# Amazon Nova 理解模型的提示最佳实践
<a name="prompting"></a>

**注意**  
本文档适用于 Amazon Nova 版本 1。如需 Amazon Nova 2 提示工程指南，请访问[提示工程指南](https://docs.aws.amazon.com/nova/latest/nova2-userguide/prompt-engineering-guide.html)。

*提示工程*是指优化对大型语言模型（LLM）的文本输入以改进输出并获得所需回复的做法。提示可以帮助 LLM 执行各种任务，包括分类、问题解答、代码生成、创意编写等。您向 LLM 提供的提示的质量可能会影响模型的回复质量。本节为您提供了开始使用提示工程所需的信息。它还介绍了一些工具，当您在 Amazon Bedrock 上使用 LLM 时，这些工具可帮助您找到最适合您应用场景的提示格式。

提示的有效性取决于所提供信息的质量和提示本身的技巧。提示可能包括说明、问题、上下文详细信息、输入和示例，以有效指导模型并提高结果质量。本文档概述了优化 Amazon Nova 系列模型性能的策略和战术。本文介绍的方法可通过多种方式组合使用，以增强其有效性。我们鼓励用户参与实验，找出最适合其特定需求的方法。

在开始提示工程之前，建议准备好以下元素，这样就可以针对自己的应用场景迭代开发出最优的提示：

1. **定义自己的应用场景：**在 4 个维度上定义想要实现的应用场景

   1. **任务是什么** – 定义想要利用模型完成的任务

   1. **角色是什么** – 定义要完成这项任务模型应采取的行动

   1. **回复样式是什么** – 根据输出的使用者定义应遵循的回复结构或样式。

   1. **要遵循哪组指令** – 根据成功标准定义模型回复时应遵循的一组指令

1. **成功标准** – 明确定义成功标准或评估标准。这可以采用项目符号的形式，也可以像某些评估指标（例如：长度检查、BLEU 分数、Rouge、格式、事实性、忠实度）一样具体。

1. **草稿提示：**最后，需要草稿提示来启动提示工程的迭代过程。

Amazon Nova 模型系列由两大类模型组成，即理解模型（Amazon Nova Micro、Lite、Pro 和 Premier）和内容生成模型（Amazon Nova Canvas 和 Reel）。以下指南介绍了文本理解模型和视觉理解模型。有关图像生成提示的指导，请参阅 [Amazon Nova Canvas 提示最佳实践](prompting-image-generation.md)；有关视频生成提示的指导，请参阅 [Amazon Nova Reel 提示最佳实践](prompting-video-generation.md)。

**Topics**
+ [文本理解提示最佳实践](prompting-text-understanding.md)
+ [视觉理解提示最佳实践](prompting-video-understanding.md)
+ [内容审核](prompting-content-moderation.md)
+ [一般提示技巧](prompting-general-tips.md)