Allgemeine Prompting-Tipps

Aufgabenteilung: Sollte Ihre Aufgabe komplex sein und die Amazon-Nova-Modelle haben Schwierigkeiten, der komplizierten, miteinander verbundenen Logik zu folgen, empfehlen wir Ihnen, das Problem zu analysieren und es in eine Reihe von einzelnen Aufrufen zu unterteilen. Dies kann durch den Einsatz von Workflow-Techniken erreicht werden, wie beispielsweise Prompt Chaining (d. h. die Verkettung einer Folge einzelner Aufrufe) oder parallele Ausführungen (d. h. die gleichzeitige Ausführung unabhängiger Aufrufe).

Aufschlüsselung von Anweisungen: Wir empfehlen, komplexe Anweisungen in eine Reihe von Anweisungen oder in einfachere Anweisungen aufzuteilen. Dies ist erforderlich, um dem Modell zu helfen, die Anweisungen zu verstehen und seine Leistung in Bezug auf die Befolgung von Anweisungen zu verbessern.

Vermeiden Sie jegliche Annahmen und geben Sie dem Modell klare Anweisungen: Amazon-Nova-Modelle haben eine starke Fähigkeit, Anweisungen zu befolgen, jedoch nur, wenn die gegebenen Anweisungen klar und spezifisch sind. Entscheidend ist, keine Annahmen zu treffen, sondern stattdessen direkte, eindeutige Anweisungen an das Modell zu geben. Je transparenter und direkter der Prompt ist, desto effektiver wird das Modell reagieren.

Escape-Zeichen in Unicode: Das Modell kann gelegentlich in eine Endlosschleife geraten, wenn es auf Escape-Zeichen in Fällen von Unicode-Sprache stößt. Sie können dieses Problem vermeiden, indem Sie das Modell anweisen, Escape-Zeichen in Unicode zu ignorieren. Beispiel: „Fügen Sie niemals escapten Unicode in die Ausgabe ein – verwenden Sie lediglich das unescapte native Zeichen, fügen Sie zum Beispiel keine Sequenzen wie \u3492 ein.“

Strukturieren Sie lange, informationsreiche Prompts: Bei der Weitergabe umfangreicher Informationen wie Beispielen, Kontext, Anweisungen und Ausgabeformaten empfehlen wir, den Inhalt mithilfe klarer Formatierungstechniken zu strukturieren. Insbesondere die Verwendung von Markdown oder Aufzählungspunkten kann dazu beitragen, die Fähigkeit der Amazon-Nova-Modelle zu verbessern, bereitgestellte Informationen effektiver zu verstehen und zu organisieren.

Beschreiben und dann antworten: Wir empfehlen, das Modell anzuweisen, alles, was es im Bild oder Video beobachtet, gründlich zu beschreiben, die wichtigsten Details zusammenzufassen und eine umfassende Darstellung zu liefern, bevor es eine bestimmte Frage zum Inhalt beantwortet. Dieser Ansatz, bei der das Modell zunächst die gesamten visuellen Informationen beschreibt und anschließend in einem weiteren Schritt auf eine gezielte Anfrage reagiert, verbessert generell die Leistung des Modells.

Textextraktion aus Dokumenten: Da Amazon Nova visuelle Erkennung nutzt, um Informationen aus PDF-Dateien zu extrahieren, empfehlen wir Ihnen, eine Open-Source-API zu verwenden, um den Textinhalt des Dokuments zu extrahieren, wenn Ihr Anwendungsfall nur das Lesen des Textes eines Dokuments umfasst. Dieser extrahierte Text kann an Amazon Nova übermittelt werden, damit Sie die wichtigsten Informationen im Dokument identifizieren und extrahieren können.