Eseguire esempi di codice di Gestione dei prompt

Esegui il seguente frammento di codice per caricare AWS SDK per Python (Boto3), creare un client e un prompt che generi una playlist musicale utilizzando due variabili (genre e number) effettuando una chiamata CreatePrompt a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# Create a prompt in Prompt management
import boto3

# Create an Amazon Bedrock Agents client
client = boto3.client(service_name="bedrock-agent")

# Create the prompt
response = client.create_prompt(
    name="MakePlaylist",
    description="My first prompt.",
    variants=[
        { 
            "name": "Variant1",
            "modelId": "amazon.titan-text-express-v1",
            "templateType": "TEXT",
            "inferenceConfiguration": {
                "text": {
                    "temperature": 0.8
                }
            },
            "templateConfiguration": { 
                "text": {
                    "text": "Make me a {{genre}} playlist consisting of the following number of songs: {{number}}."
                }
            }
      }
    ]
)
                        
prompt_id = response.get("id")

Esegui il seguente frammento di codice per visualizzare il prompt che hai appena creato (insieme a qualsiasi altro prompt nell’account) per effettuare una chiamata ListPrompts a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# List prompts that you've created
client.list_prompts()

Dovresti vedere l’ID del prompt che hai creato nel campo id nell’oggetto nel campo promptSummaries. Esegui il seguente frammento di codice per mostrare le informazioni relative al prompt creato effettuando una chiamata GetPrompt a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# Get information about the prompt that you created
client.get_prompt(promptIdentifier=prompt_id)

Crea una versione del prompt e ottieni il relativo ID eseguendo il seguente frammento di codice per effettuare una chiamata CreatePromptVersion a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# Create a version of the prompt that you created
response = client.create_prompt_version(promptIdentifier=prompt_id)
                        
prompt_version = response.get("version")
prompt_version_arn = response.get("arn")

Visualizza le informazioni sulla versione del prompt che hai appena creato, insieme alle informazioni sulla versione bozza, eseguendo il seguente frammento di codice per effettuare una chiamata ListPrompts a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# List versions of the prompt that you just created
client.list_prompts(promptIdentifier=prompt_id)

Visualizza le informazioni per la versione di prompt che hai appena creato eseguendo il seguente frammento di codice per effettuare una chiamata GetPrompt a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# Get information about the prompt version that you created
client.get_prompt(
    promptIdentifier=prompt_id, 
    promptVersion=prompt_version
)

Verifica il prompt aggiungendolo a un flusso seguendo i passaggi riportati in Eseguire esempi di codice Amazon Bedrock Flows. Nel primo passaggio, quando crei il flusso, esegui invece il seguente frammento di codice per utilizzare il prompt che hai creato invece di definire un prompt inline nel flusso (sostituisci l’ARN della versione del prompt nel campo promptARN con l’ARN della versione del prompt che hai creato):

# Import Python SDK and create client
import boto3

client = boto3.client(service_name='bedrock-agent')

FLOWS_SERVICE_ROLE = "arn:aws:iam::123456789012:role/MyPromptFlowsRole" # Flows service role that you created. For more information, see https://docs.aws.amazon.com/bedrock/latest/userguide/flows-permissions.html
PROMPT_ARN = prompt_version_arn # ARN of the prompt that you created, retrieved programatically during creation.

# Define each node

# The input node validates that the content of the InvokeFlow request is a JSON object.
input_node = {
    "type": "Input",
    "name": "FlowInput",
    "outputs": [
        {
            "name": "document",
            "type": "Object"
        }
    ]
}

# This prompt node contains a prompt that you defined in Prompt management.
# It validates that the input is a JSON object that minimally contains the fields "genre" and "number", which it will map to the prompt variables.
# The output must be named "modelCompletion" and be of the type "String".
prompt_node = {
    "type": "Prompt",
    "name": "MakePlaylist",
    "configuration": {
        "prompt": {
            "sourceConfiguration": {
                "resource": {
                    "promptArn": ""
                }
            }
        }
    },
    "inputs": [
        {
            "name": "genre",
            "type": "String",
            "expression": "$.data.genre"
        },
        {
            "name": "number",
            "type": "Number",
            "expression": "$.data.number"
        }
    ],
    "outputs": [
        {
            "name": "modelCompletion",
            "type": "String"
        }
    ]
}

# The output node validates that the output from the last node is a string and returns it as is. The name must be "document".
output_node = {
    "type": "Output",
    "name": "FlowOutput",
    "inputs": [
        {
            "name": "document",
            "type": "String",
            "expression": "$.data"
        }
    ]
}

# Create connections between the nodes
connections = []

#   First, create connections between the output of the flow input node and each input of the prompt node
for input in prompt_node["inputs"]:
    connections.append(
        {
            "name": "_".join([input_node["name"], prompt_node["name"], input["name"]]),
            "source": input_node["name"],
            "target": prompt_node["name"],
            "type": "Data",
            "configuration": {
                "data": {
                    "sourceOutput": input_node["outputs"][0]["name"],
                    "targetInput": input["name"]
                }
            }
        }
    )

# Then, create a connection between the output of the prompt node and the input of the flow output node
connections.append(
    {
        "name": "_".join([prompt_node["name"], output_node["name"]]),
        "source": prompt_node["name"],
        "target": output_node["name"],
        "type": "Data",
        "configuration": {
            "data": {
                "sourceOutput": prompt_node["outputs"][0]["name"],
                "targetInput": output_node["inputs"][0]["name"]
            }
        }
    }
)

# Create the flow from the nodes and connections
client.create_flow(
    name="FlowCreatePlaylist",
    description="A flow that creates a playlist given a genre and number of songs to include in the playlist.",
    executionRoleArn=FLOWS_SERVICE_ROLE,
    definition={
        "nodes": [input_node, prompt_node, output_node],
        "connections": connections
    }
)

Elimina la versione del prompt che hai appena creato eseguendo il seguente frammento di codice per effettuare una chiamata DeletePrompt a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# Delete the prompt version that you created
client.delete_prompt(
    promptIdentifier=prompt_id, 
    promptVersion=prompt_version
)

Elimina completamente il prompt appena creato eseguendo il seguente frammento di codice per effettuare una chiamata DeletePrompt a un endpoint in fase di compilazione di Agent per Amazon Bedrock:

# Delete the prompt that you created
client.delete_prompt(
    promptIdentifier=prompt_id
)