Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
CohereCommandmodelos
Realiza solicitudes de inferencia a un Cohere Command modelo con InvokeModelo InvokeModelWithResponseStream(streaming). Necesitará el ID de modelo del modelo que desee utilizar. Para obtener el ID del modelo, consulteModelo Amazon Bedrock IDs.
Solicitud y respuesta
- Request
-
Los Cohere Command modelos tienen los siguientes parámetros de inferencia.
{
"prompt": string,
"temperature": float,
"p": float,
"k": float,
"max_tokens": int,
"stop_sequences": [string],
"return_likelihoods": "GENERATION|ALL|NONE",
"stream": boolean,
"num_generations": int,
"logit_bias": {token_id: bias},
"truncate": "NONE|START|END"
}
Los siguientes parámetros son obligatorios.
Los siguientes son parámetros opcionales.
-
return_likelihoods: especifica cómo y si se devuelven las probabilidades simbólicas junto con la respuesta. Puede especificar las opciones siguientes:
-
GENERATION
: solo devuelve las probabilidades de los tokens generados.
-
ALL
: devuelve las probabilidades de todos los tokens.
-
NONE
: (predeterminado) no devuelvas ninguna probabilidad.
-
stream: (obligatorio para admitir la transmisión) Especifique si desea true
devolver la respuesta piece-by-piece en tiempo real y devolver la respuesta completa una vez false
finalizado el proceso.
-
logit_bias: evita que el modelo genere fichas no deseadas o incentiva al modelo a incluir las fichas deseadas. El formato es {token_id: bias}
en el que el sesgo es un número flotante entre -10 y 10. Los tokens se pueden obtener a partir del texto mediante cualquier servicio de tokenización, como el punto final de Tokenize. Cohere Para obtener más información, consulta la documentación. Cohere
Predeterminado |
Mínimo |
Máximo |
N/A
|
-10 (para un sesgo de token)
|
10 (para un sesgo de token)
|
-
num_generations: el número máximo de generaciones que debe devolver el modelo.
Predeterminado |
Mínimo |
Máximo |
1
|
1
|
5
|
-
truncar: especifica cómo API gestiona las entradas con una longitud superior a la longitud máxima del token. Utilice una de las siguientes:
-
NONE
: devuelve un error cuando la entrada supera la longitud máxima del token de entrada.
-
START
: descarta el inicio de la entrada.
-
END
: (predeterminado) descarta el final de la entrada.
Si especifica START
oEND
, el modelo descarta la entrada hasta que la entrada restante tenga exactamente la longitud máxima del token de entrada para el modelo.
-
temperatura: utilice un valor inferior para reducir la aleatoriedad de la respuesta.
Predeterminado |
Mínimo |
Máximo |
0.9
|
0
|
5
|
-
p — Top P. Usa un valor más bajo para ignorar las opciones menos probables. Configúrelo en 0 o 1,0 para deshabilitarlo. Si ambos p
y k
están activados, p
actúa después k
.
Predeterminado |
Mínimo |
Máximo |
0.75
|
0
|
1
|
-
k — Top K. Especifique el número de opciones de token que el modelo utilizará para generar el siguiente token. Si ambos p
y k
están activados, p
actúa después k
.
Predeterminado |
Mínimo |
Máximo |
0
|
0
|
500
|
-
max_tokens: especifique la cantidad máxima de tokens que se utilizarán en la respuesta generada.
Predeterminado |
Mínimo |
Máximo |
20
|
1
|
4096
|
-
stop_sequences: configure hasta cuatro secuencias que el modelo reconozca. Tras una secuencia de detención, el modelo deja de generar más tokens. El texto devuelto no contiene la secuencia de detención.
- Response
-
La respuesta tiene los siguientes campos posibles:
{
"generations": [
{
"finish_reason": "COMPLETE | MAX_TOKENS | ERROR | ERROR_TOXIC",
"id": string,
"text": string,
"likelihood" : float,
"token_likelihoods" : [{"token" : float}],
"is_finished" : true | false,
"index" : integer
}
],
"id": string,
"prompt": string
}
generations
: una lista de los resultados generados junto con las probabilidades de que se soliciten los tokens. (Siempre se devuelve). Cada objeto de generación de la lista incluye los siguientes campos:
id
: un identificador para la generación. (Siempre se devuelve).
likelihood
: la probabilidad de la salida. El valor es el promedio de las probabilidades del token en token_likelihoods
. Se devuelve si se especifica el parámetro de entrada return_likelihoods
.
token_likelihoods
: un conjunto de probabilidades por token. Se devuelve si se especifica el parámetro de entrada return_likelihoods
.
-
finish_reason
— La razón por la que el modelo terminó de generar fichas. COMPLETE
- el modelo envió una respuesta finalizada. MAX_TOKENS
— la respuesta se interrumpió porque el modelo alcanzó el número máximo de fichas para su longitud de contexto. ERROR
— algo salió mal al generar la respuesta. ERROR_TOXIC
— el modelo generó una respuesta que se consideró tóxica. finish_reason
se devuelve solo cuando is_finished
=true
. (No siempre se devuelve).
is_finished
: un campo booleano que se usa solo cuando stream
es true
, lo que indica si hay o no tokens adicionales que se generarán como parte de la respuesta de la transmisión. (No siempre se devuelve).
text
: el texto generado.
-
index
: en una respuesta de transmisión, se usa para determinar a qué generación pertenece un token determinado. Cuando solo se transmite una respuesta, todos los tokens pertenecen a la misma generación y no se devuelve el índice. Por lo tanto, index
solo se devuelve en una solicitud de transmisión con un valor para num_generations
superior a uno.
prompt
— El mensaje de la solicitud de entrada (siempre se devuelve).
id
: un identificador de la solicitud (siempre devuelto).
Para obtener más información, consulte Generar en la Cohere documentación.
Ejemplo de código
En este ejemplo se muestra cómo llamar al CohereCommandmodelo.
# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0
"""
Shows how to generate text using a Cohere model.
"""
import json
import logging
import boto3
from botocore.exceptions import ClientError
logger = logging.getLogger(__name__)
logging.basicConfig(level=logging.INFO)
def generate_text(model_id, body):
"""
Generate text using a Cohere model.
Args:
model_id (str): The model ID to use.
body (str) : The reqest body to use.
Returns:
dict: The response from the model.
"""
logger.info("Generating text with Cohere model %s", model_id)
accept = 'application/json'
content_type = 'application/json'
bedrock = boto3.client(service_name='bedrock-runtime')
response = bedrock.invoke_model(
body=body,
modelId=model_id,
accept=accept,
contentType=content_type
)
logger.info("Successfully generated text with Cohere model %s", model_id)
return response
def main():
"""
Entrypoint for Cohere example.
"""
logging.basicConfig(level=logging.INFO,
format="%(levelname)s: %(message)s")
model_id = 'cohere.command-text-v14'
prompt = """Summarize this dialogue:
"Customer: Please connect me with a support agent.
AI: Hi there, how can I assist you today?
Customer: I forgot my password and lost access to the email affiliated to my account. Can you please help me?
AI: Yes of course. First I'll need to confirm your identity and then I can connect you with one of our support agents.
"""
try:
body = json.dumps({
"prompt": prompt,
"max_tokens": 200,
"temperature": 0.6,
"p": 1,
"k": 0,
"num_generations": 2,
"return_likelihoods": "GENERATION"
})
response = generate_text(model_id=model_id,
body=body)
response_body = json.loads(response.get('body').read())
generations = response_body.get('generations')
for index, generation in enumerate(generations):
print(f"Generation {index + 1}\n------------")
print(f"Text:\n {generation['text']}\n")
if 'likelihood' in generation:
print(f"Likelihood:\n {generation['likelihood']}\n")
print(f"Reason: {generation['finish_reason']}\n\n")
except ClientError as err:
message = err.response["Error"]["Message"]
logger.error("A client error occurred: %s", message)
print("A client error occured: " +
format(message))
else:
print(f"Finished generating text with Cohere model {model_id}.")
if __name__ == "__main__":
main()