Conseils généraux pour la création des invites

Décomposition des tâches : si votre tâche est complexe et que les modèles Amazon Nova ont des difficultés à suivre la logique complexe et interconnectée, nous vous recommandons de porter le problème et de le décomposer en une série d’appels distincts. Cela peut être réalisé grâce à l’utilisation de techniques de flux de travail, telles que l’enchaînement des invites (c’est-à-dire l’enchaînement d’une séquence d’appels individuels) ou les exécutions parallèles (c’est-à-dire l’exécution simultanée d’appels indépendants).

Décomposition des instructions : nous vous recommandons de décomposer les instructions complexes en une série d’instructions ou en instructions plus élémentaires. Cela est nécessaire pour aider le modèle à comprendre les instructions et améliorer ses performances en matière de suivi des instructions.

Évitez toute supposition, fournissez des indications claires au modèle : les modèles Amazon Nova démontrent une forte capacité à suivre les instructions, mais uniquement lorsque les invites fournies sont claires et spécifiques. Il est essentiel d’éviter toute supposition et de fournir au modèle des instructions directes et sans ambiguïté. Plus l’invite est transparente et directe, plus la réponse du modèle sera efficace.

Caractères Unicode échappés : le modèle peut parfois entrer dans une boucle répétitive lorsqu’il rencontre des cas de caractères Unicode échappés. Vous pouvez éviter ce problème en demandant au modèle d’ignorer les caractères Unicode échappés. Par exemple : « Ne mettez JAMAIS de caractères Unicode échappés dans la sortie, utilisez simplement les caractères natifs non échappés, par exemple, n’incluez pas de séquences telles que \u3492. »

Structurez les invites longues et riches en informations : lorsque vous partagez des informations détaillées telles que des exemples, du contexte, des instructions et des formats de sortie, nous vous recommandons de structurer le contenu à l’aide de techniques de mise en forme claires. Plus précisément, l’utilisation de balises Markdown ou de puces peut aider à améliorer la capacité des modèles Amazon Nova à comprendre et à organiser plus efficacement les informations fournies.

Décrire puis répondre : nous vous recommandons de demander au modèle de décrire en détail tout ce qu’il observe dans l’image ou la vidéo, de résumer les détails clés et de fournir un compte rendu complet avant de répondre à une question spécifique sur le contenu. Cette technique, qui consiste à demander au modèle de décrire d’abord l’ensemble des informations visuelles, puis de répondre à une question ciblée dans une étape suivante, améliore généralement les performances du modèle.

Extraction de texte à partir de documents : Amazon Nova utilisant la compréhension visuelle pour extraire des informations à partir de fichiers PDF, si votre cas d’utilisation consiste uniquement à lire le texte d’un document, nous vous recommandons d’utiliser une API open source pour extraire le contenu textuel du document. Ce texte extrait peut être fourni à Amazon Nova afin que vous puissiez identifier et extraire les informations clés du document.