Amazon Bedrock 上 AI 开发与效率工具的成本归因和使用控制 | Amazon Web Services

📌 One-Sentence Summary
本文介绍如何借助 IAM Identity Center、会话标签、CUR 2.0,以及 AWS Budgets、CloudWatch 告警和基于 DynamoDB 的配额等多种执行机制,为 Amazon Bedrock 上的 AI 开发与效率工具实现按用户归因成本和控制用量。
📝 Summary
Amazon Bedrock 提供无需埋点的成本归因功能,可将每次推理调用追溯到对应的 IAM 主体,并通过 AWS 成本和使用情况报告(CUR 2.0)和 Cost Explorer 查看用户级成本。本文详细介绍了 7 个实施步骤:配置与外部 IdP 集成的 IAM Identity Center、创建用于访问 Bedrock 的权限集、设置用户工作站、通过 Bedrock 路由工具、在 CUR 2.0 中启用成本归因、使用 Athena 查询成本数据,以及创建可视化图表。文章还介绍了 3 种用量控制方案:执行有延迟的 AWS Budgets、通过 CloudWatch/Lambda 实现近实时控制,以及在身份验证层使用基于 DynamoDB 的配额跟踪。该方案支持多种 AI 编程和效率工具,包括 Claude Code、Claude Desktop、OpenAI Codex、ChatGPT Work 和 OpenCode。
💡 Main Points
Amazon Bedrock 提供内置成本归因功能,可将推理调用追溯到 IAM 主体,从而通过 CUR 2.0 和 Cost Explorer 查看用户级成本。
Bedrock 会记录调用者完整的 IAM ARN,包括联合用户的会话名称,并将其发布到 CUR 2.0 的 line_item_iam_principal 列,帮助组织回答有关大规模采用 AI 工具的关键财务问题。
该方案通过端点层的统一归因机制,适用于多种 AI 开发与效率工具。
Claude Code、Claude Desktop、OpenAI Codex、ChatGPT Work 和 OpenCode 都通过 bedrock-runtime 或 bedrock-mantle 端点调用 Bedrock。Bedrock 的归因机制在任何特定工具逻辑的底层运行,只需配置一次 IAM Identity Center,即可查看用户级成本。
有 3 种用量控制机制可供选择,在执行延迟和运维复杂度方面各有取舍。
AWS Budgets 的执行存在延迟(最长 24 小时);CloudWatch/Lambda 可实现近实时控制(1-5 分钟);基于 DynamoDB 的跟踪则在凭证刷新时执行配额。此外,LLM 网关代理可以逐次调用进行拦截,但复杂度最高。
💬 Key Quotes
Amazon Bedrock 提供内置的零埋点成本归因功能,可将每次推理调用追溯到发起调用的 IAM 主体。
身份信息会连同组织标签一起写入 AWS 成本和使用情况报告(CUR 2.0)和 AWS Cost Explorer,同时确保数据留在 AWS 安全边界内。
Bedrock 基于 IAM 主体的成本跟踪适用于 bedrock-runtime 和 bedrock-mantle 端点。
📊 Article Meta
AI Screening: 88
Source: AWS Artificial Intelligence
Author: Aamna Najmi
Category: 人工智能
Language: 英文
Read Time: 11 min
Word Count: 2681
Tags:
AI 与智能应用 , AI 工程 , 安全 , AI Agent , 个人效率
很有价值的分享,感谢整理。
赞同,实践出真知。
这个观点很中肯,深有同感。
支持作者,持续关注中。
思路清晰,干货满满。
整理得太全面了,省了我不少时间。
实话,说的不明不白
实测过类似工具,作者说的基本属实。
内容翔实,正好需要,先收藏再看。
赞同,实践出真知。
看标题就点进来了,内容果然没让人失望。
内容翔实,正好需要,先收藏再看。