О чём урок
Этот notebook демонстрирует один синтетический анализ по борьбе с отмыванием денег (AML) с использованием OpenAI Agents SDK и GPT-5.6 Sol на Amazon Bedrock. Путь по умолчанию использует детерминированную офлайн-оценку, поэтому сквозной запуск не выполняет вызовов модели. Явное согласие (opt-in) запускает агент с инструментами только для чтения. Оба пути проверяют существенные утверждения на основе детерминированных расчетов. Оповещение инициирует расследование. Оно не доказывает неправомерных действий. Модель предлагает оценку. Код приложения проверяет структурированные утверждения и управляет состоянием рабочего процесса. Квалифицированный специалист принимает решение о возможности начала опционального составления проекта. Все данные синтетические. Ничто здесь не подает Отчет о подозрительной деятельности (SAR) и не реализует производственную политику соответствия. Notebook сохраняет детерминированные доказательства, предложения модели, элементы управления приложения и полномочия человека в отдельных границах. Путь по умолчанию для офлайн-режима требует Python 3.10 или новее и uv. Опциональные платные пути Bedrock также требуют учетных данных AWS через стандартную цепочку учетных данных и доступ к openai.gpt-5.6-sol. Из клона openai/openai-cookbook, выполните: Откройте этот notebook по адресу examples/partners/AWS/evidence_grounded_aml_agent_with_bedrock.ipynb. Запуск по умолчанию оставляет оба платных флага отключенными. Чтобы запустить агент анализа, установите RUN_ANALYSIS_DEMO=true перед запуском Jupyter. Чтобы запустить опциональный агент составления проекта, установите RUN_DRAFTING_DEMO=true. Сначала установите AWS_PROFILE, если ваша организация использует именованный профиль. Никогда не вставляйте учетные данные AWS в notebook. Обе платные демонстрации требуют явного флага среды. Когда любой из флагов включен, SDK использует цепочку учетных данных AWS, и отдельный клиент перечисляет модели через конечную точку обнаружения Bedrock Mantle перед платным выводом. При отключенных флагах эта cell не создает клиента и не выполняет вызовов AWS. Кейс содержит три однодневных денежных зачисления, за которыми следует исходящий банковский перевод. Фабрика создает новый типизированный кейс для каждого контекста приложения. Суммы облегчают воспроизведение расчетов; это демонстрационные правила, а не регуляторные пороги.
План урока
- Границы рабочего процесса
- 1. Запуск notebook
- 2. Настройка Amazon Bedrock
- 3. Загрузка синтетического кейса
- 4. Определение инструментов вывода и доказательств
- 5. Запуск агента анализа
- 6. Проверка поддержки, а не только синтаксиса цитирования
- 7. Отработка негативных сценариев
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.