本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
什么是提示工程?
提示工程是指通过选择适当的单词、短语、句子、标点和分隔符来创建和优化输入提示,从而有效地将 LLM 用于各种应用程序的做法。换言之,提示工程是与 LLM 进行沟通的艺术。高质量的提示可使 LLM 能够生成所需或更好的响应。本文档中提供的详细指导适用于 Amazon Bedrock 中的所有 LLM。
哪种提示工程方法最适合您的使用案例取决于任务和数据。Amazon Bedrock 上的 LLM 支持的常见任务包括:
-
分类:提示包括一个问题以及几个可能的答案选项,模型必须使用正确的选项来响应。例如,情绪分析便是分类使用案例:输入是一段文本,模型必须对文本的情绪进行分类,例如,它是正面的还是负面的,或者,是无害的还是有害的。
-
问答(无上下文):模型必须在没有任何上下文或文档的情况下用自己的内部知识回答问题。
-
问答(带上下文):用户提供带问题的输入文本,模型必须根据输入文本中提供的信息回答问题。
-
摘要:提示是一段文本,模型必须使用一段含输入要点的较短内容进行响应。
-
开放式文本生成:对于给定提示,模型必须使用与描述匹配的一段原文本进行响应。这还包括生成创意文本,例如,故事、诗歌或电影剧本。
-
代码生成:模型必须根据用户规范生成代码。例如,提示可以请求将文本转换为 SQL 或生成 Python 代码。
-
数学:输入描述了一个需要在某种程度上进行数学推理(可以是数字、逻辑、几何或其他方面)的问题。
-
推理或逻辑思维:模型必须进行一系列逻辑推断。
-
实体提取:实体提取可以根据提供的输入问题提取实体。您可以根据提示从文本或输入中提取特定的实体。
-
C hain-of-thought 推理:根据你的提示说明 step-by-step 答案是如何得出的。