Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Verwenden Sie die ApplyGuardrail API in Ihrer Anwendung
Guardrails wird verwendet, um Sicherheitsvorkehrungen für Ihre generativen KI-Anwendungen zu implementieren, die auf Ihre Anwendungsfälle zugeschnitten sind und auf Ihre verantwortlichen KI-Richtlinien abgestimmt sind. Mit Guardrails können Sie abgelehnte Themen konfigurieren, schädliche Inhalte filtern und vertrauliche Informationen entfernen.
Sie können die ApplyGuardrail API verwenden, um jeden Text mit Ihren vorkonfigurierten Amazon Bedrock Guardrails zu bewerten, ohne die Foundation-Modelle aufrufen zu müssen.
Zu den Funktionen der API gehören: ApplyGuardrail
-
Inhaltsvalidierung — Sie können jede Texteingabe oder -ausgabe an die ApplyGuardrail API senden, um sie mit Ihren definierten Regeln zur Themenvermeidung, Inhaltsfiltern, PII-Detektoren und Wortblocklisten zu vergleichen. Sie können Benutzereingaben und FM-generierte Ausgaben unabhängig voneinander auswerten.
-
Flexibler Einsatz — Sie können die ApplyGuardrail API an einer beliebigen Stelle in Ihren Anwendungsablauf integrieren, um Daten zu validieren, bevor sie verarbeitet oder dem Benutzer Ergebnisse zur Verfügung gestellt werden. Wenn Sie beispielsweise eine RAG-Anwendung verwenden, können Sie jetzt die Benutzereingaben vor dem Abruf auswerten, anstatt bis zur endgültigen Generierung der Antwort zu warten.
-
Entkoppelt von Basismodellen — Die ApplyGuardrail API ist von den Basismodellen entkoppelt. Sie können Guardrails jetzt verwenden, ohne Foundation Models aufzurufen. Sie können die Bewertungsergebnisse verwenden, um das Erlebnis in Ihrer generativen KI-Anwendung zu entwerfen.
Rufen Sie ApplyGuardrail Ihren Bewerbungsablauf ein
Die Anfrage ermöglicht es dem Kunden, all seine Inhalte, die geschützt werden sollen, mithilfe seiner definierten Guardrails weiterzugeben. Das Quellfeld sollte so eingestellt sein, dass der INPUT auszuwertende Inhalt von einem Benutzer stammt (in der Regel die Eingabeaufforderung für das LLM). Als Quelle sollte festgelegt werden, OUTPUT wann die Leitplanken für die Modellausgabe durchgesetzt werden sollen (in der Regel die LLM-Antwort).
Bei der Verwendung ApplyGuardrail geben Sie das Ende guardrailIdentifierguardrailVersion
- ApplyGuardrail API request
-
POST /guardrail/{guardrailIdentifier}/version/{guardrailVersion}/apply HTTP/1.1
{
"source": "INPUT" | "OUTPUT",
"content": [{
"text": {
"text": "string",
}
}, ]
}
- ApplyGuardrail API response
-
{
"usage": {
"topicPolicyUnits": "integer",
"contentPolicyUnits": "integer",
"wordPolicyUnits": "integer",
"sensitiveInformationPolicyUnits": "integer",
"sensitiveInformationPolicyFreeUnits": "integer",
"contextualGroundingPolicyUnits": "integer"
},
"action": "GUARDRAIL_INTERVENED" | "NONE",
"output": [
// if guardrail intervened and output is masked we return request in same format
// with masking
// if guardrail intervened and blocked, output is a single text with canned message
// if guardrail did not intervene, output is empty array
{
"text": "string",
},
],
"assessments": [{
"topicPolicy": {
"topics": [{
"name": "string",
"type": "DENY",
"action": "BLOCKED",
}]
},
"contentPolicy": {
"filters": [{
"type": "INSULTS | HATE | SEXUAL | VIOLENCE | MISCONDUCT |PROMPT_ATTACK",
"confidence": "NONE" | "LOW" | "MEDIUM" | "HIGH",
"filterStrength": "NONE" | "LOW" | "MEDIUM" | "HIGH",
"action": "BLOCKED"
}]
},
"wordPolicy": {
"customWords": [{
"match": "string",
"action": "BLOCKED"
}],
"managedWordLists": [{
"match": "string",
"type": "PROFANITY",
"action": "BLOCKED"
}]
},
"sensitiveInformationPolicy": {
"piiEntities": [{
// for all types see: https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GuardrailPiiEntityConfig.html#bedrock-Type-GuardrailPiiEntityConfig-type
"type": "ADDRESS" | "AGE" | ...,
"match": "string",
"action": "BLOCKED" | "ANONYMIZED"
}],
"regexes": [{
"name": "string",
"regex": "string",
"match": "string",
"action": "BLOCKED" | "ANONYMIZED"
}],
"contextualGroundingPolicy": {
"filters": [{
"type": "GROUNDING | RELEVANCE",
"threshold": "double",
"score": "double",
"action": "BLOCKED | NONE"
}]
},
"invocationMetrics": {
"guardrailProcessingLatency": "integer",
"usage": {
"topicPolicyUnits": "integer",
"contentPolicyUnits": "integer",
"wordPolicyUnits": "integer",
"sensitiveInformationPolicyUnits": "integer",
"sensitiveInformationPolicyFreeUnits": "integer",
"contextualGroundingPolicyUnits": "integer"
},
"guardrailCoverage": {
"textCharacters": {
"guarded":"integer",
"total": "integer"
}
}
}
},
"guardrailCoverage": {
"textCharacters": {
"guarded": "integer",
"total": "integer"
}
}
]
}
Beispielhafte Anwendungsfälle von ApplyGuardrail
Die Ergebnisse der ApplyGuardrail Anfrage hängen von der Aktion ab, die Guardrail für den übergebenen Inhalt ergriffen hat.
-
Wenn Guardrail dort eingegriffen hat, wo der Inhalt nur maskiert ist, wird der exakte Inhalt mit angewendeter Maskierung zurückgegeben.
-
Wenn Guardrail eingegriffen und den Anforderungsinhalt blockiert hat, besteht das Ausgabefeld aus einem einzigen Text, bei dem es sich um die vorgefertigte Nachricht handelt, die auf der Guardrail-Konfiguration basiert.
-
Wenn keine Guardrail-Aktion für den Anforderungsinhalt ergriffen wurde, ist das Ausgabe-Array leer.
- Guardrails takes no action
-
Beispiel für eine Anfrage
{
"source": "OUTPUT",
"content": [
"text": {
"text": "Hi, my name is Zaid. Which car brand is reliable?"
}
]
}
Beispiel für eine Antwort
{
"usage": {
"topicPolicyUnitsProcessed": 1,
"contentPolicyUnitsProcessed": 1,
"wordPolicyUnitsProcessed": 0,
"sensitiveInformationPolicyFreeUnits": 0
},
"action": "NONE",
"outputs": [],
"assessments": [{}]
}
- Guardrails blocks content
-
Beispiel für eine Antwort
{
"usage": {
"topicPolicyUnitsProcessed": 1,
"contentPolicyUnitsProcessed": 1,
"wordPolicyUnitsProcessed": 0,
"sensitiveInformationPolicyFreeUnits": 0
},
"action": "GUARDRAIL_INTERVENED",
"outputs": [{
"text": "Configured guardrail canned message (i.e., can't respond)"
}],
"assessments": [{
"topicPolicy": {
"topics": [{
"name": "Cars",
"type": "DENY",
"action": "BLOCKED"
}]
},
"sensitiveInformationPolicy": {
"piiEntities": [{
"type": "NAME",
"match": "ZAID",
"action": "ANONYMIZED"
}],
"regexes": []
}
}]
}
- Guardrails masks content
-
Beispiel für eine Antwort
Guardrails greift ein, indem es den Namen maskiert. ZAID
{
"usage": {
"topicPolicyUnitsProcessed": 1,
"contentPolicyUnitsProcessed": 1,
"wordPolicyUnitsProcessed": 0,
"sensitiveInformationPolicyFreeUnits": 0
},
"action": "GUARDRAIL_INTERVENED",
"outputs": [{
"text": "Hi, my name is {NAME}. Which car brand is reliable?"
},
{
"text": "Hello {NAME}, ABC Cars are reliable ..."
}
],
"assessments": [{
"sensitiveInformationPolicy": {
"piiEntities": [{
"type": "NAME",
"match": "ZAID",
"action": "ANONYMIZED"
}],
"regexes": []
}
}]
}
- AWS CLI example
-
Eingabebeispiel
aws bedrock-runtime apply-guardrail \
--cli-input-json '{
"guardrailIdentifier": "someGuardrailId",
"guardrailVersion": "DRAFT",
"source": "INPUT",
"content": [
{
"text": {
"text": "How should I invest for my retirement? I want to be able to generate $5,000 a month"
}
}
]
}' \
--region us-east-1 \
--output json
Beispiel für eine Ausgabe (blockiert den Inhalt)
{
"usage": {
"topicPolicyUnits": 1,
"contentPolicyUnits": 1,
"wordPolicyUnits": 1,
"sensitiveInformationPolicyUnits": 1,
"sensitiveInformationPolicyFreeUnits": 0
},
"action": "GUARDRAIL_INTERVENED",
"outputs": [
{
"text": "I apologize, but I am not able to provide fiduciary advice. ="
}
],
"assessments": [
{
"topicPolicy": {
"topics": [
{
"name": "Fiduciary Advice",
"type": "DENY",
"action": "BLOCKED"
}
]
}
}
]
}
Gibt als ApplyGuardrail Antwort die vollständige Ausgabe zurück
Inhalte gelten als erkannt, wenn sie gegen Ihre Guardrail-Konfigurationen verstoßen. Kontextuelles Grounding gilt beispielsweise als erkannt, wenn der Grounding- oder Relevanzwert unter dem entsprechenden Schwellenwert liegt.
Standardmäßig gibt der ApplyGuardrailVorgang in einer Antwort nur erkannten Inhalt zurück. Sie können das outputScope Feld mit dem FULL Wert angeben, um die vollständige Ausgabe zurückzugeben. In diesem Fall enthält die Antwort auch nicht erkannte Einträge für ein verbessertes Debugging.
Sie können dasselbe Verhalten in den Converse Operationen Invoke und konfigurieren, indem Sie trace auf die Option enabled full setzen.
Der volle Ausgabebereich gilt nicht für Wortfilter oder Regex in Filtern für vertrauliche Informationen. Er gilt für alle anderen Filterrichtlinien, einschließlich sensibler Informationen mit Filtern, die persönlich identifizierbare Informationen (PII) erkennen können.
