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.
O que é engenharia de prompts?
A engenharia rápida se refere à prática de criar e otimizar solicitações de entrada selecionando palavras, frases, sentenças, pontuação e caracteres separadores apropriados LLMs para uso eficaz em uma ampla variedade de aplicações. Em outras palavras, engenharia rápida é a arte de se comunicar com umLLM. Solicitações de alta qualidade condicionam o LLM a gerar respostas desejadas ou melhores. A orientação detalhada fornecida neste documento é aplicável LLMs em todo o Amazon Bedrock.
A melhor abordagem de engenharia de prompts para seu caso de uso depende tanto da tarefa quanto dos dados. As tarefas comuns suportadas pelo LLMs Amazon Bedrock incluem:
-
Classificação: o prompt inclui uma pergunta com várias opções possíveis para a resposta, e o modelo deve responder com a escolha correta. Um exemplo de caso de uso de classificação é a análise de sentimentos: a entrada é uma passagem de texto e o modelo deve classificar o sentimento do texto, por exemplo, se é positivo ou negativo, inofensivo ou tóxico.
-
Pergunta-resposta, sem contexto: o modelo deve responder à pergunta com seu conhecimento interno, sem qualquer contexto ou documento.
-
Pergunta-resposta, com contexto: o usuário fornece um texto de entrada com uma pergunta, e o modelo deve responder à pergunta com base nas informações fornecidas no texto de entrada.
-
Resumo: o prompt é uma passagem de texto e o modelo deve responder com uma passagem mais curta que capture os pontos principais da entrada.
-
Geração de texto aberto: dada uma solicitação, o modelo deve responder com uma passagem do texto original que corresponda à descrição. Isso também inclui a geração de textos criativos, como histórias, poemas ou roteiros de filmes.
-
Geração de código: o modelo deve gerar código com base nas especificações do usuário. Por exemplo, um prompt pode solicitar a geração de código de texto para SQL Python ou de texto.
-
Matemática: a entrada descreve um problema que requer raciocínio matemático em algum nível, que pode ser numérico, lógico, geométrico ou outro.
-
Raciocínio ou pensamento lógico: o modelo deve fazer uma série de deduções lógicas.
-
Extração de entidades: a extração de entidades pode extrair entidades com base em uma pergunta de entrada fornecida. Você pode extrair entidades específicas do texto ou da entrada com base em sua solicitação.
-
hain-of-thought Raciocínio C: dê um step-by-step raciocínio sobre como uma resposta é derivada com base em sua solicitação.