用途：本技能用于医疗与生命科学（HCLS）场景下 AWS GenAI/ML 架构级决策推理，不直接生成 CLI 命令或 IaC 模板，而是提供资深架构师的决策框架；需要具体部署产物时应搭配 pipeline 类技能使用。
主要能力：区分 PHI 与去标识数据、基础模型与自训练模型、同步/异步/批处理推理、检索增强与直接生成；给出 Bedrock 与 SageMaker 的选型框架（文本类优先 Bedrock，需定制训练、微调、专用模型或完整 MLOps 控制时用 SageMaker）；覆盖临床摘要、医学文献 RAG、病理影像、基因组、药物发现、环境临床文档等 HCLS 架构模式；按数据形态选择 HealthLake、OMOP/Redshift、S3/Lake Formation、HealthImaging、Textract 等存储；明确 HIPAA BAA、网络隔离、KMS 加密、审计与 IAM 最小权限等合规门槛；提供 MLOps 漂移监控、模型注册审批与成本优化建议。
使用方式：当用户提出“临床笔记摘要用 Bedrock 还是 SageMaker”“如何在 AWS 上构建医学文献 RAG”等架构问题时调用。按顺序澄清用例与 PHI 暴露、应用服务选型框架、套用模态架构模式、执行安全合规检查、补充 MLOps 与成本、最后提示常见错误；未明确载荷大小、延迟 SLO、PHI 状态或监管要求时需显式说明假设。回答格式：先给不超过三句的直接建议，再按建议→依据→注意事项展开，对比用表格，标准清单用要点，目标 200–400 词。决策树仅用于内部推理，不向用户复述。
适用场景：医疗与生命科学 GenAI/ML 新系统架构设计，尤其是涉及 PHI 的文本处理、影像推理、基因组流程与临床模型 MLOps。
限制：不适用于非 HCLS 通用工作负载；不提供成本估算或定价；不用于审计既有架构；无法确认 FDA SaMD 分类或 21 CFR Part 11 控制、跨境数据驻留或直接影响治疗决策等情形应升级人工专家审查。