AI-conversaties beheren

Introductie tot Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Gespreksstatus beheren in Bedrock

Gesprekken beheren: cruciaal voor natuurlijke, samenhangende AI-interactie
Context bevat geschiedenis en metadata
Claude-modellen houden rekening met context

Een illustratie met cirkels voor elk onderdeel van het gesprek: het bericht, de geschiedenis en de metadata.

Conversatiebeheer implementeren

ConversationManager-class regelt kernfunctionaliteit
Berichtenlog slaat user- en assistant-berichten met rollen op
Gestructureerde aanpak maakt schaalbaar en onderhoudbaar

class ConversationManager:

  def __init__(self):
    self.bedrock = 
        boto3.client('bedrock-runtime')

    self.conversation_history = []
    self.max_tokens = 8000


  def add_message(self, role, content):
      self.conversation_history
      .append({"role": role,

        "content": content

  })

ConversationManager in de praktijk

Voeg nieuwe berichten toe aan het logboek
Log altijd de invoer van de gebruiker
Help het model de context te behouden

conversation_manager = ConversationManager()
conversation_manager.add_message("user", "What's the weather like?")

ConversationManager in de praktijk

Formatteer als bericht
Beperk de hoeveelheid verzonden tekst
Stuur de geformatteerde conversatie naar het model

# Send the latest context to the model
conversation_history = conversation_manager.conversation_history
messages = "\n\n".join(
    f"{msg['role']}: {msg['content']}" 
    for msg in conversation_history[-2:]) # Only most recent exchanges


# Send the full message to the model
response = conversation_manager.bedrock.invoke_model(
    modelId="amazon.nova-micro-v1:0", body=messages)

Laten we oefenen!

Introductie tot Amazon Bedrock