Jalankan contoh kode manajemen Prompt

catatan

Manajemen cepat dalam pratinjau dan dapat berubah sewaktu-waktu.

Untuk mencoba beberapa contoh kode untuk manajemen Prompt, pilih tab yang sesuai dengan metode pilihan Anda dan ikuti langkah-langkahnya: Contoh kode berikut mengasumsikan bahwa Anda telah menyiapkan kredensi Anda untuk menggunakan. AWS API Jika belum, lihatMemulai dengan AWS API.

Python

1. Jalankan cuplikan kode berikut untuk memuat AWS SDK for Python (Boto3), membuat klien, dan membuat prompt yang membuat daftar putar musik menggunakan dua variabel (genredannumber) dengan membuat titik akhir waktu build Agents CreatePromptfor Amazon Bedrock:

   # Create a prompt in Prompt management
   import boto3
   
   # Create an Amazon Bedrock Agents client
   client = boto3.client(service_name="bedrock-agent")
   
   # Create the prompt
   response = client.create_prompt(
       name="MakePlaylist",
       description="My first prompt.",
       variants=[
           { 
               "name": "Variant1",
               "modelId": "amazon.titan-text-express-v1",
               "templateType": "TEXT",
               "inferenceConfiguration": {
                   "text": {
                       "temperature": 0.8
                   }
               },
               "templateConfiguration": { 
                   "text": {
                       "text": "Make me a {{genre}} playlist consisting of the following number of songs: {{number}}."
                   }
               }
         }
       ]
   )
                           
   prompt_id = response.get("id")

2. Jalankan cuplikan kode berikut untuk melihat prompt yang baru saja Anda buat (bersama petunjuk lain di akun Anda) untuk membuat titik akhir waktu pembuatan Agen ListPromptsuntuk Amazon Bedrock:

   # List prompts that you've created
   client.list_prompts()

3. Anda akan melihat ID prompt yang Anda buat di id bidang di objek di promptSummaries bidang. Jalankan cuplikan kode berikut untuk menampilkan informasi prompt yang Anda buat dengan membuat titik akhir waktu pembuatan GetPromptAgen untuk Amazon Bedrock:

   # Get information about the prompt that you created
   client.get_prompt(promptIdentifier=prompt_id)

4. Buat versi prompt dan dapatkan ID-nya dengan menjalankan cuplikan kode berikut untuk membuat titik akhir waktu pembuatan CreatePromptVersionAgen untuk Amazon Bedrock:

   # Create a version of the prompt that you created
   response = client.create_prompt_version(promptIdentifier=prompt_id)
                           
   prompt_version = response.get("version")
   prompt_version_arn = response.get("arn")

5. Lihat informasi tentang versi prompt yang baru saja Anda buat, bersama informasi tentang versi draf, dengan menjalankan cuplikan kode berikut untuk membuat titik akhir waktu pembuatan ListPromptsAgen untuk Amazon Bedrock:

   # List versions of the prompt that you just created
   client.list_prompts(promptIdentifier=prompt_id)

6. Lihat informasi untuk versi prompt yang baru saja Anda buat dengan menjalankan cuplikan kode berikut untuk membuat titik akhir waktu pembuatan GetPromptAgen untuk Amazon Bedrock:

   # Get information about the prompt version that you created
   client.get_prompt(
       promptIdentifier=prompt_id, 
       promptVersion=prompt_version
   )

7. Uji prompt dengan menambahkannya ke aliran prompt dengan mengikuti langkah-langkah diJalankan contoh kode alur Amazon Bedrock Prompt. Pada langkah pertama saat Anda membuat alur, jalankan cuplikan kode berikut sebagai gantinya untuk menggunakan prompt yang Anda buat alih-alih mendefinisikan prompt sebaris dalam alur (ganti versi prompt di promptARN bidang dengan versi prompt yang Anda buat): ARN ARN

   # Import Python SDK and create client
   import boto3
   
   client = boto3.client(service_name='bedrock-agent')
   
   FLOWS_SERVICE_ROLE = "arn:aws:iam::123456789012:role/MyPromptFlowsRole" # Prompt flows service role that you created. For more information, see https://docs.aws.amazon.com/bedrock/latest/userguide/flows-permissions.html
   PROMPT_ARN = prompt_version_arn # ARN of the prompt that you created, retrieved programatically during creation.
   
   # Define each node
   
   # The input node validates that the content of the InvokeFlow request is a JSON object.
   input_node = {
       "type": "Input",
       "name": "FlowInput",
       "outputs": [
           {
               "name": "document",
               "type": "Object"
           }
       ]
   }
   
   # This prompt node contains a prompt that you defined in Prompt management.
   # It validates that the input is a JSON object that minimally contains the fields "genre" and "number", which it will map to the prompt variables.
   # The output must be named "modelCompletion" and be of the type "String".
   prompt_node = {
       "type": "Prompt",
       "name": "MakePlaylist",
       "configuration": {
           "prompt": {
               "sourceConfiguration": {
                   "resource": {
                       "promptArn": ""
                   }
               }
           }
       },
       "inputs": [
           {
               "name": "genre",
               "type": "String",
               "expression": "$.data.genre"
           },
           {
               "name": "number",
               "type": "Number",
               "expression": "$.data.number"
           }
       ],
       "outputs": [
           {
               "name": "modelCompletion",
               "type": "String"
           }
       ]
   }
   
   # The output node validates that the output from the last node is a string and returns it as is. The name must be "document".
   output_node = {
       "type": "Output",
       "name": "FlowOutput",
       "inputs": [
           {
               "name": "document",
               "type": "String",
               "expression": "$.data"
           }
       ]
   }
   
   # Create connections between the nodes
   connections = []
   
   #   First, create connections between the output of the flow input node and each input of the prompt node
   for input in prompt_node["inputs"]:
       connections.append(
           {
               "name": "_".join([input_node["name"], prompt_node["name"], input["name"]]),
               "source": input_node["name"],
               "target": prompt_node["name"],
               "type": "Data",
               "configuration": {
                   "data": {
                       "sourceOutput": input_node["outputs"][0]["name"],
                       "targetInput": input["name"]
                   }
               }
           }
       )
   
   # Then, create a connection between the output of the prompt node and the input of the flow output node
   connections.append(
       {
           "name": "_".join([prompt_node["name"], output_node["name"]]),
           "source": prompt_node["name"],
           "target": output_node["name"],
           "type": "Data",
           "configuration": {
               "data": {
                   "sourceOutput": prompt_node["outputs"][0]["name"],
                   "targetInput": output_node["inputs"][0]["name"]
               }
           }
       }
   )
   
   # Create the flow from the nodes and connections
   client.create_flow(
       name="FlowCreatePlaylist",
       description="A flow that creates a playlist given a genre and number of songs to include in the playlist.",
       executionRoleArn=FLOWS_SERVICE_ROLE,
       definition={
           "nodes": [input_node, prompt_node, output_node],
           "connections": connections
       }
   )

8. Hapus versi prompt yang baru saja Anda buat dengan menjalankan cuplikan kode berikut untuk membuat titik akhir waktu pembuatan DeletePromptAgen untuk Amazon Bedrock:

   # Delete the prompt version that you created
   client.delete_prompt(
       promptIdentifier=prompt_id, 
       promptVersion=prompt_version
   )

9. Hapus sepenuhnya prompt yang baru saja Anda buat dengan menjalankan cuplikan kode berikut untuk membuat titik akhir waktu pembuatan DeletePromptAgen untuk Amazon Bedrock:

   # Delete the prompt that you created
   client.delete_prompt(
       promptIdentifier=prompt_id
   )