AI21 Labs Jamba 模特 - Amazon Bedrock
必填字段推理参数模型调用请求正文字段模型调用响应正文字段代码示例Jamba 1.5 Large 的代码示例

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。

AI21 Labs Jamba 模特

本节提供推理参数和用于使用的代码示例 AI21 Labs Jamba 模特。

必填字段

AI21Labs Jamba 模型支持以下必填字段：

  • 消息 (messages)-此聊天中以前的消息，从最旧（索引 0）到最新。列表中必须至少有一条用户或助手消息。包括用户输入和系统响应。该列表的最大总大小约为25.6万个代币。每封邮件都包含以下成员：

  • 角色 (role)-消息作者的角色。下列值之一：

    • 用户 (user)-用户提供的输入。此处给出的任何与system提示中给出的说明相冲突的指令优先于system提示指令。

    • 助手 (assistant)-模型生成的响应。

    • 系统 (system)-向系统提供的初始指令，用于为所生成消息的语气和语音提供一般指导。系统初始消息是可选的，但建议为聊天语气提供指导。例如，“你是一个乐于助人的聊天机器人，具有地球科学背景和迷人的法国口音。”

  • 内容 (content)-消息的内容。

推理参数

L AI21 abs Jamba 模型支持以下推理参数。

随机性和多样性

AI21Labs Jamba 模型支持以下参数来控制响应的随机性和多样性。

  • 温度 (temperature)-每个答案中要提供多少差异。将此值设置为 0 可确保每次对相同问题的回答都相同。设置较高的值会鼓励更多的变化。修改从中采样令牌的分布。默认值：1.0，范围：0.0 — 2.0

  • Top P (top_p) — 将每个步骤中的下一个代币池限制在可能代币的前 N 个百分位以内，其中 1.0 表示所有可能的代币池，0.01 表示仅包含最有可能的下一个代币池。

Length

AI21Labs Jamba 模型支持以下参数来控制生成响应的长度。

  • 最大完成长度 (max_tokens)-每条生成的响应消息允许的最大令牌数。通常，限制输出长度的最佳方法是在系统提示符中提供长度限制（例如，“将答案限制在三句话以内”）。默认值：4096，范围：0 — 4096。

  • Stop sequences (stop)-当模型生成其中一个字符串时，结束消息。生成的消息中不包含停止序列。每个序列的长度可达 64K，并且可以包含作为\ n 个字符的换行符。

    示例：

    • 带有单词和句点的单停字符串：“monkeys”。

    • 多个停止字符串和一个换行符：["cat”、“dog”、” 。 “, “####”,”\ n “]

  • 回复数 (n)-要生成的聊天回复数量。注 n 必须为 1 才能进行直播响应。如果 n 设置为大于 1，则设置temperature=0将始终失败，因为保证所有答案都是重复的。默认值：1，范围：1 — 16

重复

AI21Labs Jamba 模型支持以下参数来控制生成的响应中的重复性。

  • Frequ ency Pentaling (frequency_penalty)-通过增加此数字，降低单条回复消息中重复单词的频率。在响应生成过程中，单词出现的次数越多，这种惩罚就会逐渐增加。设置为 2.0 将生成一个包含少量重复单词的字符串。

  • 在线状态惩罚 (presence_penalty)-通过增加该数字来降低单条消息中重复单词的频率。与频率惩罚不同，无论单词出现多少次，存在惩罚都是一样的。

模型调用请求正文字段

当你使用InvokeModelWithResponseStream拨打InvokeModel或打电话时 AI21 Labs 模型，在body字段中填入符合以下内容的JSON对象。在 prompt 字段中输入提示。

{
  "messages": [
    {
      "role":"system", // Non-printing contextual information for the model
      "content":"You are a helpful history teacher. You are kind and you respond with helpful content in a professional manner. Limit your answers to three sentences. Your listener is a high school student."
    },
    {
      "role":"user", // The question we want answered.
      "content":"Who was the first emperor of rome?"
    }
  ],
  "n":1 // Limit response to one answer
}

模型调用响应正文字段

有关响应中body字段格式的信息，请参阅 https://docs.ai21.com/reference/jamba-instruct-api#response- details。

代码示例

此示例说明如何调用 AI21Labs Jamba- Instruct 模型。

invoke_model

import boto3 
import json

bedrock = session.client('bedrock-runtime', 'us-east-1') 
response = bedrock.invoke_model( 
        modelId='ai21.jamba-instruct-v1:0', 
        body=json.dumps({
            'messages': [ 
                { 
                    'role': 'user', 
                    'content': 'which llm are you?' 
                } 
             ], 
         }) 
       ) 

print(json.dumps(json.loads(response['body']), indent=4))

交谈

import boto3 
import json

bedrock = session.client('bedrock-runtime', 'us-east-1')
response = bedrock.converse( 
    modelId='ai21.jamba-instruct-v1:0', 
    messages=[ 
        { 
            'role': 'user', 
            'content': [ 
                { 
                    'text': 'which llm are you?' 
                } 
             ] 
          } 
     ] 
  ) 

print(json.dumps(json.loads(response['body']), indent=4))

Jamba 1.5 Large 的代码示例

此示例说明如何调用 AI21Labs Jamba 1.5 大型模型。

invoke_model

POST https://bedrock-runtime.us-east-1.amazonaws.com/model/ai21.jamba-1-5-mini-v1:0/invoke-model HTTP/1.1
{
  "messages": [
    {
      "role": "system",
      "content": "You are a helpful chatbot with a background in earth sciences and a charming French accent."
    },
    {
      "role": "user",
      "content": "What are the main causes of earthquakes?"
    }
  ],
  "max_tokens": 512,
  "temperature": 0.7,
  "top_p": 0.9,
  "stop": ["###"],
  "n": 1
}