Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Che cos'è la progettazione dei prompt?
La progettazione dei prompt si riferisce alla pratica di creare e ottimizzare i prompt di input selezionando parole, frasi, enunciati, punteggiatura e caratteri di separazione appropriati per utilizzare in modo efficace gli LLM per un'ampia gamma di applicazioni. In altre parole, la pronta ingegneria è l'arte di comunicare con un LLM. High-quality i prompt condizionano il LLM a generare le risposte desiderate o migliori. Le informazioni dettagliate fornite in questo documento sono applicabili a tutti gli LLM di Amazon Bedrock.
Il miglior approccio alla progettazione dei prompt per il tuo caso d'uso dipende sia dall'attività che dai dati. Le attività più comuni supportate dagli LLM su Amazon Bedrock includono:
-
Classificazione: il prompt include una domanda con diverse scelte possibili per la risposta e il modello deve rispondere con la scelta corretta. Un esempio di utilizzo della classificazione è l'analisi del sentiment: l'input è un passaggio di testo e il modello deve classificare il sentiment del testo, ad esempio se è positivo o negativo, innocuo o tossico.
-
Question-answer, senza contesto: il modello deve rispondere alla domanda con le sue conoscenze interne senza alcun contesto o documento.
-
Question-answer, con contesto: l'utente fornisce un testo di input con una domanda e il modello deve rispondere alla domanda in base alle informazioni fornite all'interno del testo di input.
-
Riassunto: il prompt passa un testo e il modello deve rispondere con un passaggio più breve che catturi i punti principali dell'input.
-
Open-ended generazione di testo: se richiesto, il modello deve rispondere con un passaggio di testo originale che corrisponda alla descrizione. Ciò include anche la generazione di testi creativi come storie, poesie o sceneggiature di film.
-
Generazione di codice: il modello deve generare codice in base alle specifiche dell'utente. Ad esempio, un prompt potrebbe richiedere la generazione di codice Text-to-SQL o Python.
-
Matematica: l'input descrive un problema che richiede un ragionamento matematico di un certo livello, che potrebbe essere numerico, logico, geometrico o di altro tipo.
-
Ragionamento o pensiero logico: il modello deve fare una serie di deduzioni logiche.
-
Estrazione delle entità: può estrarre entità in base a una domanda di input fornita. Puoi estrarre entità specifiche dal testo o dall’input in base al prompt.
-
Chain-of-thought ragionamento: Fornisci un ragionamento dettagliato su come viene derivata una risposta in base al tuo prompt.
