Pagar pembatas untuk Amazon Bedrock - Amazon Bedrock
Daerah dan model yang didukung

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Pagar pembatas untuk Amazon Bedrock

Guardrails for Amazon Bedrock memungkinkan Anda menerapkan perlindungan untuk aplikasi AI generatif berdasarkan kasus penggunaan dan kebijakan AI yang bertanggung jawab. Anda dapat membuat beberapa pagar pembatas yang disesuaikan dengan kasus penggunaan yang berbeda dan menerapkannya di beberapa model fondasi (FM), memberikan pengalaman pengguna yang konsisten dan menstandarisasi kontrol keamanan dan privasi di seluruh aplikasi AI generatif. Anda dapat menggunakan pagar pembatas dengan input pengguna berbasis teks dan respons model.

Pagar pembatas dapat digunakan dalam berbagai cara untuk melindungi aplikasi AI generatif. Sebagai contoh:

  • Aplikasi chatbot dapat menggunakan pagar pembatas untuk menyaring input pengguna yang berbahaya dan respons model beracun.

  • Aplikasi perbankan dapat menggunakan pagar pembatas untuk memblokir pertanyaan pengguna atau respons model yang terkait dengan mencari atau memberikan saran investasi.

  • Aplikasi call center untuk meringkas transkrip percakapan antara pengguna dan agen dapat menggunakan pagar pembatas untuk menyunting informasi identitas pribadi (PII) pengguna untuk melindungi privasi pengguna.

Anda dapat mengonfigurasi kebijakan berikut di pagar pembatas untuk menghindari konten yang tidak diinginkan dan berbahaya serta menghapus informasi sensitif untuk perlindungan privasi.

  • Filter konten — Sesuaikan kekuatan filter untuk memblokir permintaan input atau respons model yang berisi konten berbahaya.

  • Topik yang ditolak — Tentukan serangkaian topik yang tidak diinginkan dalam konteks aplikasi Anda. Topik-topik ini akan diblokir jika terdeteksi dalam kueri pengguna atau respons model.

  • Filter kata — Konfigurasikan filter untuk memblokir kata, frasa, dan kata-kata kotor yang tidak diinginkan. Kata-kata tersebut dapat mencakup istilah ofensif, nama pesaing, dll.

  • Filter informasi sensitif — Memblokir atau menutupi informasi sensitif seperti informasi identitas pribadi (PII) atau regex khusus dalam input pengguna dan respons model.

Selain kebijakan di atas, Anda juga dapat mengonfigurasi pesan yang akan dikembalikan kepada pengguna jika input pengguna atau respons model melanggar kebijakan yang ditetapkan dalam pagar pembatas.

Anda dapat membuat beberapa versi pagar pembatas untuk pagar pembatas Anda. Saat Anda membuat pagar pembatas, draf kerja secara otomatis tersedia untuk Anda modifikasi secara iteratif. Bereksperimenlah dengan konfigurasi yang berbeda dan gunakan jendela pengujian bawaan untuk melihat apakah sesuai untuk kasus penggunaan Anda. Jika Anda puas dengan serangkaian konfigurasi, Anda dapat membuat versi pagar pembatas dan menggunakannya dengan model pondasi yang didukung.

Guardrails dapat digunakan secara langsung dengan FM selama pemanggilan API inferensi dengan menentukan ID pagar pembatas dan versinya. Jika pagar pembatas digunakan, itu akan mengevaluasi petunjuk input dan penyelesaian FM terhadap kebijakan yang ditentukan.

Untuk pengambilan augmented generation (RAG) atau aplikasi percakapan, Anda mungkin perlu mengevaluasi hanya input pengguna dalam prompt input sambil membuang instruksi sistem, hasil pencarian, riwayat percakapan, atau beberapa contoh singkat. Untuk mengevaluasi secara selektif bagian dari prompt input, lihatEvaluasi input pengguna secara selektif dengan tag menggunakan Guardrails.

penting

Pagar pembatas untuk Amazon Bedrock hanya mendukung bahasa Inggris. Mengevaluasi konten teks dalam bahasa lain dapat menghasilkan hasil yang tidak dapat diandalkan.

Topik

Wilayah dan model yang didukung untuk Pagar Pembatas untuk Amazon Bedrock

Biaya untuk Pagar Pembatas untuk Amazon Bedrock hanya akan dikenakan untuk kebijakan yang dikonfigurasi di pagar pembatas. Harga untuk setiap jenis kebijakan tersedia di Amazon Bedrock Pricing. Jika Guardrails memblokir prompt input, Anda akan dikenakan biaya untuk evaluasi Guardrail. Tidak akan ada biaya untuk panggilan inferensi model pondasi. Jika Guardrails memblokir respons model, Anda akan dikenakan biaya untuk evaluasi Guardrails dari prompt input dan respons model. Dalam hal ini, Anda akan dikenakan biaya untuk panggilan inferensi model pondasi serta respons model yang dihasilkan sebelum evaluasi Pagar Pembatas.