Dicas gerais para prompts

Decomposição de tarefas: se sua tarefa for complexa e os modelos do Amazon Nova demonstrarem dificuldade em seguir a lógica confusa e interconectada, recomendamos que você defina o escopo do problema e o decomponha em uma série de chamadas discretas. Isso pode ser obtido por meio da utilização de técnicas de fluxo de trabalho, como encadeamento de prompts (ou seja, encadeamento de uma sequência de chamadas individuais) ou execuções paralelas (ou seja, execução simultânea de chamadas independentes).

Detalhamento das instruções: recomendamos que você divida as instruções complexas em uma série de instruções ou em instruções mais atômicas. Isso é necessário para ajudar o modelo a compreender as instruções e melhorar seu desempenho em relação ao seguimento das instruções.

Evite suposições, forneça orientações claras para o modelo: os modelos do Amazon Nova demonstram uma forte capacidade de seguir instruções, mas somente quando os prompts fornecidos são claros e específicos. É fundamental evitar fazer suposições e, em vez disso, oferecer orientação direta e inequívoca ao modelo. Quanto mais transparente e direto for o prompt, mais eficaz será a resposta do modelo.

Caracteres Unicode com escape: o modelo às vezes pode entrar em um loop repetitivo quando encontra casos de caracteres Unicode com escape. Você pode evitar esse problema pedindo ao modelo que ignore os caracteres Unicode com escape. Por exemplo: “NUNCA coloque Unicode com escape na saída, basta usar o caractere nativo sem escape, por exemplo, não inclua sequências como \u3492.”

Estruture prompts longos e repletos de informações: ao compartilhar informações extensas, como exemplos, contexto, instruções e formatos de saída, recomendamos estruturar o conteúdo usando técnicas de formatação claras. Especificamente, o uso de markdown ou itens em lista pode ajudar a aprimorar a capacidade dos modelos Amazon Nova de compreender e organizar as informações fornecidas com mais eficiência.

Descreva e depois responda: recomendamos que você instrua o modelo a descrever minuciosamente tudo o que ele observa na imagem ou no vídeo, resumir os principais detalhes e fornecer um relato abrangente antes de responder a uma pergunta específica sobre o conteúdo. Essa técnica de fazer com que o modelo descreva primeiro a totalidade das informações visuais, seguida por responder a uma consulta direcionada em uma etapa subsequente, geralmente melhora o desempenho do modelo.

Extração de texto de documentos: como o Amazon Nova usa compreensão visual para extrair informações de PDFs, se seu caso de uso envolver apenas a leitura do texto de um documento, recomendamos que você use uma API de código aberto para extrair o conteúdo textual do documento. Esse texto extraído pode ser fornecido ao Amazon Nova para que você possa identificar e extrair as informações principais do documento.