本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 一般提示秘訣
<a name="prompting-general-tips"></a>

**注意**  
本文件適用於 Amazon Nova 第 1 版。如需提示 Amazon Nova 2 時最佳實務的相關資訊，請參閱[一般最佳實務](https://docs.aws.amazon.com/nova/latest/nova2-userguide/prompting-best-practices.html)。

下列一般秘訣可協助您建立更好的提示詞：
+ **任務分解**：如果您的任務很複雜，而且 Amazon Nova 模型在執行複雜、彼此關聯的邏輯方面出現困難，我們建議您調整問題範圍，並將其分解為一系列離散的呼叫。這可以透過使用工作流程技術來實現，例如提示詞鏈接 (即鏈接一系列個別呼叫) 或並行執行 (即同時執行獨立呼叫)。
+ **指示拆解**：我們建議您將複雜的指示拆解為一系列指示或更多原子指示。這有助於模型理解指示，並提高其在處理後續指示時的效能。
+ **避免任何假設，為模型提供明確的指引**：Amazon Nova 模型展現了遵循指示的強大功能，但前提是提供的提示詞是清楚且具體的。關鍵一點是，避免做出任何假設，而是為模型提供直接、明確的指引。提示詞越透明越直接，模型的回應越有效。
+ **逸出 Unicode 字元**：模型有時會在遇到*逸出的 Unicode 語言案例*時進入重複性迴圈。您可以要求模型忽略逸出的 Unicode 字元，以避免此問題。例如：「請勿在輸出中放置逸出的 Unicode - 僅使用未逸出的原生字元，例如，不要包含序列，如 \\u3492。」
+ **結構化冗長、資訊密集的提示詞**：當共用範例、上下文、指示和輸出格式等廣泛資訊時，我們建議使用明確的格式化技術來建構內容。具體而言，使用 Markdown 或項目符號有助於增強 Amazon Nova 模型的能力，使其更有效地理解和整理所提供的資訊。
+ **描述然後回答**：我們建議您指示模型徹底描述它在影像或影片中觀察到的所有內容、總結關鍵詳細資訊並提供全面解釋，然後再回答有關內容的具體問題。這種讓模型先描述整個視覺資訊，然後在後續步驟中回應目標式查詢的技術，通常可以提高模型的效能。
+ **從文件擷取文字**：由於 Amazon Nova 使用視覺理解從 PDF 擷取資訊，如果您的使用案例僅涉及讀取文件的文字，我們建議您使用開放原始碼 API 來擷取文件的文字內容。您可以將此擷取的文字提供給 Amazon Nova，以便識別和擷取文件中的關鍵資訊。