Aplicando técnicas de prompt engineering

Introdução ao Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Few-shot learning

O que é few-shot learning?
- Técnica que orienta o modelo dando poucos exemplos no prompt
- Ajuda o modelo a inferir padrões e melhorar a resposta
Principais benefícios:
- Reduz ambiguidade no prompt
- Gera saídas mais consistentes e precisas

Um diagrama conceitual que representa aprender por exemplo.'

Few-shot learning com modelos

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:"""

O que é formatação de saída estruturada?

Deixa as respostas claras e previsíveis
Ideal para automação e extração de dados

Controlando o formato da resposta

Peça estruturas de saída específicas
Use marcadores claros para parsing
Defina restrições de formato

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]"""

Criando prompts eficazes

Combine exemplos few-shot com prompts de sistema
Use formatação estruturada com exemplos
Una técnicas para melhores resultados

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"""

Vamos praticar!

Introdução ao Amazon Bedrock