核心功能實作

• Bedrock API 調用
• DynamoDB 數據存儲
• 錯誤處理機制
• 日誌輸出

數據流設計

用戶輸入 → Bedrock AI 處理 → 獲得回應 → 存儲到 DynamoDB → 返回結果

以下為lambda 存入Dynamodb核心程式碼

from datetime import datetime
import uuid
    
#
dynamodb = boto3.resource('dynamodb', region_name='ap-east-2')
table = dynamodb.Table('chat')

# 存儲到 DynamoDB（根據你的表結構調整欄位名稱）
  try:
      table.put_item(
          Item={
              'id': record_id,  # 假設主鍵名稱是 'id'
              'timestamp': timestamp,
              'message': user_message,  # 用戶輸入
              'response': generated_text,  # AI 回應
              'model': model_id,
              'created_at': timestamp,
              # 如果你的表有其他必填欄位，請在這裡加入
          }
      )
      print(f"Successfully stored record {record_id} to DynamoDB")
      
  except Exception as db_error:
      print(f"DynamoDB storage error: {str(db_error)}")
      # 即使數據庫存儲失敗，仍然返回 AI 回應

配置 IAM 權限(可查看第13天如何配置)

• 選擇 AmazonDynamoDBFullAccess_v2
• 添加 Bedrock 調用權限
• 確保 Lambda 基本執行權限

Lambda 函數測試

• 使用提供的測試事件 JSON
• 檢查執行日誌
• 確認返回結果

DynamoDB 數據驗證

• 導航到 DynamoDB 控制台
• 選擇 chat 表
• 檢查 "瀏覽表項目"
• 確認數據正確寫入

最後一定要來個API測試總結

🎯 核心功能實現

• ✅ Lambda 函數成功整合 Amazon Bedrock DeepSeek-V3 模型
• ✅ 實現對話記錄的持久化存儲（DynamoDB）
• ✅ 完整的錯誤處理和日誌監控機制
• ✅ 彈性的權限管理和安全控制