Tillämpa prompt engineering-tekniker

Introduktion till Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Few-shot learning

Vad är few-shot learning?
- En teknik där modellen vägleds med några exempel i prompten
- Hjälper modellen att identifiera mönster och förbättra svaren
Viktiga fördelar:
- Minskar tvetydighet i prompten
- Ger mer konsekventa och korrekta svar

Ett konceptuellt diagram som illustrerar inlärning med exempel.

Few-shot learning med modeller

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:"""

Vad är strukturerad utdataformatering?

Organiserar modellens svar i ett tydligt och förutsägbart format
Passar utmärkt för automatisering och datautvinning

Styra svarsformatet

Begär specifika utdatastrukturer
Använd tydliga markeringar för tolkning
Definiera formatbegränsningar

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]"""

Skapa effektiva promptar

Kombinera few-shot-exempel med systemprompts
Använd strukturerad formatering tillsammans med exempel
Kombinera tekniker för bättre resultat

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"""

Nu kör vi en övning!

Introduktion till Amazon Bedrock