本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
CohereCommand R和Command R+模型
您可以通过InvokeModel或 InvokeModelWithResponseStream（流式传输）向CohereCommand R和CohereCommand R+模型发出推理请求。您需要获得希望使用的模型的模型 ID。要获取模型 ID，请参阅Amazon Bedrock 模型 IDs。
对于对话应用程序，我们建议您使用匡威 API。Converse API 提供了一组统一的参数，适用于所有支持消息的模型。有关更多信息，请参阅 与匡威进行对话。
请求和响应
- Request
-
这些CohereCommand模型具有以下推理参数。
{
"message": string,
"chat_history": [
{
"role":"USER or CHATBOT",
"message": string
}
],
"documents": [
{"title": string, "snippet": string},
],
"search_queries_only" : boolean,
"preamble" : string,
"max_tokens": int,
"temperature": float,
"p": float,
"k": float,
"prompt_truncation" : string,
"frequency_penalty" : float,
"presence_penalty" : float,
"seed" : int,
"return_prompt" : boolean,
"tools" : [
{
"name": string,
"description": string,
"parameter_definitions": {
"parameter name": {
"description": string,
"type": string,
"required": boolean
}
}
}
],
"tool_results" : [
{
"call": {
"name": string,
"parameters": {
"parameter name": string
}
},
"outputs": [
{
"text": string
}
]
}
],
"stop_sequences": [string],
"raw_prompting" : boolean
}
以下是必要参数。
以下是可选参数。
-
chat_ history — 用户与模型之间先前消息的列表，旨在为模型提供回复用户消息的对话上下文。
以下是必填字段。
以下是该chat_history字段的 JSON 示例
"chat_history": [
{"role": "USER", "message": "Who discovered gravity?"},
{"role": "CHATBOT", "message": "The man who is widely credited with discovering gravity is Sir Isaac Newton"}
]
-
文档-模型可以引用以生成更准确答复的文本列表。每个文档都是一个字符串字典。生成的一代包括引用其中一些文档的引文。我们建议您将字典中字符串的总字数保持在 300 个字以下。可以选择提供_excludes字段（字符串数组），以省略向模型显示的某些键值对。有关更多信息，请参阅文档中的 “文档模式” Cohere 指南。
以下是该documents字段的 JSON 示例。
"documents": [
{"title": "Tall penguins", "snippet": "Emperor penguins are the tallest."},
{"title": "Penguin habitats", "snippet": "Emperor penguins only live in Antarctica."}
]
-
仅限搜索查询 — 默认为。 false当时true，响应将仅包含生成的搜索查询列表，但不会进行搜索，也message不会生成模型对用户的回复。
-
序言-覆盖搜索查询生成的默认序言。对工具使用世代没有影响。
-
max_token s — 模型在响应中应生成的最大标记数。请注意，设置较低的值可能会导致生成不完整。与或documents字段一起使用时，设置max_tokens可能会导致生成不完整tools或没有世代。
-
温度-使用较低的值来降低响应中的随机性。通过增加参数的值，可以进一步最大限度地提高随机性。p
-
p — Top P。使用较低的值忽略可能性较小的选项。
-
k — Top K. 指定模型用于生成下一个令牌的代币选择数。
-
prompt_truncation — 默认为。 OFF规定提示的构造方式。prompt_truncation设置为后AUTO_PRESERVE_ORDER，documents将删除chat_history和中的一些元素，以构造符合模型上下文长度限制的提示。在此过程中，将保留文档和聊天记录的顺序。如果将 prompt_truncation `设置为OFF，则不会删除任何元素。
-
f@@ requency_penalt y — 用于减少生成令牌的重复性。值越高，对先前存在的代币施加的惩罚就越大，这与它们在提示符或上一代中已经出现的次数成正比。
-
p@@ resence_pen alty — 用于减少生成令牌的重复性。与之类似frequency_penalty，唯一的不同是这种惩罚同样适用于所有已经出现的代币，无论它们的确切频率如何。
-
s@@ eed — 如果指定，则后端将尽最大努力确定性地对令牌进行采样，这样具有相同种子和参数的重复请求应返回相同的结果。但是，不能完全保证决定性。
-
return_promp true t — 指定返回发送给模型的完整提示。默认值为 false。在响应中，prompt字段中的提示。
-
t@@ ools-模型可能建议在生成文本响应之前调用的可用工具（函数）列表。当tools通过（不通过tool_results）时，响应中的texttool_calls字段将为""，响应中的字段将填充需要进行的工具调用的列表。如果不需要进行任何调用，则tool_calls数组将为空。
有关更多信息，请参阅Cohere文档中的工具使用。
以下是该tools字段的 JSON 示例。
[
{
"name": "top_song",
"description": "Get the most popular song played on a radio station.",
"parameter_definitions": {
"sign": {
"description": "The call sign for the radio station for which you want the most popular song. Example calls signs are WZPZ and WKRP.",
"type": "str",
"required": true
}
}
}
]
有关更多信息，请参阅Cohere文档中的单步工具使用（函数调用）。
-
tools_ results — 在上一个聊天回合中调用模型推荐的工具的结果列表。结果用于生成文本回复，并在引文中引用。使用时tool_results，也tools必须传递。每个都tool_result包含有关其调用方式的信息，以及字典形式的输出列表。Cohere 独特的细粒度引用逻辑要求输出为列表。如果输出只是一项，例如{"status": 200}，您仍应将其封装在列表中。
有关更多信息，请参阅Cohere文档中的工具使用。
以下是该tools_results字段的 JSON 示例。
[
{
"call": {
"name": "top_song",
"parameters": {
"sign": "WZPZ"
}
},
"outputs": [
{
"song": "Elemental Hotel"
}
]
}
]
-
stop_sequences — 停止序列列表。检测到停止序列后，模型将停止生成更多标记。
-
raw_prompting — 指定true，在不进行任何预处理的情况下将用户发送message到模型，否则为 false。
- Response
-
此响应可能包含以下字段：
{
"response_id": string,
"text": string,
"generation_id": string,
"citations": [
{
"start": int,
"end": int,
"text": "string",
"document_ids": [
"string"
]
}
],
"finish_reason": string,
"tool_calls": [
{
"name": string,
"parameters": {
"parameter name": string
}
}
],
{
"meta": {
"api_version": {
"version": string
},
"billed_units": {
"input_tokens": int,
"output_tokens": int
}
}
}
-
r@@ esponse_id — 聊天完成的唯一标识符
-
text — 模特对聊天消息输入的回应。
-
generation_id — 聊天完成的唯一标识符，与 Cohere 平台上的反馈端点一起使用。
-
引文 — 生成的回复的内联引文和相关元数据的数组。包含以下字段：
-
p rompt — 发送给模型的完整提示。指定要返回此return_prompt字段的字段。
-
finish_re ason — 模型停止生成输出的原因。可以是以下任一种：
-
complete — 完成已到达代币的末尾，请确保这是获得最佳性能的完成原因。
-
error_to xic — 由于我们的内容过滤器，无法完成生成。
-
error_limi t — 无法完成生成，因为已达到模型的上下文限制。
-
error-由于出错，无法完成生成。
-
user_cancel — 无法完成生成，因为它已被用户停止。
-
max_token s — 无法完成生成，因为用户在请求中指定了max_tokens限制，并且已达到此限制。可能无法获得最佳性能。
-
tool_calls — 适合调用的工具列表。仅在您指定tools输入字段时才会返回。
有关更多信息，请参阅Cohere文档中的工具使用。
以下是该tool_calls字段的 JSON 示例。
[
{
"name": "top_song",
"parameters": {
"sign": "WZPZ"
}
}
]
-
meta — API 使用情况数据（仅用于流式传输）。
代码示例
此示例说明如何调用CohereCommand R模型。
# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0
"""
Shows how to use the Cohere Command R 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 Command R 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)
bedrock = boto3.client(service_name='bedrock-runtime')
response = bedrock.invoke_model(
body=body,
modelId=model_id
)
logger.info(
"Successfully generated text with Cohere Command R 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-r-v1:0'
chat_history = [
{"role": "USER", "message": "What is an interesting new role in AI if I don't have an ML background?"},
{"role": "CHATBOT", "message": "You could explore being a prompt engineer!"}
]
message = "What are some skills I should have?"
try:
body = json.dumps({
"message": message,
"chat_history": chat_history,
"max_tokens": 2000,
"temperature": 0.6,
"p": 0.5,
"k": 250
})
response = generate_text(model_id=model_id,
body=body)
response_body = json.loads(response.get('body').read())
response_chat_history = response_body.get('chat_history')
print('Chat history\n------------')
for response_message in response_chat_history:
if 'message' in response_message:
print(f"Role: {response_message['role']}")
print(f"Message: {response_message['message']}\n")
print("Generated text\n--------------")
print(f"Stop reason: {response_body['finish_reason']}")
print(f"Response text: \n{response_body['text']}")
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()
