AWS AIP-C01 开源练习 · 基础 · 第 04 套

A. The SDK auto-creates an HTTP server (port 8080), implements /invocations and /ping, and supports JSON and streaming responses.

B. The starter toolkit automates packaging, container build, ECR push, and CreateAgentRuntime deployment.

C. Manual FastAPI/Docker/orchestration adds the overhead AgentCore is meant to remove.

D. Custom ECS deployment increases operational overhead versus AgentCore's managed flow.

E. A custom inference container adds infrastructure work AgentCore avoids.

A. SDK 自动创建 HTTP 服务器（端口 8080），实现 /incalls 和 /ping，并支持 JSON 和流式响应。

B. 入门工具包可自动执行打包、容器构建、ECR 推送和 CreateAgentRuntime 部署。

C. 手动 FastAPI/Docker/编排增加了 AgentCore 本应消除的开销。

D. 与 AgentCore 的托管流程相比，自定义 ECS 部署增加了运营开销。

E. 自定义推理容器添加了 AgentCore 避免的基础设施工作。

A. The decorator wires up the server, endpoints, content types, and JSON/streaming responses automatically.

B. It does not provision a vector store.

C. Retention is configured via logging/S3 Object Lock, not this decorator.

D. That is Prompt Flows, not the AgentCore SDK.

A. 装饰器自动连接服务器、端点、内容类型和 JSON/流响应。

B. 它不提供矢量存储。

C. 保留是通过logging/S3 Object Lock配置的，而不是这个装饰器。

D. 那是提示流，而不是 AgentCore SDK。

A. The toolkit streamlines build-and-deploy so you avoid manual containerization and deployment steps.

B. It deploys agents; it does not train base models.

C. PII redaction is Comprehend's job.

D. Reranking is the Rerank API, not the starter toolkit.

A. 该工具包简化了构建和部署，因此您可以避免手动容器化和部署步骤。

B. 它部署代理；它不训练基础模型。

C. PII 编辑是 Comprehend 的工作。

D. Reranking 是 Rerank API，而不是入门工具包。

A. Strands takes a model-driven approach centered on a model, a system prompt, and tools, letting the model direct its own steps.

B. Macie is data discovery, not an agent SDK.

C. That scores datasets; it is not an agent SDK.

D. Polly is text-to-speech, not an agent SDK.

A. Strands 采用以模型、系统提示和工具为中心的模型驱动方法，让模型指导自己的步骤。

B. Macie 是数据发现，而不是代理 SDK。

C. 对数据集进行评分；它不是代理 SDK。

D. Polly 是文本转语音，而不是代理 SDK。

A. Strands centers on model + system prompt + tools, relying on the model to plan and call tools.

B. Those are RAG components, not the Strands agent triad.

C. Those are networking constructs, unrelated to Strands.

D. Those describe S3 Vectors, not Strands.

A. Strands以模型+系统提示+工具为中心，依靠模型来规划和调用工具。

B. 这些是 RAG 组件，而不是 Strands 代理三元组。

C. 这些是网络结构，与 Strand 无关。

D. 这些描述的是 S3 矢量，而不是链。

A. Strands integrates with MCP, letting agents use a large ecosystem of MCP tool servers.

B. It supports MCP and flexible tool definitions.

C. Calling tools is central to its model-driven design.

D. Tool definitions are code; they do not require provisioned capacity.

A. Strands 与 MCP 集成，让代理可以使用 MCP 工具服务器的大型生态系统。

B. 它支持 MCP 和灵活的工具定义。

C. 调用工具是其模型驱动设计的核心。

D. 工具定义就是代码；它们不需要预配置容量。

A. Strands is model-flexible across Bedrock and many external providers.

B. It is not limited to Titan.

C. It supports cloud and local models, not on-prem only.

D. It targets tool-using LLMs, not just image models.

A. Strands 在 Bedrock 和许多外部提供商之间具有模型灵活性。

B. 它不仅限于泰坦。

C. 它支持云和本地模型，而不仅仅是本地模型。

D. 它针对的是使用工具的法学硕士，而不仅仅是图像模型。

A. Being Python, Strands runs on Lambda and integrates into Step Functions workflows.

B. It runs on serverless and managed compute, not bare metal only.

C. QuickSight is BI; it does not host agents.

D. It is a server-side SDK, not browser-only.

A. 作为 Python，Strands 在 Lambda 上运行并集成到 Step Functions 工作流程中。

B. 它在无服务器和托管计算上运行，而不仅仅是裸机。

C. QuickSight 是 BI；它不托管代理。

D. 它是一个服务器端 SDK，而不是仅限浏览器。

A. Model-driven agents let the model reason and orchestrate, reducing hand-built workflow logic.

B. The model is central to a model-driven approach.

C. Tool use is a core capability.

D. That describes the workflow-heavy approach it contrasts with.

A. 模型驱动代理让模型进行推理和编排，减少手工构建的工作流逻辑。

B. 该模型是模型驱动方法的核心。

C. 工具使用是一项核心能力。

D. 这描述了与之相反的工作流程繁重的方法。

A. AgentCore Runtime hosts agents from frameworks like Strands in a managed serverless runtime.

B. A laptop is not production-scale managed hosting.

C. Storing code does not run the agent.

D. CloudFront is a CDN, not an agent runtime.

A. AgentCore Runtime 在托管无服务器运行时中托管来自 Strands 等框架的代理。

B. 笔记本电脑不是生产规模的托管主机。

C. 存储代码不会运行代理。

D. CloudFront 是 CDN，而不是代理运行时。

A. Agents call actions defined by OpenAPI schemas or function definitions.

B. Bedrock Agents can use Knowledge Bases to ground answers.

C. The managed agent handles the orchestration loop.

D. Agents handle reasoning and tool use, not just images.

E. Vector storage is a separate vector-store concern.

A. 代理调用由 OpenAPI 架构或函数定义定义的操作。

B. 基岩代理可以使用知识库来确定答案。

C. 托管代理处理编排循环。

D. 代理处理推理和工具使用，而不仅仅是图像。

E. 矢量存储是一个单独的矢量存储问题。

A. AgentCore bundles Runtime, Identity, Gateway, Memory, and Observability for production agents across frameworks.

B. Guardrails are safety policies only.

C. Kendra is enterprise search, not an agent platform.

D. The registry versions models; it is not an agent operations platform.

A. AgentCore 跨框架捆绑了生产代理的运行时、身份、网关、内存和可观察性。

B. 护栏只是安全政策。

C. Kendra 是企业搜索，而不是代理平台。

D. 注册表版本模型；它不是代理运营平台。

A. Tagging outputs with source metadata gives reviewers direct, automated traceability between generated content and its origin.

B. The Data Catalog creates a searchable, managed inventory of sources with minimal overhead.

C. Correlating logs to sources requires manual or custom work and does not directly establish lineage.

D. Clarify is for explainability/bias, not source lineage.

E. CloudTrail logs API actions, not content source lineage.

A. 使用源元数据标记输出可以让审阅者在生成的内容及其来源之间进行直接、自动的跟踪。

B. 数据目录以最小的开销创建可搜索、受管理的源清单。

C. 将日志与源关联起来需要手动或自定义工作，并且不会直接建立沿袭。

D. 澄清是为了可解释性/偏见，而不是源系。

E. CloudTrail 记录 API 操作，而不是内容源沿袭。

A. Decide how to measure, get data, compare, gate the rollout, then document — the correct sequence.

B. You must define metrics before building the dataset and analyze after testing, not before.

C. You cannot A/B test before defining metrics and preparing data.

D. Gates and testing cannot precede defining metrics and data.

A. 决定如何测量、获取数据、比较、控制部署，然后记录——正确的顺序。

B. 您必须在构建数据集之前定义指标，并在测试之后而不是之前进行分析。

C. 在定义指标和准备数据之前，您无法进行 A/B 测试。

D. 门控和测试不能先于定义指标和数据。

A. Cognito OIDC federates the IdP, issues temporary credentials, and audits via CloudTrail.

B. IAM Identity Center with SAML federates the IdP, uses temporary credentials, and logs via CloudTrail.

C. IAM users use long-lived keys and do not federate the IdP.

D. Storing IAM user credentials violates the no-long-lived-credentials requirement.

E. Custom LDAP/JWT does not provide temporary AWS credentials or native IdP federation.

A. Cognito OIDC 联合 IdP、颁发临时凭证并通过 CloudTrail 进行审核。

B. 具有 SAML 的 IAM Identity Center 联合 IdP、使用临时凭证并通过 CloudTrail 进行日志记录。

C. IAM 用户使用长期密钥并且不联合 IdP。

D. 存储 IAM 用户凭证违反了无长期凭证的要求。

E. 自定义 LDAP/JWT 不提供临时 AWS 凭证或本机 IdP 联合。

A. Bedrock rerankers are purpose-built to reorder results so the most relevant surface first.

B. Hybrid search improves retrieval relevance by blending semantic and keyword matching.

C. Learning to Rank requires custom trained/maintained models — more overhead.

D. Custom scoring and DB management add operational overhead.

E. Bedrock built-in reranking is simpler and more integrated than custom ranking.

A. 基岩重新排序器是专门为重新排序结果而设计的，因此最相关的表面首先出现。

B. 混合搜索通过混合语义和关键字匹配来提高检索相关性。

C. 学习排名需要定制训练/维护的模型——更多的开销。

D. 自定义评分和数据库管理增加了运营开销。

E. Bedrock 内置重新排名比自定义排名更简单、更集成。

A. The SDK auto-creates the server on port 8080, the /invocations and /ping endpoints, and handles JSON/streaming.

B. The toolkit automates ARM64 build, ECR push, and CreateAgentRuntime deployment with minimal overhead.

C. Manual FastAPI/Docker/orchestration adds overhead.

D. Custom containers/task definitions add management overhead with no auto server/health setup.

E. Custom inference containers and autoscaling add infrastructure overhead.

A. SDK 在端口 8080、/incalls 和 /ping 端点上自动创建服务器，并处理 JSON/流。

B. 该工具包以最小的开销自动执行 ARM64 构建、ECR 推送和 CreateAgentRuntime 部署。

C. 手动 FastAPI/Docker/编排会增加开销。

D. 自定义容器/任务定义会增加管理开销，而无需自动服务器/运行状况设置。

E. 自定义推理容器和自动缩放会增加基础设施开销。

A. S3 Vectors is serverless, scales to billions of vectors, and is cost-optimized for infrequent searches.

B. OpenSearch Serverless suits frequent low-latency search; provisioned capacity is underused for rare searches.

C. DynamoDB has no native vector search; custom logic adds latency and cost.

D. RDS requires managing instances and is not cost-effective for infrequent workloads.

A. S3 Vectors 是无服务器的，可扩展到数十亿个向量，并且针对不频繁的搜索进行了成本优化。

B. OpenSearch Serverless 适合频繁的低延迟搜索；对于罕见的搜索，配置的容量未得到充分利用。

C. DynamoDB 没有原生矢量搜索；自定义逻辑会增加延迟和成本。

D. RDS 需要管理实例，对于不频繁的工作负载来说不具有成本效益。

A. Cross-Region inference automatically spreads load across Regions, same model and API, no extra ops.

B. Prompt routing needs two different models; the requirement is the same FM.

C. Provisioned throughput suits steady usage, not occasional peaks.

D. A custom Lambda failover adds operational overhead.

A. 跨区域推理自动跨区域分散负载，相同的模型和 API，无需额外操作。

B. 提示路由需要两种不同的模型；要求是相同的FM。

C. 预配置吞吐量适合稳定使用，而不适合偶尔出现的峰值。

D. 自定义 Lambda 故障转移会增加运营开销。

A. SQS buffers spikes and retries between S3 events and Lambda, ensuring no updates are missed.

B. Direct invocation lacks buffering/retry and can fail under load.

C. Time-based polling is not near-real-time and is inefficient.

D. Periodic full re-sync is inefficient and not event-driven.

A. SQS 缓冲 S3 事件和 Lambda 之间的峰值和重试，确保不会错过任何更新。

B. 直接调用缺乏缓冲/重试，并且可能在负载下失败。

C. 基于时间的轮询不是近乎实时的并且效率低下。

D. 定期完全重新同步效率低下且不是事件驱动的。

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

B. Deleted embeddings would surface as errors or failed queries; none are observed.

C. The model invokes successfully, so the permission exists.

D. Temperature affects generation, not retrieval.

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. 删除的嵌入将显示为错误或失败的查询；没有观察到。

C. 模型调用成功，权限存在。

D. 温度影响生成，而不影响检索。

A. GuardrailPolicyType reveals which policy intervened, the most detailed breakdown.

B. GuardrailContentSource only distinguishes input vs output, not which policy fired.

C. Invocation logging lacks per-policy intervention detail.

D. Model evaluation runs offline tests, not per-inference guardrail tracing.

A. GuardrailPolicyType 揭示了哪个策略进行了干预，最详细的细分。

B. GuardrailContentSource 仅区分输入与输出，而不区分触发的策略。

C. 调用日志记录缺乏每个策略的干预细节。

D. 模型评估运行离线测试，而不是按推理护栏跟踪。

A. Comprehend redacts PII before indexing; Kendra provides managed enterprise search of the processed data.

B. System prompts cannot reliably remove PII and can be bypassed.

C. Macie discovers/classifies PII but does not redact it for GenAI; Textract targets scanned docs, not raw email.

D. DocumentDB needs custom search and lacks NLP for natural-language enterprise search.

A. 在索引之前理解编辑 PII； Kendra 提供已处理数据的托管企业搜索。

B. 系统提示无法可靠地删除 PII，并且可以被绕过。

C. Macie 发现/分类 PII，但不会针对 GenAI 对其进行编辑； Textract 的目标是扫描文档，而不是原始电子邮件。

D. DocumentDB 需要自定义搜索，并且缺乏用于自然语言企业搜索的 NLP。

A. Bedrock multimodal FMs analyze media directly with no custom model training; Step Functions + QuickSight are serverless.

B. QuickSight Q answers questions about existing dashboard data; it cannot analyze media.

C. Custom model training and Grafana plugins add overhead.

D. Managing OpenSearch, multiple FMs, and custom dashboards adds overhead, and it analyzes text rather than visuals.

A. Bedrock 多模态 FM 直接分析媒体，无需自定义模型训练； Step Functions + QuickSight are serverless.

B. QuickSight Q 回答有关现有仪表板数据的问题；它无法分析媒体。

C. 自定义模型训练和 Grafana 插件会增加开销。

D. 管理 OpenSearch、多个 FM 和自定义仪表板会增加开销，并且它分析文本而不是视觉效果。

A. Prompt Management natively handles versioned templates with multi-stage approvals.

B. Invocation logging plus immutable Object Lock storage meets comprehensive 7-year retention with low overhead.

C. Custom approval logic in DynamoDB adds development overhead.

D. Custom pipelines add failure points and do not provide a complete audit trail.

E. CloudTrail captures API metadata, not full prompt/response content.

A. 提示管理本身可以处理具有多阶段批准的版本化模板。

B. 调用日志记录加上不可变的对象锁存储可以以较低的开销满足 7 年的全面保留。

C. DynamoDB 中的自定义审批逻辑增加了开发开销。

D. 自定义管道会添加故障点，并且不提供完整的审核跟踪。

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

A. The GuardrailIdentifier condition key centrally enforces guardrail usage with no custom code.

B. A proxy Lambda adds a bottleneck/failure point and custom maintenance.

C. Per-call lookups add latency and Lambda maintenance.

D. PromptRouterArn is unrelated to guardrail enforcement and adds needless complexity.

A. GuardrailIdentifier 条件键集中强制使用护栏，无需自定义代码。

B. 代理 Lambda 添加了瓶颈/故障点和自定义维护。

C. 每次调用查找会增加延迟和 Lambda 维护。

D. PromptRouterArn 与护栏实施无关，并且增加了不必要的复杂性。

A. Stop sequences are a built-in, reliable API mechanism that halts generation at the specified string.

B. Relying on the model to follow the instruction is unreliable.

C. top-k controls sampling, not stopping.

D. Temperature controls randomness, not the stopping point.

A. 停止序列是一种内置的、可靠的 API 机制，可在指定字符串处停止生成。

B. 依靠模型来遵循指令是不可靠的。

C. top-k 控制采样，而不是停止。

D. 温度控制随机性，而不是停止点。

A. Real-time generation, refactoring, and optimization boost productivity and reduce integration errors.

B. Embedding test generation in CI/CD continuously validates components and catches defects early.

C. Mandatory manual approval of everything creates a bottleneck.

D. Reactive analysis misses real-time assistance benefits.

E. Restricting to merge time slows resolution and underuses its capabilities.

A. 实时生成、重构和优化可提高生产力并减少集成错误。

B. 在 CI/CD 中嵌入测试生成可以持续验证组件并及早发现缺陷。

C. 对所有事情的强制手动批准会造成瓶颈。

D. 反应性分析错过了实时援助的好处。

E. 限制合并时间会减慢解析速度并未充分利用其功能。

A. Freeing memory by lowering max sequence length increases batch size, throughput, and concurrency.

B. Since the model fits in 4 GPUs, degree 4 packs two replicas across 8 GPUs for full utilization.

C. This does not raise per-instance concurrency or reduce the memory footprint.

D. Speculative decoding improves latency, not utilization.

E. Degree 8 serves only one replica across 8 GPUs, leaving half idle since the model fits in 4.

A. 通过降低最大序列长度来释放内存会增加批处理大小、吞吐量和并发性。

B. 由于该模型适合 4 个 GPU，因此 4 级在 8 个 GPU 上打包两个副本以实现充分利用。

C. 这不会提高每个实例的并发性或减少内存占用。

D. 推测性解码会改善延迟，而不是利用率。

E. 8 度仅在 8 个 GPU 上提供一个副本，由于模型适合 4 个 GPU，因此留下了一半空闲。

A. Async endpoints support up to ~15-minute runtimes, large payloads (up to ~1 GB), and GPUs.

B. Serverless inference does not support GPUs.

C. Real-time endpoints cap payloads near 25 MB, failing the 50 MB requirement.

D. Batch transform is offline, not on-demand within 15 minutes.

A. 异步端点支持长达约 15 分钟的运行时间、大负载（高达约 1 GB）和 GPU。

B. Serverless 推理不支持 GPU。

C. 实时端点将有效负载上限限制为接近 25 MB，未能满足 50 MB 的要求。

D. 批量转换是离线的，不是15分钟内按需转换。

A. WebSockets give serverless real-time streaming; Prompt Management governs rules; streaming returns suggestions immediately.

B. SQS polling adds latency, defeating immediate feedback on click.

C. REST is poorly suited to long-lived real-time streaming.

D. Custom ECS containers add infrastructure management overhead.

A. WebSockets 提供无服务器实时流；及时管理管理规则；流立即返回建议。

B. SQS 轮询会增加延迟，从而影响点击时的即时反馈。

C. REST 不太适合长期实时流。

D. 自定义 ECS 容器增加了基础设施管理开销。

A. KB logging records per-file status (e.g., RESOURCE_IGNORED, EMBEDDING_FAILED, INDEXING_FAILED) for troubleshooting.

B. Application Signals monitors app performance, not KB ingestion.

C. CloudTrail logs API calls, not document-level processing status.

D. Invocation logging captures inference calls, not ingestion.

A. KB 日志记录每个文件的状态（例如 RESOURCE_IGNORED、EMBEDDING_FAILED、INDEXING_FAILED）以进行故障排除。

B. 应用程序信号监视应用程序性能，而不是 KB 摄取。

C. CloudTrail 记录 API 调用，而不是文档级处理状态。

D. 调用日志记录捕获推理调用，而不是摄取。

A. Agent Squad orchestrates multiple specialized agents, routing each query to the best-suited agent while maintaining unified conversation context.

B. Guardrails enforce content safety; they do not orchestrate multiple agents.

C. Knowledge Bases provide RAG retrieval, not multi-agent routing.

D. Comprehend is NLP analysis, not an agent orchestration framework.

A. Agent Squad 协调多个专业代理，将每个查询路由到最适合的代理，同时维护统一的对话上下文。

B. 护栏加强内容安全；他们不协调多个代理。

C. 知识库提供 RAG 检索，而不是多代理路由。

D. Comprehend 是 NLP 分析，而不是代理编排框架。

A. Agent Squad uses a classifier (e.g., the default Bedrock Classifier) to route requests by intent.

B. Routing is intent-based via the classifier, not blind round-robin.

C. Routing is automatic; users do not hand-pick agents per turn.

D. Selection is based on classification of intent/context, not naming order.

A. Agent Squad 使用分类器（例如，默认的基岩分类器）按意图路由请求。

B. 路由是通过分类器基于意图的，而不是盲目循环。

C. 路由是自动的；用户不会每次都亲自挑选代理。

D. 选择基于意图/上下文的分类，而不是命名顺序。

A. Agent Squad supports heterogeneous agents including Bedrock, Lex, and Lambda-backed agents.

B. The orchestrator keeps shared context so conversations stay coherent as routing changes.

C. Its entire purpose is routing across multiple agents.

D. Agent Squad is an orchestration framework, not a vector store.

E. Classification uses a model/classifier; it does not mandate provisioned capacity.

A. Agent Squad 支持异构代理，包括 Bedrock、Lex 和 Lambda 支持的代理。

B. 编排器保持共享上下文，以便在路由更改时对话保持一致。

C. 它的全部目的是跨多个代理进行路由。

D. Agent Squad 是一个编排框架，而不是矢量存储。

E. 分类使用模型/分类器；它不强制要求配置容量。

A. This lets the classifier route with full context while keeping each agent focused on its domain.

B. Agents see only their own history; the global view belongs to the classifier.

C. The classifier specifically uses global context to route.

D. Agent Squad maintains conversation context.

A. 这使得分类器能够根据完整的上下文进行路由，同时使每个代理专注于其域。

B. 特工只能看到自己的历史；全局视图属于分类器。

C. 分类器专门使用全局上下文来进行路由。

D. 特工小队维护对话上下文。

A. Strands builds single agents (model + prompt + tools); Agent Squad coordinates many agents.

B. They serve different roles: single-agent SDK vs multi-agent orchestration.

C. This reverses their roles.

D. Neither is a vector store.

A. Strands构建单一代理（模型+提示+工具）；特工小队协调众多特工。

B. 它们扮演不同的角色：单代理 SDK 与多代理编排。

C. 这颠倒了他们的角色。

D. 两者都不是矢量存储。

A. ReAct (Reason + Act) interleaves reasoning and actions; Step Functions can structure these steps.

B. One-shot prompting does not interleave reasoning and tool actions.

C. That reserves capacity; it is not a reasoning pattern.

D. Sharding is storage tuning, unrelated to agent reasoning.

A. ReAct（理性+行动）将推理与行动交织在一起； Step Functions 可以构建这些步骤。

B. 一次性提示不会将推理和工具操作交织在一起。

C. 即储备能力；它不是一种推理模式。

D. 分片是存储调优，与代理推理无关。

A. Chain-of-thought prompts the model to reason through intermediate steps, improving complex task performance.

B. Stop sequences end generation; they do not elicit step-by-step reasoning.

C. top-k controls candidate tokens, not reasoning structure.

D. Hybrid search is a retrieval technique, not a reasoning method.

A. 思维链促使模型通过中间步骤进行推理，从而提高复杂任务的性能。

B. 停止序列结束生成；它们不会引发逐步的推理。

C. top-k 控制候选标记，而不是推理结构。

D. 混合搜索是一种检索技术，而不是推理方法。

A. Step Functions can pause for human approval (task tokens/callbacks) to gate sensitive actions.

B. Temperature affects randomness, not human approval.

C. Removing safeguards is the opposite of controlled human review.

D. Passive storage is not an orchestrated approval mechanism.

A. Step Functions 可以暂停以供人工批准（任务令牌/回调）以控制敏感操作。

B. 温度影响随机性，而不是人类认可度。

C. 取消保障措施与受控人工审查相反。

D. 被动存储不是精心策划的审批机制。

A. With InvokeModel you format the body to the chosen model's native request schema.

B. Native InvokeModel bodies differ per provider/model.

C. Bedrock requests are JSON, and the schema is model-specific.

D. InvokeModel is a primary API for text models.

A. 使用 InvokeModel，您可以将正文格式化为所选模型的本机请求架构。

B. 本机 InvokeModel 主体因提供者/模型而异。

C. Bedrock 请求是 JSON，并且架构是特定于模型的。

D. InvokeModel 是文本模型的主要 API。

A. Converse abstracts model-specific formats into a consistent messages structure with roles, simplifying portability.

B. InvokeModel requires per-model formatting, which is what they want to avoid.

C. That ingests data into a Knowledge Base; it is not a chat inference API.

D. Rerank reorders retrieved documents; it is not a chat interface.

A. Converse 将特定于模型的格式抽象为具有角色的一致消息结构，从而简化了可移植性。

B. InvokeModel 需要每个模型的格式化，这是他们想要避免的。

C. 将数据提取到知识库中；它不是聊天推理 API。

D. Rerank 对检索到的文档重新排序；它不是聊天界面。

A. Conversation formatting uses role-tagged messages (user/assistant) and an optional system prompt.

B. Dialog formatting uses structured role-tagged turns, not one undifferentiated string.

C. Conversations are structured messages, not token CSVs.

D. Embeddings are for retrieval, not the chat message structure.

A. 对话格式使用角色标记的消息（用户/助理）和可选的系统提示。

B. 对话框格式使用结构化的角色标记回合，而不是无差别的字符串。

C. 对话是结构化消息，而不是令牌 CSV。

D. 嵌入用于检索，而不是聊天消息结构。

A. SageMaker endpoints expect input matching the container's content type and the model's input contract.

B. SageMaker input depends on the container, not the Bedrock Converse format.

C. Input must match the endpoint's expected content type/serializer.

D. Format depends on the model; it is not audio-only.

A. SageMaker 端点期望输入与容器的内容类型和模型的输入协定相匹配。

B. SageMaker 输入取决于容器，而不是 Bedrock Converse 格式。

C. 输入必须与端点的预期内容类型/序列化器匹配。

D. Format depends on the model;它不仅仅是音频。

A. Lambda is a low-overhead way to clean and reformat inputs; Comprehend can enrich them prior to inference.

B. Higher temperature adds randomness and does not fix input quality.

C. Hardware does not fix input formatting/quality issues.

D. Skipping preprocessing worsens response quality.

A. Lambda 是一种低开销的方式来清理和重新格式化输入；理解可以在推理之前丰富它们。

B. 较高的温度会增加随机性，并且不会固定输入质量。

C. 硬件无法修复输入格式/质量问题。

D. 跳过预处理会降低响应质量。

A. Matching each model's expected request/message format is necessary for valid calls and good output quality.

B. Formatting affects whether the call succeeds and the quality of the response.

C. Input requirements vary by model/API; formatting matters.

D. It applies to text, chat, and other modalities, not just images.

A. 匹配每个模型的预期请求/消息格式对于有效的调用和良好的输出质量是必要的。

B. 格式化影响调用是否成功以及响应的质量。

C. 输入要求因型号/API 而异；格式问题。

D. 它适用于文本、聊天和其他模式，而不仅仅是图像。