Consejos generales para la creación de peticiones

Descomposición de tareas: si su tarea es compleja y los modelos de Amazon Nova muestran dificultades para seguir la lógica intrincada e interconectada, le recomendamos que delimite el problema y lo descomponga en una serie de llamadas discretas. Esto se puede lograr mediante el uso de técnicas de flujo de trabajo, como el encadenamiento de peticiones (es decir, encadenar una secuencia de llamadas individuales) o las ejecuciones en paralelo (la ejecución de llamadas independientes de forma simultánea).

Desglose de las instrucciones: se recomienda dividir las instrucciones complejas en una serie de instrucciones o en instrucciones más simples. Esto es necesario para ayudar al modelo a comprender las instrucciones y mejorar su rendimiento en lo que respecta al seguimiento de las mismas.

Evite suposiciones y proporcione una orientación clara al modelo: los modelos de Amazon Nova demuestran una gran capacidad para seguir instrucciones, pero solo cuando las peticiones proporcionadas son claras y específicas. Es fundamental evitar las suposiciones y ofrecer una orientación directa e inequívoca al modelo. Cuanto más transparente y directa sea la petición, más eficaz será la respuesta del modelo.

Caracteres Unicode de escape: el modelo puede entrar en ocasiones en un bucle repetitivo cuando encuentra casos de caracteres Unicode de escape. Puede evitar este problema si le pide al modelo que ignore los caracteres Unicode de escape. Por ejemplo: “NUNCA pongas un carácter Unicode de escape en la salida; simplemente usa el carácter nativo sin escape; por ejemplo, no incluyas secuencias como \u3492”.

Estructure las peticiones largas con gran densidad de información: al compartir información extensa, como ejemplos, contextos, instrucciones y formatos de salida, se recomienda estructurar el contenido mediante técnicas de formato claras. En concreto, el uso de marcado o viñetas puede ayudar a mejorar la capacidad de los modelos de Amazon Nova para comprender y organizar la información proporcionada de manera más eficaz.

Describe y, a continuación, responde: le recomendamos que dé instrucciones al modelo para que describa con detalle todo lo que observa en la imagen o el video, resuma los detalles clave y proporcione una explicación completa antes de responder a una pregunta específica sobre el contenido. Esta técnica, que consiste en hacer que el modelo describa primero la totalidad de la información visual y luego responda a una consulta específica en un paso posterior, mejora el rendimiento del modelo por lo general.

Extracción de texto de documentos: dado que Amazon Nova utiliza la comprensión visual para extraer información de los archivos PDF, si su caso de uso implica únicamente leer el texto de un documento, le recomendamos que utilice una API de código abierto para extraer el contenido de texto del documento. Este texto extraído se puede proporcionar a Amazon Nova para que pueda identificar y extraer la información clave del documento.