Stratégies avancées d'invite

Introduction à Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Architecture d'invite

Les invites système règlent le style et l'approche
Les invites « chain-of-thought » structurent le raisonnement
Les invites « few-shot » donnent des exemples
Chaque couche renforce la compréhension et la fiabilité

Un schéma avec quatre engrenages connectés montrant la séquence d'architecture d'invite : System Prompt, Chain of Thought Steps, Few-Shot Examples et Content Request.

Invites système et contrôle du style

prompt_template = {
    "system_prompt": f"""System: Write in a professional but approachable tone.""",

    "content_type": "blog_post",

    "examples": [
        {
            "title": "Cloud Migration Basics",
            "content": "Moving to the cloud doesn't have to be complex..."
        }
    ],

    "task": f"Write a blog post about {topic}"

}

Invite « chain-of-thought »

def generate_message_content(text_data):
    steps = [
        "1. Understand the target audience",
        "2. Outline key points",
        "3. Draft a promotional email"
    ]

    text_data["text"] += f"\nSteps:{' '.join(steps)}"

    return text_data

💡 Guide le raisonnement du modèle

Adaptation du contenu et paramètres

parameters = {

    "blog_post": {"temperature": 0.7, "top_p": 0.9},
    "social_media": {"temperature": 0.8, "top_p": 0.95},

    "technical": {"temperature": 0.4, "top_p": 0.8}

}

content_type = "blog_post"
prompt_data["parameters"] = parameters[content_type]

Ajuster les paramètres selon le type de contenu
Préréglages pour assurer la constance

Générer des invites avec des gabarits

# Write the prompt
topic = "Cloud Security"
content_type = "blog_post"
prompt = f"Write a {topic} blog post. Use this example: {prompt_template["examples"][0]}"


# Define the parameters
temperature = parameters[content_type]["temperature"]
top_p = parameters[content_type]["top_p"]


# Call the model
response = bedrock.invoke_model(modelId=model_id, body=json.dumps({"messages": 
           [{"role": "user","content": [{"type": "text", "text": prompt}]}],
           "temperature": temperature, "top_p": top_p}))

Passons à la pratique !