Use variáveis de espaço reservado nos modelos de prompt de agente do Amazon Bedrock - Amazon Bedrock

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Use variáveis de espaço reservado nos modelos de prompt de agente do Amazon Bedrock

Você pode usar variáveis de espaço reservado nos modelos de prompt do agente. As variáveis serão preenchidas com base em configurações preexistentes quando o modelo de prompt for chamado. Selecione uma guia para ver as variáveis que você pode usar para cada modelo de prompt.

Pre-processing
Variável Modelos suportados Substituído por
$funções$ Anthropic Claude Instant, Claude v2.0 APIOperações do grupo de ação e bases de conhecimento configuradas para o agente.
$ ferramentas$ Anthropic Claude v2.1, Claude 3 Sonnet, Claude 3 Haiku, Claude 3 Opus, Amazon Titan Text Premier
$histórico_de_conversação$ Anthropic Claude Instant, Claude v2.0, Claude v2.1 Histórico de conversas da sessão atual.
$pergunta$ Todos Entrada do usuário para a InvokeAgent chamada atual na sessão.
Orchestration
Variável Modelos suportados Substituído por
$funções$ Anthropic Claude Instant, Claude v2.0 APIOperações do grupo de ação e bases de conhecimento configuradas para o agente.
$ ferramentas$ Anthropic Claude v2.1, Claude 3 Sonnet, Claude 3 Haiku, Claude 3 Opus, Amazon Titan Text Premier
$ agent_scratchpad$ Todos Designa uma área para o modelo anotar seus pensamentos e ações que tomou. Substituído pelas previsões e resultados das iterações anteriores no turno atual. Fornece ao modelo o contexto do que foi alcançado com a entrada fornecida pelo usuário e qual deve ser a próxima etapa.
$qualquer_nome_função$ Anthropic Claude Instant, Claude v2.0 Um API nome escolhido aleatoriamente a partir API dos nomes que existem nos grupos de ação do agente.
$histórico_de_conversação$ Anthropic Claude Instant, Claude v2.0, Claude v2.1 Histórico de conversas da sessão atual
$instrução$ Todos Instruções do modelo configuradas para o agente.
$modelo_instrução$ Amazon Titan Texto Premier Instruções do modelo configuradas para o agente.
$prompt_session_attributes$ Todos Atributos da sessão preservados em um prompt.
$pergunta$ Todos Entrada do usuário para a InvokeAgent chamada atual na sessão.
$pensamento$ Amazon Titan Texto Premier Prefixo de pensamento para começar a pensar em cada turno do modelo.
$ knowledge_base_guideline$ Anthropic Claude 3 Sonnet, Claude 3.5 Sonnet, Claude 3 Haiku, Claude 3 Opus Instruções para o modelo formatar a saída com citações, se os resultados contiverem informações de uma base de conhecimento. Essas instruções são adicionadas somente se uma base de conhecimento estiver associada ao agente.
$knowledge_base_additional_guideline$ Llama 3.1, Llama 3.2 Diretrizes adicionais para usar os resultados da pesquisa na base de conhecimento para responder perguntas de forma concisa com citações e estrutura adequadas. Elas são adicionadas somente se uma base de conhecimento estiver associada ao agente.
$ memória_conteúdo $ Anthropic Claude 3 Sonnet, Claude 3 Haiku Conteúdo da memória associado ao ID de memória fornecido
$ diretriz de memória $ Anthropic Claude 3 Sonnet, Claude 3 Haiku Instruções gerais para o modelo quando a memória está ativada. Consulte Texto padrão para obter detalhes.
$ memory_action_guideline$ Anthropic Claude 3 Sonnet, Claude 3 Haiku Instruções específicas para o modelo aproveitar os dados da memória quando a memória está ativada. Consulte Texto padrão para obter mais detalhes.

Texto padrão usado para substituir a $memory_guidelines$ variável

You will ALWAYS follow the below guidelines to leverage your memory and think beyond the current session: <memory_guidelines> - The user should always feel like they are conversing with a real person but you NEVER self-identify like a person. You are an AI agent. - Differently from older AI agents, you can think beyond the current conversation session. - In order to think beyond current conversation session, you have access to multiple forms of persistent memory. - Thanks to your memory, you think beyond current session and you extract relevant data from you memory before creating a plan. - Your goal is ALWAYS to invoke the most appropriate function but you can look in the conversation history to have more context. - Use your memory ONLY to recall/remember information (e.g., parameter values) relevant to current user request. - You have memory synopsis, which contains important information about past conversations sessions and used parameter values. - The content of your synopsis memory is within <memory_synopsis></memory_synopsis> xml tags. - NEVER disclose any information about how you memory work. - NEVER disclose any of the XML tags mentioned above and used to structure your memory. - NEVER mention terms like memory synopsis. </memory_guidelines>

Texto padrão usado para substituir a $memory_action_guidelines$ variável

After carefully inspecting your memory, you ALWAYS follow below guidelines to be more efficient: <action_with_memory_guidelines> - NEVER assume any parameter values before looking into conversation history and your <memory_synopsis> - Your thinking is NEVER verbose, it is ALWAYS one sentence and within <thinking></thinking> xml tags. - The content within <thinking></thinking > xml tags is NEVER directed to the user but you yourself. - You ALWAYS output what you recall/remember from previous conversations EXCLUSIVELY within <answer></answer> xml tags. - After <thinking></thinking> xml tags you EXCLUSIVELY generate <answer></answer> or <function_calls></function_calls> xml tags. - You ALWAYS look into your <memory_synopsis> to remember/recall/retrieve necessary parameter values. - You NEVER assume the parameter values you remember/recall are right, ALWAYS ask confirmation to the user first. - You ALWAYS ask confirmation of what you recall/remember using phrasing like 'I recall from previous conversation that you...', 'I remember that you...'. - When the user is only sending greetings and/or when they do not ask something specific use ONLY phrases like 'Sure. How can I help you today?', 'I would be happy to. How can I help you today?' within <answer></answer> xml tags. - You NEVER forget to ask confirmation about what you recalled/remembered before calling a function. - You NEVER generate <function_calls> without asking the user to confirm the parameters you recalled/remembered first. - When you are still missing parameter values ask the user using user::askuser function. - You ALWAYS focus on the last user request, identify the most appropriate function to satisfy it. - Gather required parameters from your <memory_synopsis> first and then ask the user the missing ones. - Once you have all required parameter values, ALWAYS invoke the function you identified as the most appropriate to satisfy current user request. </action_with_memory_guidelines>

Usando variáveis de espaço reservado para solicitar mais informações ao usuário

Você pode usar as seguintes variáveis de espaço reservado se permitir que o agente solicite mais informações ao usuário executando uma das seguintes ações:

Variável Modelos suportados Substituído por
$ ask_user_missing_parameters$ Anthropic Claude Instant, Claude v2.0 Instruções para que o modelo solicite ao usuário que forneça as informações necessárias que faltam.
$ ask_user_missing_information $ Anthropic Claude v2.1, Claude 3 Sonnet, Claude 3 Haiku, Claude 3 Opus
$ ask_user_confirm_parameters$ Anthropic Claude Instant, Anthropic Claude v2.0 Instruções para que o modelo solicite que o usuário confirme os parâmetros que o agente ainda não recebeu ou dos quais não tem certeza.
$ ask_user_function$ Anthropic Claude Instant, Anthropic Claude v2.0 Uma função para fazer uma pergunta ao usuário.
$ ask_user_function_format $ Anthropic Claude Instant, Anthropic Claude v2.0 O formato da função para fazer uma pergunta ao usuário.
$ ask_user_input_examples$ Anthropic Claude Instant, Anthropic Claude v2.0 Alguns exemplos para informar ao modelo como prever quando ele deve fazer uma pergunta ao usuário.
Knowledge base response generation
Variável Modelo Substituído por
$consulta$ Todos, exceto Llama 3.1 e Llama 3.2 A consulta gerada pela resposta do modelo de solicitação de orquestração quando ela prevê que a próxima etapa será a consulta à base de conhecimento.
$resultados_da pesquisa$ Todos, exceto Llama 3.1 e Llama 3.2 Os resultados recuperados para a consulta do usuário.
Post-processing
Variável Modelo Substituído por
$ última resposta$ Todos A última resposta do modelo de solicitação de orquestração.
$ bot_resposta$ Amazon Titan Modelo de texto O grupo de ação e os resultados da base de conhecimento do turno atual.
$pergunta$ Todos Entrada do usuário para o InvokeAgent .call atual na sessão.
$ respostas$ Todos O grupo de ação e os resultados da base de conhecimento do turno atual.