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。
提示工程概念
提示工程是指优化大型语言模型 (LLM) 的文本输入以获得所需的响应的做法。提示可以帮助LLM执行各种各样的任务，包括分类、问题解答、代码生成、创意写作等。您向提供的提示质量LLM可能会影响模型的响应质量。本节为您提供开始进行快速工程所需的信息。它还介绍了一些工具，可帮助您在使用 Amaz LLM on Bedrock 时为您的用例找到最佳提示格式。
注意
本文档中的所有示例均通过API调用获得。由于LLM生成过程的随机性质，响应可能会有所不同。如果未另行指定，则提示由 AWS的员工编写。
Amazon Bedrock 包括来自不同供应商的模型。以下是这些模型的工程指导方针列表。
-
Anthropic Claude 模型提示指南：https://docs.anthropic.com/en/docs/ /prompt-engineering/概述 build-with-claude
-
Cohere 提示指南:https://txt.cohere.com/how-to-train-your-pet-llm-prompt-engineering
-
AI21 Labs 侏罗纪模型提示指南：提示工程 https://docs.ai21.com/docs/
-
Meta Llama 2 提示指南：https://ai.meta.com/llama/get-started/ #prompting
-
Stability AI 提示指南：https://platform.stability.ai/docs/getting-started
-
Mistral AI 提示指南：https://docs.mistral.ai/guides/prompting_capabilities/
免责声明：本文档中的示例使用 Amazon Bedrock 中当前可用的文本模型。此外，本文档还提供一般提示准则。有关特定于模型的指南，请参阅 Amazon Bedrock 上相应的文档。本文档提供了一个切入点。虽然以下示例响应是使用 Amazon Bedrock 上的特定模型生成的，但您也可以使用 Amazon Bedrock 中的其他模型来获得结果。模型不同，结果可能也不同，因为每个模型都有自己的性能特征。您使用 AI 服务生成的输出就是您的内容。由于机器学习的性质，不同客户的输出可能不是唯一的，并且服务为各客户生成的结果可能会相同或相似。
