Konfigurationen abfragen

Sie können Konfigurationen ändern, wenn Sie die Wissensdatenbank abfragen, um den Abruf und die Generierung von Antworten anzupassen. Wenn Sie mehr über eine Konfiguration und deren Änderung in der Konsole oder der API erfahren möchten, wählen Sie eines der folgenden Themen aus.

Der Suchtyp definiert, wie Datenquellen in der Wissensdatenbank abgefragt werden. Die folgenden Suchtypen sind möglich:

Standard — Amazon Bedrock entscheidet für Sie über die Suchstrategie.
Hybrid — Kombiniert die Suche nach Vektor-Einbettungen (semantische Suche) mit der Suche im Rohtext. Die Hybridsuche wird derzeit nur für Amazon OpenSearch Serverless Vector Stores unterstützt, die ein filterbares Textfeld enthalten. Wenn Sie einen anderen Vektorspeicher verwenden oder Ihr Amazon OpenSearch Serverless Vector Store kein filterbares Textfeld enthält, verwendet die Abfrage eine semantische Suche.
Semantisch — Durchsucht nur Vektor-Einbettungen.

Um zu erfahren, wie Sie den Suchtyp definieren, wählen Sie die Registerkarte aus, die Ihrer bevorzugten Methode entspricht, und folgen Sie den Schritten.

Console

Folgen Sie den Schritten auf der Konsole unterFragen Sie die Wissensdatenbank ab und geben Sie Ergebnisse zurück oder generieren Sie Antworten. Wenn Sie den Bereich Konfigurationen öffnen, werden die folgenden Optionen für den Suchtyp angezeigt:

Standard — Amazon Bedrock entscheidet, welche Suchstrategie für Ihre Vector Store-Konfiguration am besten geeignet ist.
Hybrid — Amazon Bedrock fragt die Wissensdatenbank sowohl anhand der Vektoreinbettungen als auch anhand des Rohtextes ab. Diese Option ist nur verfügbar, wenn Sie einen Amazon OpenSearch Serverless Vector Store verwenden, der mit einem filterbaren Textfeld konfiguriert ist.
Semantisch — Amazon Bedrock fragt die Wissensdatenbank mithilfe seiner Vektoreinbettungen ab.

API

Wenn Sie eine Retrieve RetrieveAndGenerateOder-Anfrage stellen, fügen Sie ein retrievalConfiguration Feld hinzu, das einem Objekt zugeordnet ist. KnowledgeBaseRetrievalConfiguration Die Position dieses Felds finden Sie in den Abschnitten Retrieveund RetrieveAndGenerateAnfragetexten in der API-Referenz.

Das folgende JSON-Objekt zeigt die Mindestfelder, die im KnowledgeBaseRetrievalConfigurationObjekt erforderlich sind, um Suchtypkonfigurationen festzulegen:


"retrievalConfiguration": {
    "vectorSearchConfiguration": {
        "overrideSearchType": "HYBRID | SEMANTIC"
    }
}

Geben Sie den Suchtyp im overrideSearchType Feld an. Ihnen stehen folgende Optionen zur Verfügung:

Wenn Sie keinen Wert angeben, entscheidet Amazon Bedrock, welche Suchstrategie für Ihre Vector Store-Konfiguration am besten geeignet ist.
HYBRID — Amazon Bedrock fragt die Wissensdatenbank sowohl anhand der Vektoreinbettungen als auch anhand des Rohtextes ab. Diese Option ist nur verfügbar, wenn Sie einen Amazon OpenSearch Serverless Vector Store verwenden, der mit einem filterbaren Textfeld konfiguriert ist.
SEMANTIK — Amazon Bedrock fragt die Wissensdatenbank mithilfe seiner Vektoreinbettungen ab.

Die Zerlegung von Abfragen ist eine Technik, mit der komplexe Abfragen in kleinere, besser verwaltbare Unterabfragen aufgeteilt werden. Dieser Ansatz kann dabei helfen, genauere und relevantere Informationen abzurufen, insbesondere wenn die ursprüngliche Abfrage vielschichtig oder zu umfangreich ist. Die Aktivierung dieser Option kann dazu führen, dass mehrere Abfragen in Ihrer Wissensdatenbank ausgeführt werden, was zu einer genaueren endgültigen Antwort beitragen kann.

Zum Beispiel für eine Frage wie „Wer hat bei der FIFA-Weltmeisterschaft 2022 besser abgeschnitten, Argentinien oder Frankreich?“ , Amazon Bedrock Knowledge Bases können zunächst die folgenden Unterabfragen generieren, bevor eine endgültige Antwort generiert wird:

Wie viele Tore hat Argentinien im Finale der FIFA-Weltmeisterschaft 2022 geschossen?
Wie viele Tore hat Frankreich im Finale der FIFA-Weltmeisterschaft 2022 geschossen?

Wenn Sie Antworten auf der Grundlage des Abrufs von Informationen generieren, können Sie Inferenzparameter verwenden, um mehr Kontrolle über das Verhalten des Modells während der Inferenz zu erlangen und die Ergebnisse des Modells zu beeinflussen. Um zu erfahren, wie Sie die Inferenzparameter ändern können, wählen Sie die Registerkarte aus, die der Methode Ihrer Wahl entspricht, und folgen Sie den Anweisungen.

Console

Um Inferenzparameter bei der Abfrage einer Wissensdatenbank zu ändern, folgen Sie den Anweisungen auf der Konsole unter. Fragen Sie die Wissensdatenbank ab und geben Sie Ergebnisse zurück oder generieren Sie Antworten Wenn Sie den Bereich Konfigurationen öffnen, wird ein Abschnitt mit Inferenzparametern angezeigt. Ändern Sie die Parameter nach Bedarf.

Um die Inferenzparameter beim Chatten mit Ihrem Dokument zu ändern, folgen Sie den Schritten unterChatten Sie mithilfe der Wissensdatenbank mit Ihren Dokumentendaten. Erweitern Sie im Bereich Konfigurationen den Abschnitt Inferenzparameter und ändern Sie die Parameter nach Bedarf.

API

Sie geben die Modellparameter im RetrieveAndGenerateAPI-Aufruf an. Sie können das Modell anpassen, indem Sie Inferenzparameter entweder im inferenceConfig Feld knowledgeBaseConfiguration (wenn Sie eine Wissensdatenbank abfragen) oder im Feld externalSourcesConfiguration (wenn Sie mit Ihrem Dokument chatten) angeben.

Innerhalb des inferenceConfig Felds befindet sich ein textInferenceConfig Feld, das die folgenden Parameter enthält, die Sie verwenden können:

temperature
topP
maxTokenCount
Stop-Sequenzen

Sie können das Modell anpassen, indem Sie die folgenden Parameter im inferenceConfig Feld externalSourcesConfiguration sowohl knowledgeBaseConfiguration als auch verwenden:

temperature
topP
maxTokenCount
Stop-Sequenzen

Eine ausführliche Erläuterung der Funktion der einzelnen Parameter finden Sie unterInferenzparameter.

Darüber hinaus können Sie benutzerdefinierte Parameter angeben, die von textInferenceConfig via additionalModelRequestFields Map nicht unterstützt werden. Mit diesem Argument können Sie Parameter angeben, die nur für bestimmte Modelle gelten. Informationen zu den eindeutigen Parametern finden Sie unterInferenzparameter für Basismodelle.

Wenn ein Parameter weggelassen wirdtextInferenceConfig, wird ein Standardwert verwendet. Alle Parameter, die in nicht erkannt textInferneceConfig werden, werden ignoriert, während alle Parameter, die in nicht erkannt AdditionalModelRequestFields werden, eine Ausnahme auslösen.

Eine Validierungsausnahme wird ausgelöst, wenn sowohl als auch additionalModelRequestFields derselbe Parameter vorhanden istTextInferenceConfig.

Verwenden von Modellparametern in RetrieveAndGenerate

Im Folgenden finden Sie ein Beispiel für die Struktur für inferenceConfig und additionalModelRequestFields unter dem generationConfiguration im RetrieveAndGenerate Anforderungstext:


"inferenceConfig": {
    "textInferenceConfig": {
        "temperature": 0.5,  
        "topP": 0.5,
        "maxTokens": 2048,
        "stopSequences": ["\nObservation"]
    }
},
"additionalModelRequestFields": {
    "top_k": 50
}

Das folgende Beispiel legt einen Wert temperature von 0,5, top_p von 0,5, maxTokens von 2048 fest, stoppt die Generierung, wenn sie in der generierten Antwort auf die Zeichenfolge "\nObservation“ stößt, und übergibt den benutzerdefinierten top_k Wert 50.

Wenn Sie eine Wissensdatenbank abfragen, gibt Amazon Bedrock standardmäßig bis zu fünf Ergebnisse in der Antwort zurück. Jedes Ergebnis entspricht einem Quellblock. Um die maximale Anzahl der zurückzugebenden Ergebnisse zu ändern, wählen Sie die Registerkarte aus, die der Methode Ihrer Wahl entspricht, und folgen Sie den Schritten.

Ihre Datenquellen können Attribute/Felder für Dokumentmetadaten enthalten, nach denen gefiltert werden kann, z. B. „last_updated“ oder die Anzahl der Tage seit der letzten Aktualisierung eines Dokuments ab dem aktuellen Datum. Um Filter bei der Abfrage einer Wissensdatenbank zu verwenden, überprüfen Sie, ob Ihre Wissensdatenbank die folgenden Anforderungen erfüllt:

Bei der Konfiguration Ihres Datenquellen-Connectors crawlen die meisten Konnektoren die wichtigsten Metadatenfelder Ihrer Dokumente. Wenn Sie einen Amazon S3 S3-Bucket als Datenquelle verwenden, muss der Bucket mindestens eine .metadata.json Datei mit demselben Namen wie das Quelldokument enthalten, mit dem er verknüpft ist.
Wenn sich der Vektorindex Ihrer Wissensdatenbank in einem Amazon OpenSearch Serverless Vector Store befindet, überprüfen Sie, ob der Vektorindex mit der faiss Engine konfiguriert ist. Wenn der Vektorindex mit der nmslib Engine konfiguriert ist, müssen Sie einen der folgenden Schritte ausführen:
- Erstellen Sie eine neue Wissensdatenbank in der Konsole und lassen Sie Amazon Bedrock automatisch einen Vektorindex in Amazon OpenSearch Serverless für Sie erstellen.
- Erstellen Sie einen weiteren Vektorindex im Vektorspeicher und wählen Sie ihn faiss als Engine aus. Erstellen Sie dann eine neue Wissensdatenbank und geben Sie den neuen Vektorindex an.

Sie können die folgenden Filteroperatoren verwenden, um Ergebnisse bei der Abfrage zu filtern:

Operatoren filtern
Operator	Konsole	Name des API-Filters	Unterstützte Attributdatentypen	Gefilterte Ergebnisse
Gleichheitszeichen	=	equals	Zeichenfolge, Zahl, boolescher Wert	Das Attribut entspricht dem von Ihnen angegebenen Wert
Entspricht nicht	!=	Nicht gleich	Zeichenfolge, Zahl, boolescher Wert	Das Attribut stimmt nicht mit dem von Ihnen angegebenen Wert überein
größer als	>	Größer als	Zahl	Das Attribut ist größer als der von Ihnen angegebene Wert
Größer als oder gleich	>=	greaterThanOrIst gleich	Zahl	Das Attribut ist größer oder gleich dem von Ihnen angegebenen Wert
kleiner als	<	Kleiner als	Zahl	Das Attribut ist kleiner als der von Ihnen angegebene Wert
Weniger als oder gleich	<=	lessThanOrIst gleich	Zahl	Das Attribut ist kleiner oder gleich dem von Ihnen angegebenen Wert
In	:	in	Zeichenkettenliste	Das Attribut befindet sich in der Liste, die Sie angeben
Nicht in	!:	Nicht drin	String-Liste	Das Attribut ist nicht in der Liste, die Sie angeben
Beginnt mit	^	Beginnt mit	Zeichenfolge	Das Attribut beginnt mit der von Ihnen angegebenen Zeichenfolge (wird nur für Amazon OpenSearch Serverless Vector Stores unterstützt)

Um Filteroperatoren zu kombinieren, können Sie die folgenden logischen Operatoren verwenden:

Logische Operatoren
Operator	Konsole	Name des API-Filterfeldes	Gefilterte Ergebnisse
And	and	Und alles	Die Ergebnisse erfüllen alle Filterausdrücke in der Gruppe
Oder	or	Oder Alle	Die Ergebnisse erfüllen mindestens einen der Filterausdrücke in der Gruppe

Um zu erfahren, wie Sie Ergebnisse mithilfe von Metadaten filtern, wählen Sie die Registerkarte aus, die der Methode Ihrer Wahl entspricht, und folgen Sie den Schritten.

Console

Folgen Sie den Schritten auf der Konsole unterFragen Sie die Wissensdatenbank ab und geben Sie Ergebnisse zurück oder generieren Sie Antworten. Wenn Sie den Bereich Konfigurationen öffnen, wird der Abschnitt Filter angezeigt. Die folgenden Verfahren beschreiben verschiedene Anwendungsfälle:

Um einen Filter hinzuzufügen, erstellen Sie einen Filterausdruck, indem Sie ein Metadatenattribut, einen Filteroperator und einen Wert in das Feld eingeben. Trennen Sie jeden Teil des Ausdrucks durch ein Leerzeichen. Drücken Sie die Eingabetaste, um den Filter hinzuzufügen.

Eine Liste der akzeptierten Filteroperatoren finden Sie in der Tabelle mit den Filteroperatoren oben. Sie können auch eine Liste der Filteroperatoren sehen, wenn Sie nach dem Metadatenattribut ein Leerzeichen hinzufügen.

Anmerkung
Sie müssen Zeichenketten in Anführungszeichen setzen.

Sie können beispielsweise nach Ergebnissen aus Quelldokumenten filtern, die ein genre Metadatenattribut enthalten, dessen Wert ist, "entertainment" indem Sie den folgenden Filter hinzufügen:genre = "entertainment".
Um einen weiteren Filter hinzuzufügen, geben Sie einen anderen Filterausdruck in das Feld ein und drücken Sie die Eingabetaste. Sie können der Gruppe bis zu 5 Filter hinzufügen.
Standardmäßig gibt die Abfrage Ergebnisse zurück, die alle von Ihnen angegebenen Filterausdrücke erfüllen. Um Ergebnisse zurückzugeben, die mindestens einen der Filterausdrücke erfüllen, wählen Sie das Dropdownmenü und zwischen zwei beliebigen Filtervorgängen und wählen Sie dann oder aus.
Um verschiedene logische Operatoren zu kombinieren, wählen Sie + Gruppe hinzufügen, um eine Filtergruppe hinzuzufügen. Geben Sie Filterausdrücke in die neue Gruppe ein. Sie können bis zu 5 Filtergruppen hinzufügen.
Um den logischen Operator zu ändern, der zwischen allen Filtergruppen verwendet wird, wählen Sie das AND-Dropdown-Menü zwischen zwei beliebigen Filtergruppen und dann OR aus.
Um einen Filter zu bearbeiten, wählen Sie ihn aus, ändern Sie den Filtervorgang und klicken Sie auf Anwenden.
Um eine Filtergruppe zu entfernen, wählen Sie das Papierkorbsymbol ( ) neben der Gruppe. Um einen Filter zu entfernen, wählen Sie das Löschsymbol ( ) neben dem Filter aus.

Die folgende Abbildung zeigt ein Beispiel für eine Filterkonfiguration, mit der alle Dokumente zurückgegeben werden"entertainment", die nach 2018 deren Genre geschrieben wurden, sowie Dokumente, deren Genre "cooking" oder ist "sports" und deren Autor mit beginnt"C".

API

Wenn Sie eine Retrieve RetrieveAndGenerateOder-Anfrage stellen, fügen Sie ein retrievalConfiguration Feld hinzu, das einem KnowledgeBaseRetrievalConfigurationObjekt zugeordnet ist. Die Position dieses Felds finden Sie in den Abschnitten Retrieveund RetrieveAndGenerateAnfragetexten in der API-Referenz.

Die folgenden JSON-Objekte zeigen die Mindestfelder, die im KnowledgeBaseRetrievalConfigurationObjekt erforderlich sind, um Filter für verschiedene Anwendungsfälle festzulegen:

Verwenden Sie einen Filteroperator (siehe Tabelle mit Filteroperatoren oben).


"retrievalConfiguration": {
    "vectorSearchConfiguration": {
        "filter": {
            "<filter-type>": {
                "key": "string",
                "value": "string" | number | boolean | ["string", "string", ...]
            }
        }
    }
}

Verwenden Sie einen logischen Operator (siehe Tabelle mit logischen Operatoren oben), um bis zu 5 zu kombinieren.


"retrievalConfiguration": {
    "vectorSearchConfiguration": {
        "filter": {
            "andAll | orAll": [
                "<filter-type>": {
                    "key": "string",
                    "value": "string" | number | boolean | ["string", "string", ...]
                },
                "<filter-type>": {
                    "key": "string",
                    "value": "string" | number | boolean | ["string", "string", ...]
                },
                ...
            ]
        }
    }
}

Verwenden Sie einen logischen Operator, um bis zu 5 Filteroperatoren zu einer Filtergruppe zu kombinieren, und einen zweiten logischen Operator, um diese Filtergruppe mit einem anderen Filteroperator zu kombinieren.


"retrievalConfiguration": {
    "vectorSearchConfiguration": {
        "filter": {
            "andAll | orAll": [
                "andAll | orAll": [
                    "<filter-type>": {
                        "key": "string",
                        "value": "string" | number | boolean | ["string", "string", ...]
                    },
                    "<filter-type>": {
                        "key": "string",
                        "value": "string" | number | boolean | ["string", "string", ...]
                    },
                    ...
                ],
                "<filter-type>": {
                    "key": "string",
                    "value": "string" | number | boolean | ["string", "string", ...]
                }
            ]
        }
    }
}

Kombinieren Sie bis zu 5 Filtergruppen, indem Sie sie in einen anderen logischen Operator einbetten. Sie können eine Einbettungsebene erstellen.


"retrievalConfiguration": {
    "vectorSearchConfiguration": {
        "filter": {
            "andAll | orAll": [
                "andAll | orAll": [
                    "<filter-type>": {
                        "key": "string",
                        "value": "string" | number | boolean | ["string", "string", ...]
                    },
                    "<filter-type>": {
                        "key": "string",
                        "value": "string" | number | boolean | ["string", "string", ...]
                    },
                    ...
                ],
                "andAll | orAll": [
                    "<filter-type>": {
                        "key": "string",
                        "value": "string" | number | boolean | ["string", "string", ...]
                    },
                    "<filter-type>": {
                        "key": "string",
                        "value": "string" | number | boolean | ["string", "string", ...]
                    },
                    ...
                ]
            ]
        }
    }
}

In der folgenden Tabelle werden die Filtertypen beschrieben, die Sie verwenden können:

Feld	Unterstützte Wertdatentypen	Gefilterte Ergebnisse
`equals`	Zeichenfolge, Zahl, boolescher Wert	Das Attribut entspricht dem von Ihnen angegebenen Wert
`notEquals`	Zeichenfolge, Zahl, boolescher Wert	Das Attribut stimmt nicht mit dem von Ihnen angegebenen Wert überein
`greaterThan`	Zahl	Das Attribut ist größer als der von Ihnen angegebene Wert
`greaterThanOrEquals`	Zahl	Das Attribut ist größer oder gleich dem von Ihnen angegebenen Wert
`lessThan`	Zahl	Das Attribut ist kleiner als der von Ihnen angegebene Wert
`lessThanOrEquals`	Zahl	Das Attribut ist kleiner oder gleich dem von Ihnen angegebenen Wert
`in`	Liste von Zeichenketten	Das Attribut befindet sich in der Liste, die Sie angeben
`notIn`	Liste von Zeichenketten	Das Attribut ist nicht in der Liste, die Sie angeben
`startsWith`	Zeichenfolge	Das Attribut beginnt mit der von Ihnen angegebenen Zeichenfolge (wird nur für Amazon OpenSearch Serverless Vector Stores unterstützt)

Um Filtertypen zu kombinieren, können Sie einen der folgenden logischen Operatoren verwenden:

Feld	Ordnet zu	Gefilterte Ergebnisse
`andAll`	Liste mit bis zu 5 Filtertypen	Die Ergebnisse erfüllen alle Filterausdrücke in der Gruppe
`orAll`	Liste mit bis zu 5 Filtertypen	Die Ergebnisse erfüllen mindestens einen der Filterausdrücke in der Gruppe

Beispiele finden Sie unter Eine Abfrage senden und Filter einschließen (Abrufen) und Eine Abfrage senden und Filter einschließen (RetrieveAndGenerate).

Wenn Sie eine Wissensdatenbank abfragen und die Generierung von Antworten anfordern, verwendet Amazon Bedrock eine Eingabeaufforderungsvorlage, die Anweisungen und Kontext mit der Benutzerabfrage kombiniert, um die Aufforderung zu erstellen, die zur Antwortgenerierung an das Modell gesendet wird. Sie können die Vorlage für die Aufforderung mit den folgenden Tools entwickeln:

Platzhalter für Eingabeaufforderungen — Vordefinierte Variablen in Wissensdatenbanken für Amazon Bedrock, die während der Wissensdatenbank-Abfrage zur Laufzeit dynamisch ausgefüllt werden. In der Systemaufforderung werden Sie diese Platzhalter sehen, die von dem Symbol umgeben sind. $ In der folgenden Liste werden die Platzhalter beschrieben, die Sie verwenden können:

Variable	Ersetzt durch	Modell	Erforderlich?
$query$	Die Benutzeranfrage, die an die Wissensdatenbank gesendet wurde.	AnthropicClaude Instant, Anthropic Claude v2.x	Ja
$query$		Anthropic Claude 3 Sonnet	Nein (automatisch in der Modelleingabe enthalten)
$search_results$	Die abgerufenen Ergebnisse für die Benutzerabfrage.	Alle	Ja
$output_format_instructions$	Zugrundeliegende Anweisungen für die Formatierung der Antwortgenerierung und der Zitate. Unterscheidet sich je nach Modell. Wenn Sie Ihre eigenen Formatierungsanweisungen definieren, empfehlen wir Ihnen, diesen Platzhalter zu entfernen. Ohne diesen Platzhalter enthält die Antwort keine Zitate.	Alle	Nein
$current_time$	Die aktuelle Uhrzeit.	Alle	Nein

XML-Tags — Anthropic Modelle unterstützen die Verwendung von XML-Tags zur Strukturierung und Abgrenzung Ihrer Eingabeaufforderungen. Verwenden Sie aussagekräftige Tagnamen, um optimale Ergebnisse zu erzielen. In der Standard-Systemaufforderung sehen Sie beispielsweise das <database> Tag, das zur Abgrenzung einer Datenbank mit zuvor gestellten Fragen verwendet wird. Weitere Informationen finden Sie im AnthropicBenutzerhandbuch unter Verwenden von XML-Tags.

Allgemeine Richtlinien für die Erstellung von Eingabeaufforderungen finden Sie unter Prompt-Engineering-Richtlinien.

Wählen Sie die Registerkarte aus, die der Methode Ihrer Wahl entspricht, und folgen Sie den Anweisungen.

Console

Folgen Sie den Schritten auf der Konsole unterFragen Sie die Wissensdatenbank ab und geben Sie Ergebnisse zurück oder generieren Sie Antworten. Aktivieren Sie im Testfenster die Option Antworten generieren. Erweitern Sie dann im Bereich Konfigurationen den Abschnitt Vorlage für die Knowledgebase-Aufforderung.

Wählen Sie Bearbeiten aus.
Bearbeiten Sie die Systemaufforderung im Texteditor, einschließlich Platzhaltern für Eingabeaufforderungen und XML-Tags, falls erforderlich. Um zur Standardvorlage für Eingabeaufforderungen zurückzukehren, wählen Sie Auf Standard zurücksetzen.
Wenn Sie mit der Bearbeitung fertig sind, wählen Sie Save changes (Änderungen speichern). Um den Vorgang zu beenden, ohne die Systemaufforderung zu speichern, wählen Sie Änderungen verwerfen.

API

Wenn Sie eine RetrieveAndGenerateAnfrage stellen, schließen Sie ein generationConfiguration Feld ein, das einem Objekt zugeordnet ist GenerationConfiguration. Die Position dieses Felds finden Sie im Hauptteil der RetrieveAndGenerateAnfrage in der API-Referenz.

Das folgende JSON-Objekt zeigt die minimalen Felder, die im GenerationConfigurationObjekt erforderlich sind, um die maximale Anzahl der zurückzugebenden abgerufenen Ergebnisse festzulegen:


"generationConfiguration": {
    "promptTemplate": {
        "textPromptTemplate": "string"
    }
}

Geben Sie Ihre benutzerdefinierte Vorlage für Eingabeaufforderungen in das textPromptTemplate Feld ein, einschließlich Platzhaltern für Eingabeaufforderungen und XML-Tags, falls erforderlich. Die maximale Anzahl von Zeichen, die in der Systemaufforderung zulässig sind, finden Sie im textPromptTemplate GenerationConfigurationFeld unter.

Sie können Schutzmaßnahmen für Ihre Wissensdatenbank für Ihre Anwendungsfälle und verantwortungsvolle KI-Richtlinien implementieren. Sie können mehrere Leitplanken erstellen, die auf verschiedene Anwendungsfälle zugeschnitten sind, und sie auf mehrere Anfrage- und Antwortbedingungen anwenden, um eine konsistente Benutzererfahrung zu gewährleisten und die Sicherheitskontrollen in Ihrer gesamten Wissensdatenbank zu standardisieren. Sie können abgelehnte Themen so konfigurieren, dass unerwünschte Themen nicht zugelassen werden, und Inhaltsfilter, um schädliche Inhalte in Modelleingaben und -antworten zu blockieren. Weitere Informationen finden Sie unter Leitplanken für Amazon Bedrock.

Anmerkung

Die Verwendung von Leitplanken mit kontextueller Grundlage für Wissensdatenbanken wird derzeit in Claude 3 Sonnet und Haiku nicht unterstützt.

Allgemeine Richtlinien für das Prompt-Engineering finden Sie unter. Prompt-Engineering-Richtlinien

Wählen Sie die Registerkarte aus, die der Methode Ihrer Wahl entspricht, und folgen Sie den Anweisungen.

Console

Wählen Sie im Abschnitt Leitplanken den Namen und die Version Ihrer Leitplanke aus. Wenn Sie die Details für die von Ihnen gewählte Leitplanke und Version sehen möchten, wählen Sie Ansicht.

Alternativ können Sie eine neue erstellen, indem Sie auf den Link Guardrail klicken.
Wenn Sie mit der Bearbeitung fertig sind, wählen Sie Save changes (Änderungen speichern). Um den Vorgang ohne Speichern zu beenden, wählen Sie Änderungen verwerfen.

API

Wenn Sie eine RetrieveAndGenerateAnfrage stellen, fügen Sie das guardrailsConfiguration Feld innerhalb von hinzu, generationConfiguration um Ihre Leitplanke zusammen mit der Anfrage zu verwenden. Die Position dieses Felds finden Sie im Hauptteil der RetrieveAndGenerateAnfrage in der API-Referenz.

Das folgende JSON-Objekt zeigt die Mindestfelder, die GenerationConfigurationzum Einstellen von erforderlich sindguardrailsConfiguration:


"generationConfiguration": {
    "guardrailsConfiguration": {
        "guardrailsId": "string",
        "guardrailsVersion": "string"
    }
}

Geben Sie das guardrailsId Ende guardrailsVersion der ausgewählten Leitplanken an.

Warnung JavaScript ist in Ihrem Browser nicht verfügbar oder deaktiviert.

Zur Nutzung der AWS-Dokumentation muss JavaScript aktiviert sein. Weitere Informationen finden auf den Hilfe-Seiten Ihres Browsers.

Dokumentkonventionen

Fragen Sie die Wissensdatenbank ab

Verwalten einer Wissensdatenbank