Utilizzo di Converse API

Il text campo viene mappato su una stringa che specifica il prompt. Il text campo viene interpretato insieme ad altri campi specificati nello stesso. ContentBlock

(Facoltativo) Per alcuni modelli, è possibile aggiungere checkpoint della cache utilizzando cachePoint i campi per utilizzare il prompt caching. Il prompt caching è una funzionalità che consente di iniziare a memorizzare nella cache il contesto delle conversazioni per ottenere risparmi in termini di costi e latenza. Per ulteriori informazioni, consulta Memorizzazione rapida nella cache per un'inferenza più rapida del modello.

Quanto segue mostra un oggetto Message con un content array contenente solo un testo: ContentBlock

{
    "role": "user | assistant",
    "content": [
        {
            "text": "string"
        }
    ]
}

Quanto segue mostra un oggetto Message con una content matrice contenente un testo ContentBlocke un cachePoint campo opzionale. Di conseguenza, il contenuto del testo ContentBlockviene aggiunto alla cache.

{
    "role": "user | assistant",
    "content": [
        {
            "text": "string"
        },
        {
            "cachePoint": {
                "type": "default"
            }
        }
    ]
}

Il image campo è mappato su un ImageBlock. Passa i byte non elaborati, codificati in base64, per un'immagine nel campo. bytes Se si utilizza un AWS SDK, non è necessario codificare i byte in base64.

Se si esclude il text campo, il modello descrive l'immagine.

(Facoltativo) Per alcuni modelli, è possibile aggiungere checkpoint della cache utilizzando cachePoint i campi per utilizzare il prompt caching. Il prompt caching è una funzionalità che consente di iniziare a memorizzare nella cache il contesto delle conversazioni per ottenere risparmi in termini di costi e latenza. Per ulteriori informazioni, consulta Memorizzazione rapida nella cache per un'inferenza più rapida del modello.

Quanto segue mostra un oggetto Message con un content array contenente solo un'immagine: ContentBlock

{
    "role": "user",
    "content": [
        {
            "image": {
                "format": "png | jpeg | gif | webp",
                "source": {
                    "bytes": "image in bytes"
                }
            }
        }
    ]
}

Quanto segue mostra un oggetto Message con una content matrice contenente un'immagine ContentBlocke un cachePoint campo opzionale. Di conseguenza, il contenuto dell'immagine viene aggiunto alla cache.

{
    "role": "user",
    "content": [
        {
            "image": {
                "format": "png | jpeg | gif | webp",
                "source": {
                    "bytes": "image in bytes"
                }
            }
        },
        {
            "cachePoint": {
                "type": "default"
            }
        }
    ]
}

Il document campo è mappato su un DocumentBlock. Se includi unDocumentBlock, verifica che la tua richiesta sia conforme alle seguenti restrizioni:

(Facoltativo) Per alcuni modelli, è possibile aggiungere checkpoint della cache utilizzando cachePoint i campi per utilizzare il prompt caching. Il prompt caching è una funzionalità che consente di iniziare a memorizzare nella cache il contesto delle conversazioni per ottenere risparmi in termini di costi e latenza. Per ulteriori informazioni, consulta Memorizzazione rapida nella cache per un'inferenza più rapida del modello.

Quanto segue mostra un oggetto Message con un content array contenente solo un documento ContentBlocke un testo di accompagnamento obbligatorio. ContentBlock

{
    "role": "user",
    "content": [
        {
            "text": "string"
        },
        {
            "document": {
                "format": "pdf | csv | doc | docx | xls | xlsx | html | txt | md",
                "name": "string",
                "source": {
                    "bytes": "document in bytes"
                }
            }
        }
    ]
}

Quanto segue mostra un oggetto Message con una content matrice contenente un documento ContentBlocke il testo di accompagnamento obbligatorio ContentBlock, nonché un CachePoint che aggiunge sia il contenuto del documento che quello del testo alla cache.

{
    "role": "user",
    "content": [
        {
            "text": "string"
        },
        {
            "document": {
                "format": "pdf | csv | doc | docx | xls | xlsx | html | txt | md",
                "name": "string",
                "source": {
                    "bytes": "document in bytes"
                }
            }
        },
        {
            "cachePoint": {
                "type": "default"
            }
        }
    ]
}

Il video campo è mappato a un oggetto. VideoBlock Passa i byte non elaborati nel bytes campo, codificati in base64. Se si utilizza l' AWS SDK, non è necessario codificare i byte in base64.

Se non includi il text campo, il modello descriverà il video.

Quanto segue mostra un oggetto Message con un content array contenente solo un video ContentBlock.

{
    "role": "user",
    "content": [
        {
            "video": {
                "format": "mov | mkv | mp4 | webm | flv | mpeg | mpg | wmv | three_gp",
                "source": {
                    "bytes": "video in bytes"
                }
            }
        }
    ]
}

Nota che per i file con .3gp estensione, il formato deve essere specificato comethree_gp.

Puoi anche passare un video tramite un URI Amazon S3 invece di passare i byte direttamente nel corpo della richiesta. Quanto segue mostra un Message oggetto con un array di contenuti contenente solo un video ContentBlock la cui sorgente video è passata attraverso un URI Amazon S3.

{
    "role": "user",
    "content": [
        {
            "video": {
                "format": "mov | mkv | mp4 | webm | flv | mpeg | mpg | wmv | three_gp",
                "source": {
                    "s3Location": {
                        "uri": "${S3Uri}",
                        "bucketOwner": "${AccountId}"
                    }
                }
            }
        }
    ]
}

Il s3Location parametro è supportato solo nella regione Stati Uniti orientali (Virginia settentrionale).

Il guardContent campo è mappato su un GuardrailConverseContentBlockoggetto. È possibile utilizzare questo campo per indirizzare un input che deve essere valutato dal guardrail definito nel guardrailConfig campo. Se non specifichi questo campo, il guardrail valuta tutti i messaggi nel corpo della richiesta. Puoi passare i seguenti tipi di contenuto in un file: GuardBlock

Per ulteriori informazioni sull'uso dei guardrail, vedere. Blocca i contenuti dannosi nei modelli che utilizzano Amazon Bedrock Guardrails

Il reasoningContent campo è mappato a. ReasoningContentBlock Questo blocco contiene contenuti riguardanti il ragionamento che è stato eseguito dal modello per generare la risposta ContentBlock allegata.

Quanto segue mostra un Message oggetto con una content matrice contenente solo un testo ReasoningContentBlock e un testo di accompagnamento. ContentBlock

{
    "role": "user",
    "content": [
        {
            "text": "string"
        },
        {
            "reasoningContent": {
                "reasoningText": {
                    "text": "string",
                    "signature": "string"
                }
                "redactedContent": "base64-encoded binary data object"
            }
        }
    ]
}

ReasoningContentBlockContiene il ragionamento utilizzato per generare il contenuto di accompagnamento nel reasoningText campo, oltre a qualsiasi contenuto del ragionamento che è stato crittografato dal fornitore del modello per motivi di fiducia e sicurezza sul campo. redactedContent

All'interno del reasoningText campo, i text campi descrivono il ragionamento. Il signature campo è un hash di tutti i messaggi della conversazione ed è una protezione contro la manomissione del ragionamento usato dal modello. È necessario includere la firma e tutti i messaggi precedenti nelle richieste successive. Converse Se uno qualsiasi dei messaggi viene modificato, la risposta genera un errore.

Contiene informazioni su uno strumento da utilizzare per il modello. Per ulteriori informazioni, consulta Usa uno strumento per completare una risposta al modello Amazon Bedrock.

Contiene informazioni sul risultato ottenuto dal modello utilizzando uno strumento. Per ulteriori informazioni, consulta Usa uno strumento per completare una risposta al modello Amazon Bedrock.