本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
提示詞工程是指透過選擇適當的單詞、片語、句子、標點符號和分隔符號來製作和最佳化輸入提示詞的實踐，以有效地將 LLM 用於各種應用程式。換句話說，提示詞工程是與 LLM 溝通的藝術。高品質提示可調節 LLM 以產生所需或更好的回應。本文件中提供的詳細指南適用於 Amazon Bedrock 中的所有 LLM。
您的使用案例的最佳提示詞工程方法取決於任務和資料兩者。Amazon Bedrock 上 LLM 支援的常見任務包括：
-
分類：提示包含一個問題，其中包含數個可能的答案選項，且模型必須以正確的選擇回應。分類使用案例為情緒分析的範例：輸入內容為文欄位落，而模型必須將文字的情緒分類，例如是正面或負面，或無害或有毒。
-
問答，不含上下文：此模型必須以不含上下文或文件的內部知識回答問題。
-
問答，含上下文：使用者提供附帶問題的輸入文字，而模型必須根據輸入文字中提供的資訊來回答問題。
-
摘要：提示詞是一段文字，此模型必須以較短的段落進行回應，該段落會擷取輸入要點。
-
產生開放式文字：在提示下，此模型必須以符合描述的原始文欄位落做出回應。這也包括創意文字的產生，例如故事、詩歌或電影劇本。
-
產生程式碼：此模型必須根據使用者規格產生程式碼。例如，提示可以請求產生文字轉 SQL 或 Python 程式碼。
-
數學：輸入內容描述了在某種程度上需要數學推理的問題，這可能是數字、邏輯、幾何或其他方式。
-
推理或邏輯思維：此模型必須進行一系列邏輯演繹。
-
實體擷取：實體擷取可以根據提供的輸入問題擷取實體。您可以根據您的提示從文字或輸入擷取特定實體。
-
Chain-of-thought推理：根據提示提供如何衍生答案step-by-step推理。
