# O que é a engenharia de prompts
<a name="prompting-what-is"></a>

Engenharia de prompts refere-se à prática de otimizar a entrada de texto para um grande modelo de linguagem (LLM) para melhorar a saída e obter as respostas desejadas. Os prompts ajudam um LLM a executar uma ampla variedade de tarefas, incluindo classificação, respostas a perguntas, geração de código, escrita criativa e muito mais. A qualidade dos prompts que você fornece a um LLM pode afetar a qualidade das respostas do modelo. Esta seção fornece todas as informações necessárias para começar a usar a engenharia de prompts. Também abrange ferramentas para ajudar a encontrar o melhor formato de prompt possível para o caso de uso ao usar um LLM no Amazon Bedrock

A eficácia dos prompts depende da qualidade das informações fornecidas e da habilidade na elaboração do próprio prompt. Os prompts podem incluir instruções, perguntas, detalhes contextuais, entradas e exemplos para orientar o modelo de forma eficaz e melhorar a qualidade dos resultados. Este documento descreve estratégias e táticas para otimizar o desempenho da família de modelos do Amazon Nova 2 Sonic. Os métodos aqui apresentados podem ser empregados em várias combinações para ampliar sua eficácia. Incentivamos que você realize experimentações para identificar as abordagens mais adequadas às suas necessidades específicas.

## Conceitos básicos da engenharia de prompts
<a name="getting-started-prompting"></a>

Antes de iniciar a engenharia de prompts, recomendamos que você tenha os seguintes elementos prontos para que possa desenvolver iterativamente o prompt mais adequado para seu caso de uso:

**Definir seu caso de uso**  
Defina seu caso de uso em quatro dimensões:  
+ **Tarefa**: defina o que você deseja que o modelo realize. Isso determina a técnica correta de para prompts.
+ **Perfil**: defina o perfil que o modelo deve assumir para realizar essa tarefa. Os modelos do Amazon Nova são compatíveis com três perfis (sistema, usuário ou assistente).
+ **Estilo de resposta**: defina a estrutura ou o estilo de resposta que o modelo deve seguir com base no público, como JSON, markdown ou conversacional.
+ **Instruções:** defina o conjunto de instruções que o modelo deve seguir para responder de acordo com os critérios de sucesso.

**Estabelecer critérios de sucesso**  
Defina critérios de sucesso ou métricas de avaliação. Você pode fornecer uma lista de critérios ou métricas de avaliação específicas, como tamanho, pontuação BLEU, ROUGE, formato, factualidade e fidelidade.

**Elaborar um prompt**  
Crie um prompt inicial incorporando sua tarefa, perfil, estilo de resposta e instruções. Faça iterações com base nos resultados.

A eficácia dos prompts depende da qualidade das informações que você fornece.