利用亚马逊云科技云原生Serverless代码托管服务开发OpenAI ChatGPT-4o应用

今天小李哥继续介绍国际上主流云计算平台亚马逊云科技AWS上的热门生成式AI应用开发架构。上次小李哥分享了利用谷歌云serverless代码托管服务Cloud Functions构建Gemini Pro API，这次我将介绍如何利用亚马逊的云原生服务Lambda调用OpenAI的最新模型ChatGPT 4o。由于我人在海外，平时都是利用国际上主流云计算平台帮助企业设计AI应用架构，我的文章也将集中在亚马逊、微软、谷歌和甲骨文云计算平台，目的是帮助大家打开视野，了解世界上最前沿的AI和云原生技术。

架构方案

首先我们简单介绍本方案的细节。本方案采用全托管Serverless云原生架构，涵盖了前端页面、API网关端点、后端应用和AI大语言模型托管平台。总体方案架构图如下:

前端页面：

前端页面方案使用了亚马逊云科技对象存储桶S3，我们使用S3托管前端的HTML, CSS, JS静态网页，在接收到用户请求时，S3会调用JS文件访问后端的API。

优势：使用S3的优势主要是低成本、和高扩展性，同时我们不需要维护前端基础设施。我们可以使用 S3 存储 EB 数量级的数据。S3 由亚马逊云科技托管，可以随着您增减数据的操作自动扩展和收缩。而且无需提前采购云资源，只需按实际使用量付费，具有极高性价比。同时S3具有极低的访问延迟和高吞度带宽，适用于大用户量访问。

API网关端点:

我们使用了亚马逊云科技的API Gateway作为后端API端点，用于接收前端发来的HTTPs访问请求，调用后端AI大模型生成回复，并加载到前端页面上。

优势: API Gateway支持高并发、具有高扩展性、安全性好、有效降低开发和运营成本。它同样是亚马逊云科技全托管的云原生服务，支持RESTful API和WebSocket API，特别适用于获取大模型流式响应。同时有效简化了API的创建、发布、监控、保护等。而且后端支持云原生Serverless代码托管服务lambda和容器服务ECS，帮助构建云上全云原生服务。

后端计算：

后端代码部署我们选择了大名鼎鼎的明星服务Amazon Lambda，用于接收API Gateway转发到后端的请求体，解析后调用AI大模型API，并生成响应体返回给客户端。

优势：无服务器Serverless简化运维，高扩展性、降低成本、低延时。小李哥目前在亚马逊云科技上已经不使用传统服务器开发应用了，目前只使用Lamda。主要原因就是Lambda采用全托管模式，开发人员只需要将代码上传即可运行代码，无需运维。他也可以自己作为一个网页服务器，无需搭建服务器也可以运行代码。同时采用即用即付的计费模式，根据API调用次数、运行时间和消耗资源计费。

AI大语言模型：

AI大语言模型我们使用了Open AI 5月最新发布的多模态模型 ChatGPT 4o，5月这次的发布会可谓震惊了世界，4o速度是GPT-4（特别是GPT-4 Turbo）的两倍，但价格只有一半，而且可以处理文本、视觉和音频多类型数据。

在国际上的主流基准测试中可谓是遥遥领先同类模型，如Claude Ops、Gemini 1.5等。可以完美应用于知识问答客服、文字生成、代码生成、智能助手、教育与培训多个场景。

Amazon Bedrock大语言模型平台

亚马逊云科技同时拥有自己的呀语言模型托管平台--Amazon Bedrock，它同样有非常多的优势。比如支持30多种不同AI模型厂商的大语言模型，如Amazon自家的Titan、Anthropic的Claude 3系列（Opus, Sonnet 3.5, Haiku）、AI21 Labs、Cohere多款向量模型、Meta Llama 2/3、Mistral AI、Stability AI Diffusion等，通过统一的Converse API就可以集中调用、集中管理。

另外Amazon Bedrock也提供了模型测试、知识库（RAG）、智慧体Agent、安全防护栏等多种原生服务，简化云上AI软件服务的集成和开发。同时保障企业内部数据的隐私性、安全性和合规性，训练数据、请求数据都不会用于模型的训练，支持创建企业内部的自定义私有模型，模型全生命周期加密并不会和其他用户共享。同时Amazon Bedrock 实施了自动检测滥用机制，输入不合规，如暴力、违法、仇恨、侮辱的内容，将会阻止回复和使用。

但是目前Amazon Bedrock上还没有支持OpenAI的模型，所以本次AI应用方案，小李哥没有使用该平台上的大语言模型。

2. 利用亚马逊云科技Serverless代码托管服务开发AI应用流程

1. 首先我们登录亚马逊云科技AWS，创建一个Lambda

2. 我们为Lambda函数起一个名字，如“LambdaName”。并且我们规定我们使用的开发语言和版本，如“Python3.10”，最后为Lambda分配一个调用亚马逊云科技平台上其他服务（SNS, Bedrock，S3等）的权限。在选择权限时，我们要尊从最小化权限的原则，提升应用安全。

3.下一步我们为Lambda函数创建前端调用的API端点。首先点击“Enable Function URL”，由于我们是测试环境，在Auth Type选择None，但是在真正的面相服务中，我们需要通过API Gateway在请求头添加API Key验证用户请求，提升应用安全。由于我们要通过前端页面访问后端，最后我们开启跨源资源共享CORS。

我们一般会在CORS配置中，如下图添加如下响应头。

{
"Access-Control-Allow-Origin": "*","Access-Control-Allow-Headers": "Content-Type","Access-Control-Allow-Methods": "GET, POST, OPTIONS"
}

4. 由于我们的GenAI应用会调用OpenAI API，我们需要如下操作在代码依赖中添加OpenAI SDK。

在本地创建一个文件夹

mkdir python
cd python

安装OpenAI库

pip install openai -t .

将依赖打包成zip

cd ..
zip -r openai-lambda-package.zip python

5. 打包好后，我们将依赖上传添加到Lambda中，Lambda通过Layer管理、上传代码依赖

点击Lambda的Layer功能并创建一个Layer

上传依赖并配置Layer

创建成功后，将包含依赖的layer添加到Lambda函数中，就大功告成了！

6. 接下来我们将标准的OpenAI GPT4o的API代码，复制到Lamda中。

标准API示例代码如下：

import requests
import json
import osopenai_api_key = # put yout api key hereif openai_api_key is None:raise ValueError("OpenAI API key is not set in environment variables.")url = "https://api.openai.com/v1/chat/completions"headers = {"Content-Type": "application/json","Authorization": f"Bearer {openai_api_key}"
}data = {"model": "gpt-4o","messages": [{"role": "system","content": "You are a helpful assistant."},{"role": "user","content": "Hello!"}]
}response = requests.post(url, headers=headers, json=data)# Check if the request was successful
if response.status_code == 200:print("Response from OpenAI:", response.json())print('\n')print(response.json()['choices'][0]['message']['content'])
else:print("Error:", response.status_code, response.text)

同时复制代码到Lambda函数中，首先从响应体中提取用户前端输入，存到定义的变量中。同时，将OpenAI API调用代码复制到“TODO implement”中，最后定义响应前端的API响应格式。

import jsondef lambda_handler(event, context):input_text = event['body'] #此处从请求体中提取用户输入# TODO implement    #复制OpenAI API代码到本行return {'statusCode': 200,'body': json.dumps('Hello from Lambda!')}                        #此处定义响应头和响应数据

出于应用代码安全性的考虑，此处小李哥建议大家把OpenAI API示例代码中的openai_api_key不要存放到代码中。大家需要用亚马逊云科技的密码管理服务secret manager来储存、管理所有的密码、秘钥。Secret Manager的调用代码如下。

class GetSecretWrapper:def __init__(self, secretsmanager_client):self.client = secretsmanager_clientdef get_secret(self, secret_name):"""Retrieve individual secrets from AWS Secrets Manager using the get_secret_value API.This function assumes the stack mentioned in the source code README has been successfully deployed.This stack includes 7 secrets, all of which have names beginning with "mySecret".:param secret_name: The name of the secret fetched.:type secret_name: str"""try:get_secret_value_response = self.client.get_secret_value(SecretId=secret_name #此处换成大家Secret Manager的名字)logging.info("Secret retrieved successfully.")return get_secret_value_response["SecretString"]except self.client.exceptions.ResourceNotFoundException:msg = f"The requested secret {secret_name} was not found."logger.info(msg)return msgexcept Exception as e:logger.error(f"An unknown error occurred: {str(e)}.")raise

7. 最后大家在Lambda的Function URL页面就可以获取API的URL，将URL复制到前端JS代码中，就可以搭建出基于亚马逊云科技的Open AI GenAI软件应用。