Menerapkan teknik prompt engineering

Pengantar Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Few-shot learning

Apa itu few-shot learning?
- Teknik membimbing model dengan beberapa contoh dalam prompt
- Membantu model menangkap pola dan meningkatkan kualitas respons
Manfaat utama:
- Mengurangi ambiguitas pada prompt
- Menghasilkan output lebih konsisten dan akurat

Diagram konseptual yang merepresentasikan belajar dari contoh.

Few-shot learning dengan model

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:"""

Apa itu structured output formatting?

Menata respons model dalam format yang jelas dan dapat diprediksi
Ideal untuk otomatisasi dan ekstraksi data

Mengontrol format respons

Minta struktur output spesifik
Gunakan penanda jelas untuk parsing
Tetapkan batasan format

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]"""

Membuat prompt yang efektif

Gabungkan contoh few-shot dengan system prompt
Gunakan format terstruktur dengan contoh
Lapiskan teknik untuk hasil lebih baik

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"""

Ayo berlatih!

Pengantar Amazon Bedrock