Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menggunakan preferensi respons dalam langkah pengetahuan umum
Panduan ini mencakup cara mengonfigurasi preferensi respons untuk menyempurnakan dan mengoptimalkan output Anda di Amazon Quick Flows, memberikan fleksibilitas dalam pengoptimalan respons berdasarkan persyaratan kasus penggunaan spesifik Anda.
Sorotan utama
- Pemilihan model yang disederhanakan
-
Pembuat aliran mendapatkan pilihan preferensi berbasis manfaat untuk penyempurnaan keluaran mereka di mana mereka dapat memilih dari 2 mode - Respons yang lebih cepat atau Keserbagunaan dan kinerja. Ini mengurangi beban kognitif untuk pembangun dan pencipta dapat fokus pada tujuan mereka daripada perbandingan model teknis.
- Pemilihan model cerdas dalam runtime
-
Bergantung pada preferensi keluaran Anda, layanan flow akan secara otomatis memilih model yang paling sesuai berdasarkan ukuran konteks real-time, tugas, dan persyaratan multi-modal.
- Modalitas didukung untuk langkah pengetahuan umum
-
Masukan: Text/document file, Gambar atau Video, output: Teks. Pengguna dapat mengunggah hingga 50 MB file dokumen, 1GB file video, dan 4,5 MB file gambar sebagai input.
Memulai: Preferensi respons dalam aliran
Saat membuat alur di Amazon Quick Flows, Anda dapat memilih preferensi respons untuk mengoptimalkan performa untuk kasus penggunaan spesifik Anda. Antarmuka preferensi respons memungkinkan Anda memilih pengoptimalan yang paling tepat berdasarkan kebutuhan Anda untuk kecepatan, keserbagunaan, dan kinerja.
Untuk memilih preferensi respons:
Arahkan ke konfigurasi alur
Tambahkan langkah pengetahuan umum
Akses opsi preferensi respons
Pilih dari respons yang lebih cepat atau Keserbagunaan dan Kinerja
Konfigurasikan pengaturan tambahan sesuai kebutuhan
Mengkonfigurasi jenis keluaran: Teks vs Gambar
Model Amazon Bedrock yang berbeda mendukung berbagai format output. Konfigurasikan jenis keluaran Anda berdasarkan kebutuhan aplikasi Anda:
Output teks
Output teks dioptimalkan untuk pembuatan bahasa alami dan mendukung teks terstruktur dan tidak terstruktur dengan respons panjang variabel berdasarkan kemampuan model.
Output gambar
Output gambar memberikan kemampuan pembuatan konten visual dengan dukungan untuk berbagai format dan resolusi gambar, termasuk integrasi dengan petunjuk teks untuk pembuatan gambar.
Pengaturan model lanjutan: Penggeser Kreativitas, Kecualikan, dan Benih
Sempurnakan perilaku model menggunakan opsi konfigurasi lanjutan:
Kreativitas slider
Slider kreativitas mengontrol keacakan dan kreativitas output model. Nilai yang lebih rendah menghasilkan hasil yang lebih deterministik, sementara nilai yang lebih tinggi meningkatkan variabilitas dan respons kreatif.
Kecualikan pengaturan
Setelan pengecualian memungkinkan Anda menentukan konten atau pola yang akan dikecualikan dari keluaran gambar, membantu mempertahankan pedoman dan batasan konten dengan pemfilteran yang dapat disesuaikan berdasarkan kebutuhan Anda.
Konfigurasi benih
Konfigurasi benih memungkinkan output yang dapat direproduksi untuk pengujian dan konsistensi. Gunakan nilai benih tertentu untuk menghasilkan hasil yang konsisten, yang berguna untuk proses debug dan alur kerja jaminan kualitas.
Dukungan multi-modalitas menggunakan model Amazon Bedrock
Memanfaatkan model yang mendukung beberapa modalitas input dan output:
Text-to-text: Interaksi model bahasa tradisional
Text-to-image: Menghasilkan konten visual dari deskripsi teks
Image-to-text: Ekstrak informasi atau deskripsi dari gambar
Kombinasi multi-modal: Memproses input teks dan gambar secara bersamaan
Unggahan file menggunakan pengetahuan umum
Amazon Quick Flows mendukung berbagai jenis file dan kemampuan pemrosesan dengan model Amazon Bedrock. Format yang didukung mencakup dokumen, gambar, dan file data terstruktur dengan opsi pemrosesan untuk mengekstrak teks, menganalisis konten, atau menghasilkan ringkasan. Alur kerja integrasi dengan mulus menggabungkan konten file ke dalam petunjuk model, meskipun Anda harus merujuk pada batasan ukuran file khusus model.
Batas konteks total yang didukung untuk model Amazon Bedrock
Memahami batasan konteks membantu mengoptimalkan aplikasi Anda. Ukuran jendela konteks bervariasi menurut jenis model dan versi, jadi pantau penggunaan token input dan output. Gunakan strategi dan teknik pengoptimalan untuk bekerja dalam batas konteks sambil menyeimbangkan ukuran konteks dengan kecepatan respons untuk pertimbangan kinerja.
Catatan: Jika Anda tidak melihat preferensi respons, hubungi admin
Jika opsi preferensi respons tidak terlihat di antarmuka Anda:
Verifikasi izin pengguna dan tingkat akses
Hubungi administrator sistem Anda untuk memastikan “Aktifkan penggunaan model batuan dasar dalam Langkah pengetahuan umum untuk penyempurnaan keluaran” diaktifkan
Pastikan Anda menggunakan antarmuka Amazon Quick Flows versi terbaru
Untuk detail dukungan dan konfigurasi tambahan, administrator dapat merujuk ke dokumentasi kemampuan yang komprehensif.
