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.
Was ist Prompt Engineering
Prompt-Engineering bezieht sich auf die Praxis der Optimierung von Texteingaben in ein großes Sprachmodell (LLM), um die Ausgabe zu verbessern und die gewünschten Antworten zu erhalten. Mithilfe von Eingabeaufforderungen (Prompts) kann ein LLM eine Vielzahl von Aufgaben ausführen, darunter Klassifizierung, Beantwortung von Fragen, Codegenerierung, kreatives Schreiben und mehr. Die Qualität der Prompts für ein LLM kann sich auf die Qualität der Antworten des Modells auswirken. Dieser Abschnitt enthält die erforderlichen Informationen, um mit Prompt-Engineering zu beginnen. Es behandelt auch Tools, die Ihnen helfen, das bestmögliche Eingabeaufforderungsformat für Ihren Anwendungsfall zu finden, wenn Sie ein LLM auf Amazon Bedrock verwenden.
Die Wirksamkeit von Prompts hängt von der Qualität der bereitgestellten Informationen und der Gestaltung des Prompts selbst ab. Prompts können Anweisungen, Fragen, kontextbezogene Details, Eingaben und Beispiele umfassen, um das Modell effektiv zu steuern und die Qualität der Ergebnisse zu verbessern. In diesem Dokument werden Strategien und Taktiken zur Optimierung der Leistung der Amazon Nova 2 Sonic-Modellfamilie beschrieben. Die hier vorgestellten Methoden können in verschiedenen Kombinationen angewendet werden, um ihre Wirksamkeit zu verstärken. Wir empfehlen Ihnen, zu experimentieren, um die Ansätze zu finden, die für ihre spezifischen Bedürfnisse am besten geeignet sind.
Erste Schritte mit Prompt Engineering
Bevor Sie mit dem Prompt-Engineering beginnen, empfehlen wir Ihnen, die folgenden Elemente bereitzustellen, damit Sie iterativ den für Ihren Anwendungsfall optimalen Prompt entwickeln können:
- Definieren Sie Ihren Anwendungsfall
-
Definieren Sie Ihren Anwendungsfall in vier Dimensionen:
-
Aufgabe — Definieren Sie, was das Modell erreichen soll. Dies bestimmt die richtige Eingabeaufforderungstechnik.
-
Rolle — Definieren Sie, welche Rolle das Modell einnehmen soll, um die Aufgabe zu erfüllen. Amazon Nova-Modelle unterstützen drei Rollen (System, Benutzer oder Assistent).
-
Antwortstil — Definieren Sie die Antwortstruktur oder den Stil, dem das Modell folgen soll, basierend auf der Zielgruppe, z. B. JSON, Markdown oder Konversation.
-
Anweisungen — Definieren Sie die Anweisungen, die das Modell befolgen sollte, um die Erfolgskriterien zu erfüllen.
-
- Legen Sie Erfolgskriterien fest
-
Definieren Sie Erfolgskriterien oder Bewertungskennzahlen. Sie können eine Kriterienliste oder spezifische Bewertungskennzahlen wie Länge, BLEU-Punktzahl, ROUGE, Format, Sachlichkeit und Treue angeben.
- Verfassen Sie eine Aufforderung
-
Erstellen Sie eine Startaufforderung, die Ihre Aufgabe, Ihre Rolle, Ihren Antwortstil und Ihre Anweisungen enthält. Iterieren Sie auf der Grundlage der Ergebnisse.
Die Effektivität von Eingabeaufforderungen hängt von der Qualität der von Ihnen bereitgestellten Informationen ab.
