一般提示技巧

任务分解：如果任务很复杂，并且 Amazon Nova 模型难以遵循错综复杂的互联逻辑，则建议您确定问题范围并将其分解为一系列离散的调用。这可以通过利用工作流技术来实现，例如提示串接（即串接一系列单个调用）或并行执行（即同时执行独立的调用）。

指令细分：建议将复杂的指令分解为一系列指令或更多原子指令。这是帮助模型理解指令并提高其指令遵循性能所必需的。

避免任何假设，为模型提供明确的指导：Amazon Nova 模型表现出强大的遵循指令的能力，但前提是提供的提示明确且具体。至关重要的是避免做出任何假设，而是为模型提供直接、明确的指导。提示越透明、直接，模型的响应就越有效。

转义的 Unicode 字符：当模型遇到转义的 Unicode 语言案例时，有时会进入重复循环。可以通过要求模型忽略转义的 Unicode 字符来避免此问题。例如：“永远不要在输出中放入转义的 Unicode - 只需使用未转义的本机字符，例如，不要包含诸如 \u3492 之类的序列。”

构建长、信息密集的提示：在共享示例、上下文、指令和输出格式等大量信息时，建议使用明确的格式技术来构建内容。具体来说，使用 markdown 或项目符号可以帮助增强 Amazon Nova 模型更有效地理解和组织所提供信息的能力。

先描述再回答：建议您指示模型彻底描述其在图像或视频中观察到的所有内容，总结关键详细信息，并在回答有关内容的特定问题之前提供全面的叙述。这种让模型首先描述整个视觉信息，然后在后续步骤中响应目标查询的技术通常可以提高模型的性能。

从文档中提取文本：由于 Amazon Nova 使用视觉理解从 PDF 中提取信息，因此如果用例仅涉及读取文档的文本，则建议使用开源 API 来提取文档的文本内容。可以将提取出的文本提供给 Amazon Nova，以便您可以识别并提取文档中的关键信息。