2023 re:Invent使用 PartyRock 和 Amazon Bedrock 安全高效构建 AI 应用程序

前言

本篇文章授权活动官方亚马逊云科技文章转发、改写权，包括不限于在 亚马逊云科技开发者社区, 知乎，自媒体平台，第三方开发者媒体等亚马逊云科技官方渠道

“Your Data, Your AI, Your Future.（你的数据，你的AI，你的未来。）

如果问2023年，大家谈论频率最多的几个技术词汇，我想生成式AI、大模型一定有一席之地。

11月6日，OpenAI发布的GPT Builder，让AI App的开发门槛，降到了“搭积木”的程度。通过将应用开发程序封装进不同的流程模块，用户可以在GPT Builder中用设置参数的方式完成应用的开发。

怎样的开发模式，才能做到比GPTs的门槛更低？一年一度的 re:Invent用PartyRock给出了答案。只要一句话，就能搞定所有的开发流程。Swami博士在开场中这样说道：“今天，人类和技术之间正展现出前所未有的紧密关系，生成式AI正以许多意想不到的方式提升人类的生产力。这种关系让人类与人工智能共同形成新的创新充满了无限可能性。”

以往的生成式AI，更像是一本自带操作手册的工具书，你需要遵循规则去不断的进行尝试，比如提示词工程、模型微调掌握各种技能，逐渐熟悉一个全新的领域。从创意到应用落地就更加离不开一定的编程基础了，如果你想创建有特色的AI应用，又苦于自己不会编程，那么用PartyRock就可以很方便创建自定义的GPT。最近这是一次让所有普通人都能够平等的享受AI红利的机会。

PartyRock提供的轻量化的To C应用的开发环境，无论你是否懂代码、懂架构，都可以快速搭建一个属于你自己的生成式Al应用。利用PartyRock以及其背后亚马逊云科技强大的生成式Al能力（PartyRock由Amazon Bedrock提供支持，它是一项全面管理服务，借助API来使用领先各种人工智能基础模型)，你可以用拖拽的方式构建一个自己的对话助手，设计一个人物角色生成器，甚至生成一款小游戏。

趁着大会发布，我也体验了一把快速探索AI应用的乐趣，接下来让我们动手实验一下吧！

PartyRock-只需要一个Idea，轻松探索AI应用

之所以想用PartyRock做一些小应用，是源于我自己困扰的一些场景。

提高效率也好，放松娱乐也罢，一直以来个人习惯于将工作中的一些有意思的轮子保留下来，但是由于精力有限，很多demo是不连续性的，也意味着没有持续产出。伴随生成式AI火热起来，个人也尝试搭建过一些个人知识库。但是效果也比较有限，数据量级太小没有办法对于训练产生有效影响。所以不了了之。

实践下来，倒是一些轻量级的AI工具经常收藏，比如AI生成周报，AI的格式整理工具，但是比较难以定制一些个性化需求，比如当我想对现有的工具影响它的输出，比如，我希望对于周报可以进行AI工时统计量化的需求，我便无能为力。

Everyone can build AI apps.

PartyRock的官网简明扼要的概述了它的作用，让每个人都可以构建AI 应用。PartyRock的核心在于无代码的应用程序生成器，你可以向它提出任何要求，在短暂的等待后，会给你生成一个满足基本需求的AI应用。

一段话生成AI应用——面试宝典

一句话实现AI应用，真的这么神奇吗？这里我们在 APP builder 里输出一个具体的想法，尽量描述清楚应用的需求及细节，比如我们想要生成一个面试题库APP，输入我们的需求，PartyRock是支持多语言的，我们这里提出中文需求，看看AI模型的理解程度，点击 Generate app 就开始生成了。

稍等一到两分钟，一个面试题库APP就生成了，PartyRock程序较好的理解了我们的语义，并且生成了一个程序。

通过输入关键词和难度，随机生成问题。用户回答后输出正确答案。

语义识别及GUI生成是最基础的，我们还是要实际使用下，生成软件的功能性是否满足我们的需求，

这里我们输入几个关键词：“CSS3” “自适应” “兼容性” 选择难度为困难，可以看到LLM比较清晰的输出了一个选择题。

这里我们选择回答选项，验证一下结果，可以看到整个流程下来还是很好的满足了我们的需求。

体验到这里，我已经大体了解PartyRock的设计，不得不佩服PartyRock的脑洞还是很大的，通过生成式AI+工作流的形式，解决了低代码时代的一些问题，在另一个维度实现了无代码编程。

这是一个跨时代的改变，之前的低代码工具大多定位很尴尬，对于程序员只能体现部分生产力的解放，并且随着业务量的积累，在制造轮子维护轮子及平衡定制中不得抽身。另一维度，对于无编程经验的人来说，拖拉拽的实现方式仍然不够友好，做出合格的UE，上手成本还是比较高。

与其他细分模型的AI助手而言，PartyRock不仅仅是一个定制版助手，它更是一个普通人快速验证想法的一个工具，真的简约而不简单。

应用拆解分析

一句话生成应用固然便捷，但是提示词工程的试错成本还是比较高的，如果我们有一定的编程基础，还能不能玩一点新花样出来呢？答案是显而易见的。

无论是空模版创建还是，AI生成的应用，我们会发现，它是有很多小框框组成的，这里我们叫它“元组件”或者“小部件”吧，这和工作流的节点思想是有共性的。

这里我们点击刚刚生成的应用，右上角的编辑发现，实际上小部件是存在不同类型的。挂载着不同的模型实例，并且通过提示词工程，使得用户的输入输出与模型直接进行通信和交互。

其中使用 @ 符合直接引用其他 widget 生成的内容，让不同小部件建立关联。

比如，我需要根据用户输入的内容进行生成问题，那么我在提示词里面就可以直接引用用户输入的部分；比如利用 “@keywaord” 引用扩写的内容。如下图 Prompt 中高亮的部分。

如果我们想要改变整个流程的话，只需要增加一个新的widget，并且建立上下文的引用就可以进行改造

而新建的widget目前有以上几类，用户输入，文本模型输出、图像模型输出、机器人。

构建一个应用就变成了构建一个工作流或者任务流。我们可以使用widget积木式的构建应用，并通过@建立输入输出流的联系，让想象插上翅膀，大脑洞的奇思妙想以及清晰的逻辑，就可以组成很多有趣的创新应用。

分享创意与应用共建

ChatRPG是官方提供的一个最有趣的案例，而且是比较典型的案例。这个应用利用了 AI 对话实现了文字游戏，你可以通过对话的形式选择不同的事件来推进剧情，同时通过多种组件的灵活运用，让整个文字游戏变的更加场景感。

受到这个应用的启发，我连夜写了一个小游戏—是男人就活过100天。哇太好玩了，根本停不下来。

没有思路怎么办，没有关系，PartyRock 提供了 remix 的功能，你可以直接复制(remix)一个别人已经发布的应用，直接修改里面的参数或者提示词。

独乐乐不如众乐乐，当你创建了一个有趣的应用，也可以通过分享自己的应用让大家一起来玩。是不是很有意思呢

到这里，基本的PartyRock的体验接近尾声，我们来做个简短的总结：

• 无代码AI生成：PartyRock以生成式AI +工作流的形式实现了一个无代码生成器。实现了AI的自建
• 组件化工作流：通过小组件widget的形式，可视化的创建引用关系。其背后是强大的AI模型能力集、以及云上能力。
• 生态共建：通过工作台、分享、clone的模式，鼓励大家共创共建应用。

观一点而探其貌，究竟是什么赋予了PartyRock这么灵活的能力，这就不得不提一下-Amazon Bedrock

Amazon Bedrock

本次大会还发布了全面托管的生成式 AI 服务-Bedrock，提供了多个领先的高性能基础模型，同时增加了对于Amazon Titan Embeddings、Meta Llama2的支持。

而PartyRock实际上依托于Bedrock的强大能力，当开发者或者具有开发能力的公司有相关需求时，可以使用Bedrock提供的AI21 Labs、Anthropic、Cohere Inc.、Meta Platforms Inc.、Stability AI Ltd.等领先人工智能公司的高性能模型以及亚马逊的定制模型，构建自己的人工智能应用。

简单来讲，常见的汇总文档、对话助手、生成图像以及提供人工智能驱动的搜索等实用功能都可以通过Amazon Bedrock去构建。

2023 re:Invent 思考与展望

通过本次大会的学习与产品体验，我感觉AI的应用重构未来会成为一种趋势。

看本次发布的产品，从基础设施层的Inferentia和Trainium，模型工具层的Amazon Bedrock再到应用层的Amazon CodeWhisperer。这说明AI的深度基建正在逐步建立起来，完整的产品体系逐步的形成共识。

未来会出现越来越多类似PartyRock的应用，会将基础建设进行封装，用户看到的是所见即所得的轻量化应用。越来越多的应用都会AI化

未来的交互式AI

我一直在想未来的生成式AI的交互会向什么方向发展。简单、高效、准确是我在使用C端AI产品的几个核心需求。

结合大会及动手实验，PartyRock相较于GPTs的优势，除了AWS自研的模型Titan支撑，灵活性也是非常可圈可点的，PartyRock的0代码交互十分适合小白，通过工作流的形式串联起多个AI模型，“搭积木”的方式快速的实现一个定制应用。

另一方面相较于已经展露头角的OpenAI，PartyRock生成的AI应用，既可以上架IOS和安卓等主流操作系统，也能作为一个网站发布。多种形态意味着有更多种可能，甚至跨平台进行互动。这点希望后面会产生相关的应用或者功能，一定会非常吸引眼球的。

安全的AI

大会的一个重要议题，是如何高效快速的让AI应用落地，同时保证数据安全。

生成式AI作为一把双刃剑，在创立发展的数十年都饱受争议，前段时间沸沸扬扬的奥特曼离职时间也为商业化与AI伦理，安全问题敲响了警钟。这次大会中Adam Selipsky博士也提出了“负责任的AI。”这个概念。我认为，AI安全性在两个维度去思考。一方面是生成的内容一定应该是合规的；另一方面是作为模型基础的训练数据应该是安全的。数据安全及知识产权是企业应用AI的一个重要考量。作为一个团队的leader，工程化、安全性、稳定性、以及投入产出比是我在研发基础建设上考虑的几个核心维度。企业应用，只有确保安全，AI才能越走越稳，长期发展。

同时本次大会很多创新案例，也真正体现了在AI浪潮中把握数据价值的重要性，给创业者使用AI创业提供了一些可行性的思路，在AI在逐步替代劳动生产力的同时，对于个人而言，如何在AI浪潮的风口上提升个人能力，把握时代的机会，这个课题，即是挑战，同时也是机遇！