一般提示提示

任務分解：如果您的任務很複雜，而且 Amazon Nova 模型在遵循複雜、互連的邏輯方面出現困難，我們建議您將問題範圍調整範圍，並將其分解為一系列分散的呼叫。這可以透過使用工作流程技術來實現，例如提示鏈結 （即鏈結一系列個別呼叫） 或平行執行 （即同時執行獨立呼叫）。

指示明細：我們建議您將複雜的指示細分為一系列指示或更多原子指示。這有助於模型理解指示，並改善其在下列指示方面的效能。

避免任何假設，為模型提供明確的指引：Amazon Nova 模型示範了遵循指示的強大功能，但前提是提供的提示是清楚且具體的。避免做出任何假設非常重要，而是為模型提供直接、明確的指導。提示越透明和直接，模型的回應越有效。

逸出 Unicode 字元：模型有時會在遇到逸出的 Unicode 語言案例時輸入重複迴圈。您可以要求模型忽略逸出的 Unicode 字元，以避免此問題。例如：「請勿在輸出中放置逸出的 Unicode - 只使用未逸出的原生字元，例如，不要包含序列，例如 \u3492。」

結構化冗長、資訊密集的提示：當共用範例、內容、指示和輸出格式等廣泛資訊時，我們建議使用清晰的格式技術來建構內容。具體而言，使用 Markdown 或子彈點有助於增強 Amazon Nova 模型更有效地理解和組織所提供資訊的能力。

描述然後回答：我們建議您指示模型徹底描述它在影像或影片中觀察到的所有內容、摘要關鍵詳細資訊，並在回答有關內容的特定問題之前提供全面的帳戶。這種讓模型先描述整個視覺資訊的技術，然後在後續步驟中回應目標查詢，通常會改善模型的效能。

從文件擷取文字：由於 Amazon Nova 使用視覺理解從 PDFs擷取資訊，如果您的使用案例僅涉及讀取文件的文字，我們建議您使用開放原始碼 API 擷取文件的文字內容。您可以將此擷取的文字提供給 Amazon Nova，以便識別和擷取文件中的金鑰資訊。