Cohere Command R 和 Command R+ 模型

您可以使用 InvokeModel 或 InvokeModelWithResponseStream (串流) 對 Cohere Command R 和 Cohere Command R+ 模型進行推論呼叫。您需要您想要使用的模型的模型 ID。若要取得模型 ID，請參閱 Amazon Bedrock 中支援的基礎模型。

提示

對於對話式應用程式，我們建議您使用 Converse API。Converse API 提供一組統一的參數，可用於支援訊息的所有模型。如需詳細資訊，請參閱與 Converse API 操作進行對話。

主題

請求與回應
程式碼範例

請求與回應

Request

這些 Cohere Command 模型具有下列推論參數。


{
    "message": string,
    "chat_history": [
        {
            "role":"USER or CHATBOT",
            "message": string
        }
  
    ],
    "documents": [
        {"title": string, "snippet": string},
    ],
    "search_queries_only" : boolean,
    "preamble" : string,
    "max_tokens": int,
    "temperature": float,
    "p": float,
    "k": float,
    "prompt_truncation" : string,
    "frequency_penalty" : float,
    "presence_penalty" : float,
    "seed" : int,
    "return_prompt" : boolean,
    "tools" : [
        {
            "name": string,
            "description": string,
            "parameter_definitions": {
                "parameter name": {
                    "description": string,
                    "type": string,
                    "required": boolean
                }
            }
        }
    ],
    "tool_results" : [
        {
            "call": {
                "name": string,
                "parameters": {
                "parameter name": string
                }
            },
        "outputs": [
                {
                "text": string
                }
            ]
        }
    ],
    "stop_sequences": [string],
    "raw_prompting" : boolean

}

以下是必要的參數。

message – (必要) 模型要回應的文字輸入。

以下是選用參數。

chat_history – 使用者與模型之間的先前訊息清單，旨在提供模型對話內容以回應使用者的訊息。

以下是必要欄位。
- role – 訊息的角色。有效值為 USER 或 CHATBOT 字符。
- message – 訊息的文字內容。
以下是 chat_history 欄位的範例 JSON。
```
"chat_history": [
{"role": "USER", "message": "Who discovered gravity?"},
{"role": "CHATBOT", "message": "The man who is widely credited with discovering gravity is Sir Isaac Newton"}
]
```
documents – 模型可以引用的文字清單，以產生更準確的回覆。每個文件都是字串-字串字典。產生的產生包含參考其中一些文件的引用。我們建議您將字典中字串的總字數保持在 300 個字以下。可以選擇性地提供 _excludes 欄位 (字串陣列)，以忽略向模型顯示的一些鍵值對。如需詳細資訊，請參閱 Cohere 文件中的《文件模式指南》。

以下是 documents 欄位的範例 JSON。
```
"documents": [
{"title": "Tall penguins", "snippet": "Emperor penguins are the tallest."},
{"title": "Penguin habitats", "snippet": "Emperor penguins only live in Antarctica."}
]
```
search_queries_only – 預設為 false。當 true 時，回應只會包含產生的搜尋查詢清單，但不會進行任何搜尋，也不會產生模型對使用者 message 的回覆。
preamble – 覆寫搜尋查詢產生的預設前言。不會影響工具使用產生。
max_tokens – 模型應在回應中產生的字符數目上限。請注意，設定低值可能會導致產生不完整的產生。與 tools 或 documents 欄位搭配使用時，設定 max_tokens 可能會導致不完整或無產生。

temperature — 使用較低的值來降低回應中的隨機性。增加 p 參數的值可進一步最大化隨機性。

預設	下限	最大
0.3	0	1

p – Top P。使用較低的值來忽略較不可能的選項。

預設	下限	最大
0.75	0.01	0.99

k – Top K。指定模型用來產生下一個字符的字符選擇數。

預設	下限	最大
0	0	500

prompt_truncation – 預設為 OFF。說明提示的建構方式。將 prompt_truncation 設為 AUTO_PRESERVE_ORDER 時，將捨棄 chat_history 和 documents 中的某些元素，以建構符合模型內容長度限制的提示。在此程序中，文件和聊天歷史記錄的順序將會保留。將 prompt_truncation` 設為 OFF 時，不會捨棄任何元素。

frequency_penalty – 用於減少所產生字符的重複性。此值愈高，對先前存在的字符套用的處罰就愈重，且會與這些字符已出現在提示或先前世代中的次數成比例。

預設	下限	最大
0	0	1

presence_penalty – 用於減少所產生字符的重複性。與 frequency_penalty 類似，但此懲罰會平均套用至已出現的所有字符，無論其確切頻率為何。

預設	下限	最大
0	0	1

seed – 如果指定，後端將盡最可能確定地取樣字符，因此具有相同種子和參數的重複請求應傳回相同的結果。不過，無法完全保證確定性。
return_prompt – 指定 true 以傳回已傳送至模型的完整提示。預設值為 false。在回應中，prompt 欄位中的提示。
tools – 在產生文字回應之前，模型可能建議調用的可用工具 (函數) 清單。當傳遞 tools (不含 tool_results) 時，回應中的 text 欄位將是 ""，而回應中的 tool_calls 欄位將填入需要進行的工具呼叫清單。如果不需要進行呼叫，則 tool_calls 陣列將為空白。

如需詳細資訊，請參閱 Cohere 文件中的工具使用。

提示
我們建議您使用 Converse API 將工具使用整合至您的應用程式。如需詳細資訊，請參閱使用工具完成 Amazon Bedrock 模型回應。

以下是 tools 欄位的範例 JSON。
```
[
    {
        "name": "top_song",
        "description": "Get the most popular song played on a radio station.",
        "parameter_definitions": {
            "sign": {
                "description": "The call sign for the radio station for which you want the most popular song. Example calls signs are WZPZ and WKRP.",
                "type": "str",
                "required": true
            }
        }
    }
]
```
如需詳細資訊，請參閱 Cohere 文件中的單一步驟工具使用 (函數呼叫)。
tools_results – 上一個聊天回合中調用模型建議工具的結果清單。結果用於產生文字回應，並在引文中參考。使用 tool_results 時，tools 也必須傳遞。每個 tool_result 都包含如何調用的資訊，以及字典形式的輸出清單。Cohere 獨特的精細引用邏輯要求輸出為清單。如果輸出只是一個項目，例如 {"status": 200}，您仍然應該將它包裝在清單中。

如需詳細資訊，請參閱 Cohere 文件中的工具使用。

以下是 tools_results 欄位的範例 JSON。
```
[
    {
        "call": {
            "name": "top_song",
            "parameters": {
                "sign": "WZPZ"
            }
        },
        "outputs": [
            {
                "song": "Elemental Hotel"
            }
        ]
    }
]
```
stop_sequences – 停止序列的清單。偵測到停止序列後，模型會停止產生進一步的字符。
raw_prompting – 指定 true，在不進行任何預先處理的情況下將使用者的 message 傳送至模型，否則為 false。

Response

回應具有以下可能的欄位：


{
    "response_id": string,
    "text": string,
    "generation_id": string,
    "citations": [
        {
          "start": int,
          "end": int,
          "text": "string",
          "document_ids": [
              "string"
          ]
        }
      ],    
    "finish_reason": string,
    "tool_calls": [
        {
            "name": string,
            "parameters": {
                "parameter name": string
            }
        }
    ],
    {
    "meta": {
        "api_version": {
            "version": string
        },
        "billed_units": {
            "input_tokens": int,
            "output_tokens": int
        }
    }
}

response_id — 聊天完成的唯一識別符
text — 模型對聊天訊息輸入的回應。
generation_id — 聊天完成的唯一識別符，與 Cohere 平台上的意見回饋端點搭配使用。
citations — 產生的回覆的內嵌引文陣列和相關聯的中繼資料。包含下列欄位：
- start — 引文開始的索引，從 0 開始。
- end — 引文結尾的索引，從 0 開始。
- text — 引文相關的文字。
- document_ids — 對應至文字所引用文件的文件 ID 陣列。
prompt — 已傳送至模型的完整提示。指定要傳回此欄位的 return_prompt 欄位。
finish_reason — 模型停止產生輸出的原因。可為下列任何一項：
- complete — 完成已結束產生字符，確定這是獲得最佳效能的結束原因。
- error_toxic — 由於我們的內容篩選條件，因此無法完成產生。
- error_limit — 由於已達到模型的內容限制，因此無法完成產生。
- error — 由於發生錯誤，因此無法完成產生。
- user_cancel — 無法完成產生，因為使用者已將其停止。
- max_tokens — 無法完成產生，因為使用者在請求中指定了 max_tokens 限制，且已達到此限制。可能無法獲得最佳效能。
tool_calls – 呼叫的適當工具清單。只有在您指定 tools 輸入欄位時才傳回。

如需詳細資訊，請參閱 Cohere 文件中的工具使用。

提示
我們建議您使用 Converse API 將工具使用整合至您的應用程式。如需詳細資訊，請參閱使用工具完成 Amazon Bedrock 模型回應。

以下是 tool_calls 欄位的範例 JSON。
```
[
        {
            "name": "top_song",
            "parameters": {
                "sign": "WZPZ"
            }
        }
    ]
```
meta — API 用量資料 (僅存在於串流中)。
- api_version — API 版本。版本位於 version 欄位中。
- billed_units — 計費單位。可能值為：
  - input_tokens — 已計費的輸入字符數目。
  - output_tokens — 已計費的輸出字符數目。

程式碼範例

此範例展示如何呼叫 Cohere Command R 模型。


# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0
"""
Shows how to use the  Cohere Command R model.
"""
import json
import logging
import boto3


from botocore.exceptions import ClientError

logger = logging.getLogger(__name__)
logging.basicConfig(level=logging.INFO)


def generate_text(model_id, body):
    """
    Generate text using a Cohere Command R model.
    Args:
        model_id (str): The model ID to use.
        body (str) : The reqest body to use.
    Returns:
        dict: The response from the model.
    """

    logger.info("Generating text with Cohere model %s", model_id)

    bedrock = boto3.client(service_name='bedrock-runtime')

    response = bedrock.invoke_model(
        body=body,
        modelId=model_id
    )

    logger.info(
        "Successfully generated text with Cohere Command R model %s", model_id)

    return response


def main():
    """
    Entrypoint for Cohere example.
    """

    logging.basicConfig(level=logging.INFO,
                        format="%(levelname)s: %(message)s")

    model_id = 'cohere.command-r-v1:0'
    chat_history = [
        {"role": "USER", "message": "What is an interesting new role in AI if I don't have an ML background?"},
        {"role": "CHATBOT", "message": "You could explore being a prompt engineer!"}
    ]
    message = "What are some skills I should have?"

    try:
        body = json.dumps({
            "message": message,
            "chat_history": chat_history,
            "max_tokens": 2000,
            "temperature": 0.6,
            "p": 0.5,
            "k": 250
        })
        response = generate_text(model_id=model_id,
                                 body=body)

        response_body = json.loads(response.get('body').read())
        response_chat_history = response_body.get('chat_history')
        print('Chat history\n------------')
        for response_message in response_chat_history:
            if 'message' in response_message:
                print(f"Role: {response_message['role']}")
                print(f"Message: {response_message['message']}\n")
        print("Generated text\n--------------")
        print(f"Stop reason: {response_body['finish_reason']}")
        print(f"Response text: \n{response_body['text']}")

    except ClientError as err:
        message = err.response["Error"]["Message"]
        logger.error("A client error occurred: %s", message)
        print("A client error occured: " +
              format(message))
    else:
        print(f"Finished generating text with Cohere model {model_id}.")


if __name__ == "__main__":
    main()

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

Cohere Embed v3

DeepSeek 模型