immutable retention.

B. CloudTrail logs API metadata, not full prompt/response content.

C. Flow history is not a compliant 7-year immutable record of all invocations.

D. Ephemeral storage cannot meet immutable long-term retention.

A. 调用日志记录捕获提示/响应； S3 对象锁强制执行不可变保留。

B. CloudTrail 记录 API 元数据，而不是完整的提示/响应内容。

C. 流历史记录不是所有调用的 7 年不可变记录。

D. 临时存储无法满足不可变的长期保留。

A. Stop sequences are enforced by the API and reliably terminate generation, unlike prompt-only instructions.

B. Restating instructions does not reliably enforce stopping.

C. top_p shapes candidate selection, not stopping.

D. That adds randomness and makes behavior less controlled.

A. 与仅提示指令不同，停止序列由 API 强制执行并可靠地终止生成。

B. 重述指令并不能可靠地强制停止。

C. top_p 塑造候选选择，而不是停止。

D. 这增加了随机性并使行为更难以控制。

A. Central versioned templates let you update governed prompts without code redeploys.

B. Hard-coding requires redeploying to change prompts and lacks governance.

C. Client-side prompts are ungoverned and insecure.

D. Provisioned Throughput reserves capacity; it does not manage prompts.

A. 中央版本控制模板允许您更新受管理的提示，而无需重新部署代码。

B. 硬编码需要重新部署以更改提示，并且缺乏治理。

C. 客户端提示不受监管且不安全。

D. 预留吞吐量储备能力；它不管理提示。

A. Bedrock Agents are managed agents that orchestrate reasoning, tool/API calls, and knowledge-base lookups.

B. Guardrails enforce content safety; they are not an agent runtime.

C. Prompt Flows orchestrate prompt steps but are not the managed agent feature.

D. Processing runs data jobs, not agents.

A. Bedrock 代理是托管代理，可编排推理、工具/API 调用和知识库查找。

B. 护栏加强内容安全；它们不是代理运行时。

C. 提示流编排提示步骤，但不是托管代理功能。

D. 处理运行数据作业，而不是代理。

A. Bedrock Agents accept an OpenAPI schema to define callable API actions.

B. Agents also support defining actions via function definitions.

C. A vector index is for retrieval, not tool definitions.

D. Temperature is an inference setting, not a tool definition.

E. Lifecycle policies manage object storage, not agent tools.

A. Bedrock Agent 接受 OpenAPI 架构来定义可调用的 API 操作。

B. 代理还支持通过函数定义来定义操作。

C. 矢量索引用于检索，而不是工具定义。

D. 温度是一个推断设置，而不是工具定义。

E. 生命周期策略管理对象存储，而不是代理工具。

A. Agent tracing exposes the agent's reasoning steps and tool calls for debugging.

B. S3 access logs track object requests, not agent reasoning.

C. Flow Logs capture network traffic, not agent decisions.

D. Config tracks resource changes, not agent reasoning.

A. 代理跟踪公开代理的推理步骤和工具调用以进行调试。

B. S3 访问日志跟踪对象请求，而不是代理推理。

C. 流日志捕获网络流量，而不是代理决策。

D. 配置跟踪资源更改，而不是代理推理。

A. AgentCore provides production-grade, framework-agnostic services (Runtime, Identity, Gateway, Memory, Observability, etc.) to deploy and scale agents.

B. Guardrails are safety policies, not an agent operations platform.

C. Knowledge Bases provide RAG, not agent runtime/identity/observability.

D. Feature Store manages ML features, not agents.

A. AgentCore 提供生产级、与框架无关的服务（运行时、身份、网关、内存、可观察性等）来部署和扩展代理。

B. 护栏是安全策略，而不是代理操作平台。

C. 知识库提供 RAG，而不是代理运行时/身份/可观察性。

D. 特征存储管理 ML 特征，而不是代理。

A. AgentCore Runtime is the secure serverless runtime for deploying/scaling agents across frameworks, protocols, and models.

B. Memory manages context retention, not the runtime host.

C. Gateway turns APIs/Lambda into tools; it is not the runtime.

D. Identity handles access control, not hosting.

A. AgentCore Runtime 是安全的无服务器运行时，用于跨框架、协议和模型部署/扩展代理。

B. 内存管理上下文保留，而不是运行时主机。

C. Gateway 将 API/Lambda 转变为工具；这不是运行时。

D. 身份处理访问控制，而不是托管。

A. Gateway converts APIs and Lambda functions into agent tools and supports tool discovery over protocols like MCP.

B. Browser provides managed web browsing, not API-to-tool conversion.

C. Code Interpreter runs code; it does not expose APIs as tools.

D. Observability monitors agents; it does not create tools.

A. Gateway 将 API 和 Lambda 函数转换为代理工具，并支持通过 MCP 等协议进行工具发现。

B. 浏览器提供托管 Web 浏览，而不是 API 到工具的转换。

C. 代码解释器运行代码；它不将 API 作为工具公开。

D. 可观测性监控代理；它不创造工具。

A. Memory provides session and long-term memory for context retention across interactions.

B. Identity handles secure access, not memory.

C. Runtime hosts/scales agents; memory is a separate component.

D. Gateway exposes tools, not memory.

A. 记忆提供会话记忆和长期记忆，以便在交互过程中保留上下文。

B. 身份处理安全访问，而不是内存。

C. 运行时主机/缩放代理；内存是一个单独的组件。

D. 网关公开工具，而不是内存。

A. Identity lets agents securely access AWS and third-party services on behalf of users or with pre-authorized consent.

B. Memory stores context; it does not broker third-party access.

C. Code Interpreter runs code, not identity brokering.

D. Browser automates web sessions; access/consent is Identity's role.

A. 身份允许代理代表用户或在预先授权同意的情况下安全地访问 AWS 和第三方服务。

B. 内存存储上下文；它不代理第三方访问。

C. 代码解释器运行代码，而不是身份代理。

D. 浏览器自动执行网络会话；访问/同意是身份的角色。

A. Code Interpreter offers an isolated environment to execute agent-generated code.

B. Gateway exposes tools; it does not run arbitrary generated code in a sandbox.

C. Identity manages access, not code execution.

D. Memory stores context, not a code sandbox.

A. 代码解释器提供了一个隔离的环境来执行代理生成的代码。

B. 网关公开工具；它不会在沙箱中运行任意生成的代码。

C. 身份管理访问，而不是代码执行。

D. 内存存储上下文，而不是代码沙箱。

A. Browser provides managed web browser instances for agent web-automation workflows.

B. Observability monitors agents; it does not browse the web.

C. Runtime hosts agents; managed browsing is the Browser component.

D. Memory is context retention, not browsing.

A. 浏览器为代理 Web 自动化工作流程提供托管 Web 浏览器实例。

B. 可观测性监控代理；它不浏览网页。

C. 运行时主机代理；托管浏览是浏览器组件。

D. 记忆是上下文保留，而不是浏览。

A. Observability gives step-by-step execution visibility, trajectory inspection, and debugging filters.

B. Gateway exposes tools, not observability.

C. Identity manages access, not monitoring.

D. Code Interpreter runs code; it is not the monitoring component.

A. 可观察性提供了逐步执行的可见性、轨迹检查和调试过滤器。

B. 网关公开工具，而不是可观察性。

C. 身份管理访问，而不是监视。

D. 代码解释器运行代码；它不是监控组件。

A. AgentCore is modular — adopt individual services or combine them, with pay-as-you-go pricing.

B. Services are modular and can be used independently.

C. AgentCore Runtime is model-agnostic (Nova, OpenAI, Gemini, etc.).

D. It supports many frameworks (LangGraph, CrewAI, Strands, etc.).

A. AgentCore 是模块化的——采用单独的服务或将它们组合起来，并采用即用即付的定价方式。

B. 服务是模块化的，可以独立使用。

C. AgentCore Runtime 与模型无关（Nova、OpenAI、Gemini 等）。

D. 它支持许多框架（LangGraph、CrewAI、Strands 等）。

A. AgentCore is the newer, production-grade, framework-agnostic platform for operating agents at scale.

B. AgentCore is the newer offering, not deprecated.

C. That describes Prompt Management, not AgentCore.

D. AgentCore is an agent platform, not a vector store.

A. AgentCore 是用于大规模运营代理的新型、生产级、与框架无关的平台。

B. AgentCore 是较新的产品，并未弃用。

C. 这描述的是提示管理，而不是 AgentCore。

D. AgentCore 是一个代理平台，而不是矢量商店。