本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 什麼是提示詞工程
<a name="prompting-what-is"></a>

提示詞工程是指最佳化大型語言模型 (LLM) 的文字輸入，以改善輸出並接收您想要的回應的做法。提示有助於 LLM 執行各種任務，包括分類、問題回答、產生程式碼、創意寫作等。您提供給 LLM 的提示詞品質可能會影響模型回應的品質。本節為您提供所有必要的資訊，以便開始使用提示工程。它還涵蓋工具，協助您在 Amazon Bedrock 上使用 LLM 時，為您的使用案例尋找最佳的可能提示格式

提示詞的有效性取決於提供的資訊品質和提示詞本身的技巧。提示詞可能包含指示、問題、上下文相關詳細資訊、輸入和範例，以有效地引導模型並增強結果的品質。本文件概述最佳化 Amazon Nova 2 Sonic 系列模型效能的策略和策略。本文提供的方法可按各種組合使用，以增強其有效性。我們鼓勵您參與實驗，以找出最適合其特定需求的方法。

## 提示詞工程入門
<a name="getting-started-prompting"></a>

在開始提示詞工程之前，我們建議您備妥下列元素，以便針對您的使用案例反覆制定最佳提示詞：

**定義您的使用案例**  
跨四個維度定義您的使用案例：  
+ **任務** – 定義您希望模型完成的內容。這會決定正確的提示技術。
+ **角色** – 定義模型應擔任的角色來完成任務。Amazon Nova 模型支援三個角色 （系統、使用者或助理）。
+ **回應風格** – 根據受眾定義模型應遵循的回應結構或風格，例如 JSON、Markdown 或對話。
+ **指示** – 定義模型應遵循的一組指示，以符合成功條件。

**建立成功條件**  
定義成功條件或評估指標。您可以提供條件清單或提供特定評估指標，例如長度、BLEU 分數、ROUGE、格式、事實和忠誠度。

**草擬提示**  
建立包含任務、角色、回應樣式和指示的開始提示。根據結果反覆運算。

提示的有效性取決於您提供的資訊品質。