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。
提示詞工程是指將文字輸入最佳化至大型語言模型 (LLM) 的做法，以改善輸出並接收您想要的回應。提示有助於 LLM 執行各種任務，包括分類、問答、程式碼產生、創意撰寫等。您提供給 LLM 的提示品質可能會影響模型回應的品質。本節提供開始使用提示詞工程的必要資訊。它還涵蓋了工具，可協助您在使用 LLM 時，為您的使用案例尋找最佳的可能提示格式 Amazon Bedrock。
提示的有效性取決於提供的資訊品質和提示本身的技巧。提示可能包含指示、問題、內容詳細資訊、輸入和範例，以有效地引導模型並增強結果的品質。本文件概述最佳化 Amazon Nova 系列模型效能的策略和策略。本文提供的方法可以各種組合使用，以擴大其有效性。我們鼓勵使用者參與實驗，以識別最適合其特定需求的方法。
在您開始提示詞工程之前，我們建議您備妥下列元素，以便您可以反覆開發最適合使用案例的提示詞：
-
定義您的使用案例：定義您想要在 4 個維度上達成的使用案例
-
什麼是任務 - 定義您想要從模型完成的任務
-
角色 - 定義模型應擔任的角色以完成該任務
-
什麼是回應樣式 - 定義應根據輸出消費者遵循的回應結構或樣式。
-
要遵循的一組指示：定義模型應遵循的一組指示，以根據成功條件做出回應
-
-
成功條件：明確定義成功條件或評估條件。這可以是項目符號點清單的形式，或特定於一些評估指標 （例如：長度檢查、BLEU 分數、魯治、格式、事實、真相）。
-
草稿提示：最後，需要草稿提示才能啟動提示工程的反覆程序。
Amazon Nova 模型系列包含兩種廣泛的模型類別：了解模型 (Amazon Nova Micro、Lite 和 Pro) 和內容產生模型 (Amazon Nova Canvas 和 Reel)。下列指引說明文字理解模型和願景理解模型。如需影像產生提示的指引，請參閱 Amazon Nova Canvas 提示最佳實務和 以取得影片產生提示的指引，請參閱 Amazon Nova Reel 提示最佳實務。
