Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Prepare su conjunto de datos de entrada **nota** Los ejemplos y cuadernos completamente funcionales están disponibles en [Amazon Bedrock Samples](https://github.com/aws-samples/amazon-bedrock-samples/tree/main/advanced-prompt-optimization). GitHub ## Formato de archivo El archivo de entrada usa el formato JSONL: un objeto JSON por línea. Cada línea representa una plantilla de solicitud para optimizar y sus campos asociados. Usted proporciona un archivo de entrada por trabajo. ## Referencia del esquema En este conjunto de datos rápido, también elegirá el método de evaluación para dirigir la optimización. Para obtener más información sobre cómo elegir un método de evaluación, consulte[Definir métodos de evaluación](advanced-prompt-optimization-evaluation.md). ``` { "version": "bedrock-2026-05-14", "templateId": "string", "promptTemplate": "string", "steeringCriteria": ["string"], "customEvaluationMetricLabel": "string", "customLLMJConfig": { "customLLMJPrompt": "string", "customLLMJModelId": "string" }, "evaluationMetricLambdaArn": "string", "evaluationSamples": [ { "inputVariables": [ {"variableName1": "string"} ], "referenceResponse": "string", "inputVariablesMultimodal": [ { "Arbitrary_Name": { "type": "string", "s3Uri": "string" } } ] } ] } ``` ### Descripción del campo | \# | Campo | Tipo | Obligatorio | Description (Descripción) | | --- | --- | --- | --- | --- | | 1 | version | cadena | Sí | Valor fijo:"bedrock-2026-05-14". | | 2 | templateId | cadena | Sí | Identificador único para esta plantilla de solicitud. Se utiliza para correlacionar la entrada y la salida. | | 3 | promptTemplate | cadena | Sí | La plantilla de solicitudes que se debe optimizar. Utilice {{variableName}} la sintaxis para los marcadores de posición variables. | | 4 | steeringCriteria | lista de cadenas | No | High-level criterios de optimización (por ejemplo,["PROFESSIONAL"]). | | 5 | customEvaluationMetricLabel | cadena | Sí (si se utiliza CustomLLMJConfig o una evaluaciónMetricLambdaArn ) | Nombre de la métrica de evaluación. | | 6 | customLLMJConfig | objeto | No | LLM-as-Judge Configuración personalizada. | | 7 | customLLMJConfig.customLLMJPrompt | cadena | Sí (si CustomLLMJConfig está presente) | El mensaje del juez utilizado para evaluar las respuestas. Utilice {{prompt}}{{response}}, {{referenceResponse}} como marcadores de posición. | | 8 | customLLMJConfig.customLLMJModelId | cadena | Sí (si CustomLLMJConfig está presente) | ID de modelo de Bedrock para el modelo de juez. | | 9 | evaluationMetricLambdaArn | cadena | No | ARN de una función Lambda para una evaluación personalizada. | | 10 | evaluationSamples | list | Sí | Muestras de evaluación con variables de entrada y respuestas de referencia. | | 11 | evaluationSamples[].inputVariables | lista de objetos | Sí (si no se usainputVariablesMultimodal) | Single-key objetos que coinciden con los {{variableName}} marcadores de posición. inputVariablesMultimodalDebe estar presente al menos uno de inputVariables ellos por muestra. | | 12 | evaluationSamples[].referenceResponse | cadena | No | Respuesta de referencia opcional basada en la verdad sobre el terreno. Se recomienda para obtener los mejores resultados de optimización. | | 13 | evaluationSamples[].inputVariablesMultimodal | lista de objetos | Sí (si no se usainputVariables) | Entradas de archivos multimodales. Debe estar presente al menos una muestra inputVariables o inputVariablesMultimodal debe estar presente. | | 14 | evaluationSamples[].inputVariablesMultimodal[].Arbitrary\_Name | objeto | Sí (si hay presencia multimodal) | Asigne un nombre a su variable multimodal. Es un nombre arbitrario elegido por el usuario. | | 15 | evaluationSamples[].inputVariablesMultimodal[].Arbitrary\_Name.type | cadena | Sí (si hay multimodal) | «IMAGEN» o «PDF». IMAGE acepta png y jpg. | | 16 | evaluationSamples[].inputVariablesMultimodal[].Arbitrary\_Name.s3Uri | cadena | Sí (si hay multimodal) | Ruta URI de S3 al archivo multimodal. | ## Campos obligatorios + `version`: valor fijo `"bedrock-2026-05-14"` + `templateId`: identificador de cadena único para esta plantilla de solicitud + `promptTemplate`: el mensaje para optimizar, que se utiliza como marcadores `{{variableName}}` de posición + `evaluationSamples`: matriz de 1 a 100 muestras ## Variables marcadores de posición Usa `{{variableName}}` la sintaxis (corchetes dobles) para los marcadores de posición de la plantilla de mensajes. Las teclas de entrada `inputVariables` deben coincidir exactamente con los nombres de los marcadores de posición. Cada clave debe estar en su propio objeto de la lista. Máximo de 20 variables de marcador de posición de texto por plantilla. Las variables de marcador de posición no deben usarse para apuntar a una ubicación S3 de un archivo multimodal. Las variables de marcador de posición son solo para texto. Si tiene archivos multimodales, se enviarán al modelo en la carga útil junto con el mensaje de texto. ## Muestras de evaluación Proporcione `inputVariables` como una lista de objetos de una sola tecla:`[{"variable1": "value1"}, {"variable2": "value2"}]`. NO coloque varias claves en un objeto. Si lo desea`referenceResponse`, proporcione la respuesta básica como referencia para obtener mejores resultados de optimización. Para entradas multimodales, utilice la `inputVariablesMultimodal` matriz con `Arbitrary_Name` objetos. Los archivos multimodales se envían al modelo en la carga útil junto con la solicitud de texto. Los tipos admitidos son IMAGE (png, jpg) y PDF, con un máximo de 2 archivos multimodales por muestra. Las entradas multimodales (imágenes y archivos PDF) se envían en la carga útil al modelo junto con el mensaje, pero no se debe hacer referencia a ellas en una variable entre corchetes. `{{placeholder}}` ## Estrategia de evaluación Elija UN método de evaluación por plantilla u omita todos los campos de evaluación opcionales para establecer el valor predeterminado del sistema (que combina precisión, integridad de las respuestas y una evaluación subjetiva del estilo de escritura). Le recomendamos que defina su propio método de evaluación para obtener los mejores resultados. Puede utilizar diferentes métodos en todas las plantillas del mismo trabajo. Para obtener más información, consulte [Definir métodos de evaluación](advanced-prompt-optimization-evaluation.md). ## Límites Para ver la lista completa de cuotas, consulte[Regiones, modelos y cuotas compatibles](advanced-prompt-optimization-quotas.md). Límites clave para la preparación de los archivos de entrada: + Máximo 10 plantillas por trabajo + Máximo 100 muestras de evaluación por plantilla + Máximo 5 modelos por trabajo + Máximo 20 variables de texto por plantilla + Máximo 2 archivos multimodales por muestra + Máximo 5 criterios de orientación por plantilla ## Errores comunes + Si se proporcionan ambos `steeringCriteria` valores Y`customLLMJConfig`/`evaluationMetricLambdaArn`= ValidationException + Falta `customEvaluationMetricLabel` cuando se usa LLMJ o = `evaluationMetricLambdaArn` ValidationException + Varias claves en un `inputVariables` objeto = fallo silencioso + Usar corchetes rizados simples `{variable}` en lugar de corchetes dobles como `{{variable}}` + Las `inputVariables` teclas deben coincidir con los `{{variableName}}` marcadores de posición del `promptTemplate` + Modelos LLMJ permitidos: anthropic.claude-opus-4-6-v1, anthropic.claude-sonnet-4-5-20250929-v 1:0, anthropic.claude-sonnet-4-6 ## Utilice entradas multimodales **Tipos de archivos compatibles:** IMAGEN (png, jpg) y PDF. **Cómo incluir:** utilice la `inputVariablesMultimodal` matriz con `Arbitrary_Name` objetos que contengan `type` y`s3Uri`. **Límites:** máximo 2 archivos multimodales por muestra de evaluación. Puede mezclar y combinar para tener hasta 20 variables de texto y también 2 archivos multimodales por registro de muestra de evaluación. **Mezclar texto y multimodal:** puede tener ambos `inputVariables` (texto) y `inputVariablesMultimodal` en la misma muestra. Los corchetes dobles `{{placeholders}}` están reservados únicamente para texto plano. No puede hacer referencia a archivos multimodales mediante marcadores de posición. Las variables de marcador de posición no deben usarse para apuntar a una ubicación S3 de un archivo multimodal. Si tiene archivos multimodales, se enviarán al modelo en la carga útil junto con el mensaje de texto. ## Ejemplos ### Ejemplo 1: plantilla única, variables múltiples, muestra de evaluación única, criterios de orientación ``` { "version": "bedrock-2026-05-14", "templateId": "customer-support-v1", "promptTemplate": "You are a customer support agent.\n\nProduct info:\n{{productInfo}}\n\nQuestion:\n{{customerQuestion}}\n\nProvide a helpful response.", "steeringCriteria": ["PROFESSIONAL"], "evaluationSamples": [{ "inputVariables": [{"productInfo": "Product: Sony WH-1000XM5. Battery: 30 hours."}, {"customerQuestion": "How long does the battery last?"}], "referenceResponse": "The battery lasts up to 30 hours on a single charge." }] } ``` ### Ejemplo 2: plantilla única, múltiples variables, múltiples muestras de evaluación, criterios de orientación ``` { "version": "bedrock-2026-05-14", "promptTemplate": "You are a customer support agent for an electronics store.\n\nGiven the following product information:\n{{productInfo}}\n\nAnswer the customer's question:\n{{customerQuestion}}\n\nProvide a helpful, accurate, and concise response.", "templateId": "template-support-1", "steeringCriteria": ["PROFESSIONAL", "CONCISE"], "evaluationSamples": [ {"inputVariables": [{"productInfo": "Product: Sony WH-1000XM5 Headphones. Price: $349.99. Battery Life: 30 hours. Noise Cancellation: Yes, adaptive. Connectivity: Bluetooth 5.2, 3.5mm jack. Weight: 250g."}, {"customerQuestion": "How long does the battery last and can I use them wired?"}], "referenceResponse": "The Sony WH-1000XM5 headphones have a battery life of up to 30 hours on a single charge. And yes, they do come with a 3.5mm jack, so you can use them in wired mode as well."}, {"inputVariables": [{"productInfo": "Product: Sony WH-1000XM5 Headphones. Price: $349.99. Battery Life: 30 hours. Noise Cancellation: Yes, adaptive. Connectivity: Bluetooth 5.2, 3.5mm jack. Weight: 250g."}, {"customerQuestion": "Do these have noise cancellation?"}], "referenceResponse": "Yes, the Sony WH-1000XM5 headphones feature adaptive noise cancellation, which automatically adjusts the level of noise cancellation based on your environment."}, {"inputVariables": [{"productInfo": "Product: Apple MacBook Air M3. Price: $1,099. RAM: 8GB. Storage: 256GB SSD. Display: 13.6-inch Liquid Retina. Battery Life: Up to 18 hours."}, {"customerQuestion": "Is 8GB of RAM enough for video editing?"}], "referenceResponse": "The MacBook Air M3 comes with 8GB of unified memory. It can handle light video editing but you may want more RAM for heavy work."} ] } ``` ### Ejemplo 3: Dos plantillas, una variable por solicitud, varias muestras, criterios de orientación En este ejemplo, se muestran dos líneas en el archivo JSONL (dos plantillas de solicitudes en una tarea). ``` {"version": "bedrock-2026-05-14", "promptTemplate": "You are a helpful assistant. Answer the following: {{question}}", "templateId": "template-qa-1", "steeringCriteria": ["ACCURATE"], "evaluationSamples": [{"inputVariables": [{"question": "What is 2+2?"}], "referenceResponse": "4"}, {"inputVariables": [{"question": "What is the largest planet in our solar system?"}], "referenceResponse": "Jupiter is the largest planet in our solar system."}]} {"version": "bedrock-2026-05-14", "promptTemplate": "Translate the following to French: {{text}}", "templateId": "template-translate-1", "steeringCriteria": ["PRECISE"], "evaluationSamples": [{"inputVariables": [{"text": "Hello, how are you?"}], "referenceResponse": "Bonjour, comment allez-vous?"}, {"inputVariables": [{"text": "Thank you very much."}], "referenceResponse": "Merci beaucoup."}]} ``` ### Ejemplo 4: plantilla única, múltiples variables, múltiples muestras, LLM-as-a-judge ``` { "version": "bedrock-2026-05-14", "promptTemplate": "You are a customer support agent for an electronics store.\n\nGiven the following product information:\n{{productInfo}}\n\nAnswer the customer's question:\n{{customerQuestion}}\n\nProvide a helpful, accurate, and concise response.", "templateId": "template-llmj-1", "customEvaluationMetricLabel": "responseaccuracy", "evaluationSamples": [ {"inputVariables": [{"productInfo": "Product: Sony WH-1000XM5 Headphones. Price: $349.99. Battery Life: 30 hours. Noise Cancellation: Yes, adaptive."}, {"customerQuestion": "How long does the battery last?"}], "referenceResponse": "The Sony WH-1000XM5 headphones have a battery life of up to 30 hours on a single charge."}, {"inputVariables": [{"productInfo": "Product: Apple MacBook Air M3. Price: $1,099. RAM: 8GB. Storage: 256GB SSD."}, {"customerQuestion": "Is 8GB of RAM enough for video editing?"}], "referenceResponse": "The MacBook Air M3 comes with 8GB of unified memory. It can handle light video editing but you may want more RAM for heavy work."} ], "customLLMJConfig": { "customLLMJPrompt": "Evaluate how accurate the response is to the customer question. Consider whether the response uses only the provided product information and does not hallucinate details. Here is the information you are supposed to evaluate: \n\nPrompt: {{prompt}}\nResponse: {{response}}\n\n \n\n ground truth answer: {{referenceResponse}}. Grading scale: Rate the response on a scale of 1-5. 1 means the answer is full of hallucinations and does not answer the question. 5 means the answer does not hallucinate at all and perfectly answers the question with no extra information. Interpolate the rest of the grading scale", "customLLMJModelId": "anthropic.claude-sonnet-4-5-20250929-v1:0" } } ``` ### Ejemplo 5: plantilla única, múltiples variables, múltiples muestras, sin método de evaluación (predeterminado del sistema) Como no se proporciona ninguna evaluación ni orientación, el optimizador rápido utilizará un genérico integrado LLM-as-a-judge que combina precisión, integridad y estilo de escritura. ``` { "version": "bedrock-2026-05-14", "promptTemplate": "You are a customer support agent for an electronics store.\n\nGiven the following product information:\n{{productInfo}}\n\nAnswer the customer's question:\n{{customerQuestion}}\n\nProvide a helpful, accurate, and concise response.", "templateId": "template-default-llmj-1", "evaluationSamples": [ {"inputVariables": [{"productInfo": "Product: Sony WH-1000XM5 Headphones. Price: $349.99. Battery Life: 30 hours. Noise Cancellation: Yes, adaptive."}, {"customerQuestion": "How long does the battery last?"}], "referenceResponse": "The Sony WH-1000XM5 headphones have a battery life of up to 30 hours on a single charge."}, {"inputVariables": [{"productInfo": "Product: Apple MacBook Air M3. Price: $1,099. RAM: 8GB. Storage: 256GB SSD."}, {"customerQuestion": "Is 8GB of RAM enough for video editing?"}], "referenceResponse": "The MacBook Air M3 comes with 8GB of unified memory. It can handle light video editing but you may want more RAM for heavy work."} ] } ``` ### Ejemplo 6: plantilla única, variable única, muestras múltiples, evaluador Lambda ``` { "version": "bedrock-2026-05-14", "promptTemplate": "You are a helpful assistant. Answer the following: {{question}}", "templateId": "template-byo-1", "customEvaluationMetricLabel": "accuracygraderlambda", "evaluationSamples": [ {"inputVariables": [{"question": "What is the capital of France?"}], "referenceResponse": "The capital of France is Paris."}, {"inputVariables": [{"question": "What is 2+2?"}], "referenceResponse": "4"} ], "evaluationMetricLambdaArn": "arn:aws:lambda:us-west-2::function:" } ``` ### Ejemplo 7: plantilla única, sin variables de texto, solo multimodal LLM-as-judge Se trata de una entrada aceptable incluso sin ella, `{{variables}}` ya que incluye una entrada multimodal. ``` { "version": "bedrock-2026-05-14", "templateId": "multimodal_only_01", "promptTemplate": "Does this image contain a dog? Respond yes or no", "customEvaluationMetricLabel": "binarydogjudge", "customLLMJConfig": { "customLLMJPrompt": "Determine if the model response matches the ground truth. Grading scale: 0 if the response does not match the ground truth, 1 if the response matches the ground truth. Here is the input: \n\n input: {{prompt}} \n\n model response: {{response}} \n\n ground truth: {{referenceResponse}}.", "customLLMJModelId": "anthropic.claude-sonnet-4-5-20250929-v1:0" }, "evaluationSamples": [ {"inputVariablesMultimodal": [{"dogimage": {"type": "IMAGE", "s3Uri": "s3://my-bucket/images/dog-photo.jpg"}}], "referenceResponse": "Yes"}, {"inputVariablesMultimodal": [{"catimage": {"type": "IMAGE", "s3Uri": "s3://my-bucket/images/cat-photo.png"}}], "referenceResponse": "No"} ] } ``` ### Ejemplo 8: plantilla única, variables múltiples LLM-as-judge, texto mixto y multimodal ``` { "version": "bedrock-2026-05-14", "templateId": "multimodal_with_text_01", "promptTemplate": "Given the context in attached documents and the user question, provide a short answer. User question: {{question}}", "customEvaluationMetricLabel": "documentinfograder", "customLLMJConfig": { "customLLMJPrompt": "Evaluate whether the response correctly answers the question using information from the provided document. Score 1-5 where 5 means fully correct and grounded in the source material, and 1 means the answer was completely hallucinated and inaccurate. Here's the information: \n Prompt: {{prompt}}, Model response: {{response}}, ground truth: {{referenceResponse}}", "customLLMJModelId": "anthropic.claude-sonnet-4-5-20250929-v1:0" }, "evaluationSamples": [ { "inputVariables": [{"question": "What is the total revenue for Q1?"}], "inputVariablesMultimodal": [ {"Q1report": {"type": "PDF", "s3Uri": "s3://my-bucket/docs/quarterly-report.pdf"}}, {"revenuechart": {"type": "IMAGE", "s3Uri": "s3://my-bucket/images/revenue-chart.png"}} ], "referenceResponse": "The total revenue for Q1 was $4.2M." } ] } ```