Suggerimenti generali

Scomposizione delle attività: se l'attività è complessa e i modelli Amazon Nova dimostrano difficoltà nel seguire la logica complessa e interconnessa, ti consigliamo di definire l'ambito del problema e di scomporlo in una serie di chiamate discrete. Ciò può essere ottenuto mediante l'utilizzo di tecniche di flusso di lavoro, come il concatenamento dei prompt (ovvero il concatenamento di una sequenza di chiamate individuali) o le esecuzioni parallele (ovvero l'esecuzione simultanea di chiamate indipendenti).

Suddivisione delle istruzioni: si consiglia di suddividere le istruzioni complesse in una serie di istruzioni o in istruzioni più atomiche. Ciò è necessario per aiutare il modello a comprendere le istruzioni e migliorare le sue prestazioni per quanto riguarda il rispetto delle istruzioni.

Evita qualsiasi ipotesi, fornisci linee guida chiare al modello: i modelli Amazon Nova dimostrano una forte capacità di seguire le istruzioni, ma solo quando le istruzioni fornite sono chiare e specifiche. È fondamentale evitare di fare ipotesi e offrire invece una guida diretta e inequivocabile al modello. Quanto più trasparente e diretto è il prompt, tanto più efficace sarà la risposta del modello.

Caratteri Unicode con escape: il modello a volte può entrare in un ciclo ripetitivo quando incontra casi in linguaggio Unicode con escape. È possibile evitare questo problema chiedendo al modello di ignorare i caratteri Unicode con escape. Ad esempio: «NON inserire mai un codice Unicode con escape nell'output: usa semplicemente il carattere nativo senza escape, ad esempio, non includere sequenze come\ u3492».

Strutturate prompt lunghi e ricchi di informazioni: quando condividete informazioni estese come esempi, contesto, istruzioni e formati di output, consigliamo di strutturare il contenuto utilizzando tecniche di formattazione chiare. In particolare, l'utilizzo di markdown o bullet point può aiutare a migliorare la capacità dei modelli Amazon Nova di comprendere e organizzare le informazioni fornite in modo più efficace.

Descrivi e poi rispondi: ti consigliamo di indicare al modello di descrivere accuratamente tutto ciò che osserva nell'immagine o nel video, di riepilogare i dettagli chiave e di fornire un resoconto completo prima di rispondere a una domanda specifica sul contenuto. Questa tecnica, che prevede che il modello descriva innanzitutto la totalità delle informazioni visive, seguita dalla risposta a una query mirata in un passaggio successivo, generalmente migliora le prestazioni del modello.

Estrazione di testo dai documenti: poiché Amazon Nova utilizza la comprensione visiva per estrarre informazioni PDFs, se il tuo caso d'uso prevede solo la lettura del testo di un documento, ti consigliamo di utilizzare un'API open source per estrarre il contenuto testuale del documento. Questo testo estratto può essere fornito ad Amazon Nova in modo da poter identificare ed estrarre le informazioni chiave nel documento.