Szkolenie Generative AI w AWS: Amazon Bedrock, RAG, agenci

Co zbudujesz

Na koniec drugiego dnia masz działającą aplikację w stylu asystenta AI: frontend, backend serverless na AWS Lambda i Amazon Bedrock jako model. Aplikacja odpowiada na pytania z Twoich dokumentów (Knowledge Base i RAG), ma skonfigurowane Guardrails i jest wdrożona z AWS SAM, więc da się ją odtworzyć na dowolnym koncie.

Fragment backendu z laboratorium 3 (Python, AWS Lambda, Converse API):

import boto3, json, os

bedrock = boto3.client("bedrock-runtime", region_name="eu-central-1")
MODEL_ID = "eu.anthropic.claude-opus-5-5"   # Claude Opus 5.5, profil inference EU
GUARDRAIL_ID = os.environ["GUARDRAIL_ID"]

def lambda_handler(event, context):
    prompt = json.loads(event["body"])["prompt"]
    response = bedrock.converse(
        modelId=MODEL_ID,
        messages=[{"role": "user", "content": [{"text": prompt}]}],
        inferenceConfig={"maxTokens": 1000},
        guardrailConfig={"guardrailIdentifier": GUARDRAIL_ID, "guardrailVersion": "1"},
    )
    answer = response["output"]["message"]["content"][0]["text"]
    return {"statusCode": 200, "body": json.dumps({"answer": answer})}

Kod ze wszystkich laboratoriów dostajesz po szkoleniu.

Agenda

1. Wprowadzenie

   Przypomnienie podstaw AWS i bezpieczeństwa aplikacji

   Podstawy Machine Learning: tyle, ile trzeba, żeby rozumieć, co robi model

   Czym jest Generative AI i gdzie ma sens w produkcie

   Laboratorium · Konfiguracja środowiska AWS do budowania aplikacji GenAI
2. Proces tworzenia aplikacji GenAI

   Od pomysłu do działającej aplikacji: metody i podejście

   Komponenty aplikacji GenAI i wybór modelu

3. Wprowadzenie do Amazon Bedrock

   Modele dostępne w Bedrock: Anthropic, Amazon, Meta i inni, przez jedno API

   Praca z modelami LLM, metody dopasowania modelu do zadania

   Typowe zastosowania, koszty, bezpieczeństwo i prywatność danych

   Laboratorium · Praca z modelami LLM w konsoli AWS
4. Uruchamianie aplikacji w AWS

   Przegląd usług compute pod backend GenAI

   AWS Lambda: development, testowanie, Lambda Durable Functions

   Deployment z AWS SAM

5. Prompt engineering

   Czym jest prompt i jak go budować

   Techniki: role, przykłady, format odpowiedzi, łańcuchy

   Prompt misuse i bias mitigation

   Laboratorium · Prosta aplikacja Q&A z Amazon Bedrock i Guardrails
6. Architektura aplikacji GenAI

   Przykłady architektur: chatbot, Q&A na dokumentach, agent

   Komponenty: model, RAG, Knowledge Base, Guardrails, agenci

   Dobre praktyki projektowania i pułapki, które kosztują

7. Narzędzia i frameworki

   LangChain

   Strands Agents SDK

   Model Context Protocol (MCP)

   Laboratorium · Aplikacja z Knowledge Base i RAG, wdrożona z AWS SAM, zbudowana z LangChain, z Guardrails
8. Podsumowanie

   Najważniejsze zagadnienia i dalsze kroki: co dołożyć do aplikacji po szkoleniu

Program aktualizowany: 26 września 2026

Cena i pakiet

Dlaczego szkolenie dla całego zespołu

Jedna grupa, jeden język. Po dwóch dniach wszyscy w zespole rozumieją te same pojęcia i widzieli ten sam kod, więc dyskusja o wdrożeniu AI w produkcie zaczyna się od architektury, nie od definicji. Zamiast rocznego planowania macie działający prototyp, od którego można liczyć koszty i ryzyka.

Prowadzący

Twój instruktor

Łukasz Dorosz

AWS Community HeroAWS Champion Authorized InstructorCloud Solutions Architect

Architekt, który szkoli z własnej praktyki. Specjalizuje się w architekturze serverless, bezpieczeństwie AWS i technologiach GenAI. Pomaga programistom i architektom opanować AWS i budować aplikacje AI, które działają w produkcji.

Współorganizator AWS Community Day Poland i AWS User Group Warsaw, twórca kanału CloudHeroes na YouTube.

15+

lat w IT

8+

lat w AWS

8

certyfikatów AWS

Więcej: o mnie · architektura i doradztwo AWS

Jak wygląda szkolenie

Pytania, które padają najczęściej

1. Czy muszę znać AWS, żeby wziąć udział?

   Podstawy tak: konsola, IAM, uruchomienie Lambdy. Moduł 1 przypomina najważniejsze usługi, ale szkolenie zakłada, że zespół pracował już z AWS. Jeśli nie, zacznij od AWS Wprowadzenie albo AWS 4 Developers & GenAI, które kończy się pierwszym chatbotem na Bedrock.

2. Z jakich narzędzi korzystamy?

   Amazon Bedrock, Knowledge Bases, Guardrails, AWS Lambda z Durable Functions, AWS SAM, Python, LangChain, Strands Agents SDK i Model Context Protocol (MCP). Cały kod z laboratoriów dostajesz po szkoleniu.

3. Online czy stacjonarnie?

   Jedno i drugie, ten sam program i te same laboratoria. Online prowadzę na żywo, zwykle dwa dni po 8 godzin. Stacjonarnie przyjeżdżam do Twojej firmy.

4. Czym Amazon Bedrock różni się od bezpośredniego użycia OpenAI albo innego API?

   Bedrock to zarządzana usługa AWS, która daje dostęp do modeli różnych dostawców (Anthropic, Amazon, Meta i inni) przez jedno API. Dane nie opuszczają Twojego konta AWS, masz IAM, CloudTrail, VPC i compliance, które już znasz z reszty infrastruktury, do tego Guardrails, Knowledge Bases i możliwość dopasowania modelu. Na szkoleniu pokazuję, kiedy to ma znaczenie, a kiedy nie.

5. Ile kosztuje uruchomienie aplikacji GenAI w AWS?

   Modele w Bedrock rozliczają się za tokeny wejścia i wyjścia, więc koszt zależy od ruchu i długości promptów. Asystent AI przy umiarkowanym ruchu to zwykle kilkadziesiąt dolarów miesięcznie. Na szkoleniu przechodzimy przez techniki, które ten rachunek obniżają: krótsze prompty, cache odpowiedzi, dobór modelu do zadania i monitoring kosztów.

6. Co to jest RAG i po co mi Knowledge Base?

   RAG (Retrieval Augmented Generation) pozwala modelowi odpowiadać na podstawie Twoich dokumentów, baz i API, bez trenowania modelu. Knowledge Base w Bedrock robi za Ciebie indeksowanie i wyszukiwanie. To standardowy sposób, żeby aplikacja firmowa odpowiadała na pytania o aktualne dane, a nie o to, co model zapamiętał rok temu.

7. Czy program da się dopasować do naszego zespołu?

   Tak. Przed szkoleniem rozmawiamy o tym, co zespół już umie i co chce zbudować. Zwykle zmieniam proporcje między modułami albo podmieniam przykład w laboratorium na przypadek z Waszego produktu.

Następny krok

Potrzebujesz najpierw solidnych podstaw serverless na AWS? Trzy dni dla programistów, w tym pierwszy chatbot na Bedrock.

Pozostałe szkolenia AWS: AWS – Wprowadzenie, AWS – Specjalista. Wszystkie programy: szkolenia AWS po polsku.