Prompt-Engineering-Techniken anwenden

Einführung in Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Few-Shot Learning

Was ist Few-Shot Learning?
- Technik, bei der wenige Beispiele im Prompt das Modell leiten
- Hilft, Muster zu erfassen und die Antwortqualität zu steigern
Zentrale Vorteile:
- Verringert Mehrdeutigkeit im Prompt
- Liefert konsistentere, genauere Ausgaben

Ein konzeptionelles Diagramm, das Lernen durch Beispiele darstellt.

Few-Shot Learning mit Modellen

prompt = """Here are examples of AWS service summaries:

Service: Amazon S3
Summary: Object storage service for storing and retrieving any amount of data.

Service: Amazon EC2
Summary: Virtual servers in the cloud for running applications.

Now, write a similar summary for:
Service: AWS Lambda\n\nSummary:"""

Was ist strukturiertes Ausgabeformat?

Strukturiert Modellantworten klar und vorhersagbar
Ideal für Automatisierung und Datenauszug

Antwortformat steuern

Konkrete Ausgabestrukturen anfordern
Klare Marker fürs Parsen nutzen
Formatvorgaben definieren

prompt = """Analyze AWS Lambda and provide output in this format:
DESCRIPTION:[2-3 sentence description]
KEY FEATURES:
- [feature 1]
- [feature 2]
USE CASES:
1. [use case 1]
2. [use case 2]"""

Wirkungsvolle Prompts erstellen

Few-Shot-Beispiele mit Systemprompts kombinieren
Strukturierte Formatierung mit Beispielen nutzen
Techniken schichten für bessere Ergebnisse

prompt = """You are an AWS technical writer. 
Here's an example of how to document APIs:
API: GetItem
Format: - Purpose: [one line], 
- Parameters: [list], 
- Returns: [description]
Now document the following API:
API: PutItem"""

Lass uns üben!

Einführung in Amazon Bedrock