AWS 发布 Crawl4AI 预处理 Bedrock 知识库教程

AWS Machine Learning Blog 发布教程与示例仓库，介绍用开源 Python 爬虫 Crawl4AI 为 Amazon Bedrock Knowledge Bases 做入库前预处理：把每个网页写成 Markdown 和元数据 sidecar 存入 Amazon S3，再由知识库的 S3 数据源摄取，适用于需要对网页内容做额外处理的场景。 该流程面向已知网页属性的批量摄取，不是推理时的实时网页访问（如 Amazon Nova 的 Web Grounding）；只处理公开页面，不实现需登录的会话。Amazon Bedrock 对每个元数据 sidecar 限制为 10 KB。任务轮询摄取作业最长 30 分钟，摄取慢会延长计费的任务时间。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。