プロンプトエンジニアリングとは

プロンプトエンジニアリングとは、さまざまなアプリケーションに効果的に使用するために、適切な単語、フレーズ、文、句読点、区切り文字を選択して入力プロンプトを作成および最適化する手法LLMsを指します。つまり、プロンプトエンジニアリングは と通信する技術ですLLM。高品質のプロンプトは、 の条件を設定LLMして、望ましいレスポンスまたはより良いレスポンスを生成します。このドキュメントに記載されている詳細なガイダンスは、Amazon Bedrock LLMs内のすべての に適用されます。

ユースケースに最適なプロンプトエンジニアリング手法は、タスクによってもデータによっても異なってきます。Amazon Bedrock LLMsで がサポートする一般的なタスクは次のとおりです。

• 分類: プロンプトには選択肢がいくつかある質問が含まれ、モデルは正しい選択肢で回答する必要があります。分類のユースケースの例としては、センチメント分析があります。入力はテキストの一節で、モデルはテキストのセンチメント（テキストがポジティブかネガティブか、無害か有害かなど）を分類する必要があります。

• 質問応答 (コンテキストなし): モデルはコンテキストやドキュメントを一切使わずに、内部の知識を使って質問に回答する必要があります。

• 質問応答 (コンテキストあり): ユーザーは質問を含む入力テキストを提供し、モデルは入力テキスト内の情報に基づいて質問に回答する必要があります。

• 要約: プロンプトはテキストの一節であり、モデルは入力の要点を捉えた短い文章で応答する必要があります。

• 自由形式のテキスト生成:出されたプロンプトに対し、モデルは説明と一致するオリジナルなテキストの文章を返す必要があります。これには、ストーリー、詩、映画の脚本などのクリエイティブなテキストの生成も含まれます。

• コードの生成: モデルはユーザーの指定に基づいてコードを生成する必要があります。例えば、プロンプトはテキストから SQLPython へのコード生成をリクエストできます。

• 数学: 入力には、数値、論理、幾何学など、あるレベルでの数学的推論を必要とする問題を記述します。

• 推論またはロジカルシンキング: モデルは一連の論理的推論を行う必要があります。

• エンティティ抽出： エンティティ抽出は、提供された入力質問に基づいてエンティティを抽出できます。プロンプトに基づいて、テキストまたは入力から特定のエンティティを抽出できます。

• C hain-of-thought 推論： プロンプトに基づいて回答がどのように導出されるかを step-by-step 推論します。