Implementación de la cadena de pensamiento

StellarStack está a punto de lanzar su plataforma insignia en la nube. El departamento de marketing quiere un correo electrónico que explique por qué los programadores deberían migrar. Para guiar el razonamiento de Claude, añadirás una lista de verificación de «pasos de reflexión» a la indicación.

Se ha importado la biblioteca json.

Este ejercicio forma parte del curso

Introducción a Amazon Bedrock

Instrucciones del ejercicio

Describe tres pasos que debe seguir el modelo para preparar la respuesta, utilizando una lista numerada (1., 2., 3.).
Utilizando la lista « steps » (Cadenas de pensamiento) para la cadena de pensamiento, rellena el campo « "text" » (Cadenas de pensamiento) de text_data añadiéndolas después de « "\nSteps: " ».

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

def generate_message_content(text_data):
    steps = [
        # Outline the steps
        "____",
        "____",
        "____"
    ]
    # Append the steps to the prompt text
    text_data["text"] += "\nSteps: " + ____
    return text_data

text_data = {"text": "Create a promotional email for the StellarStack cloud platform."}
  
print(generate_message_content(text_data))

Editar y ejecutar código

Este ejercicio forma parte del curso

Introducción a Amazon Bedrock

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

Aprende los fundamentos de Amazon Bedrock, el servicio de modelos básicos totalmente gestionado de AWS. Comienza con la configuración básica y la autenticación, explora los modelos básicos disponibles, como Claude y Titan, y domina las interacciones esenciales de la API. Este capítulo trata sobre la configuración de un entorno de desarrollo, la elección de modelos adecuados para un caso de uso y la implementación del manejo adecuado de solicitudes API, incluyendo respuestas en streaming y gestión de errores.

Exercise 1: Acceso a Amazon Bedrock Exercise 2: Inicialización del cliente Bedrock Exercise 3: Recuperación de detalles del modelo de roca madre Exercise 4: Selección de un modelo básico Exercise 5: Usar el modelo correcto en Bedrock Exercise 6: Generar texto en Bedrock

En este capítulo, avanzarás a través de tres lecciones clave. Comenzando con los conceptos básicos de la generación de texto y el manejo de respuestas, luego avanzarás hacia técnicas sofisticadas de ingeniería de prompts, como el aprendizaje con pocos ejemplos y las salidas estructuradas. La última lección trata sobre la optimización de los parámetros del modelo y enseña a los alumnos a ajustar configuraciones como la temperatura y los límites de tokens para obtener resultados óptimos. Cada lección se basa en la anterior, pasando de las interacciones fundamentales de la API al control avanzado de parámetros para casos de uso específicos.

Exercise 1: Generación de texto con modelos lingüísticos Exercise 2: Mejorar las indicaciones con la asignación de roles Exercise 3: Procesamiento de respuestas del modelo y gestión de errores Exercise 4: Categorización de informes del modelo básico Exercise 5: Aplicación de técnicas de ingeniería rápida Exercise 6: Implementar el aprendizaje con pocos ejemplos para geometría Exercise 7: Creación de indicaciones de salida estructuradas Exercise 8: Trabajar con diferentes parámetros del modelo Exercise 9: Ajustar la creatividad con el control de la temperatura Exercise 10: Control de la salida con top_p y max_tokens Exercise 11: Parámetros para las descripciones de los productos

En este capítulo, crearás aplicaciones robustas y responsables con Amazon Bedrock, yendo más allá de las interacciones básicas con la API. Empezando por la IA conversacional, dominarás la gestión de estados y el manejo del contexto para crear experiencias de chat coherentes. A continuación, explorarás técnicas avanzadas de sugerencias y aprenderás a generar diversos tipos de contenido manteniendo un estilo y un tono coherentes. El capítulo trata aspectos críticos de la producción, como la gestión de errores, la limitación de la velocidad y el procesamiento eficiente de las respuestas. Por último, implementarás barreras éticas y medidas de seguridad, garantizando que tus aplicaciones de IA sean potentes y responsables.

Exercise 1: Consideraciones éticas y medidas de protección Exercise 2: Moderación de reseñas de productos Exercise 3: Creación de filtros de contenido adecuados para cada edad Exercise 4: Gestión de conversaciones con IA Exercise 5: Creación de una clase de gestor de conversaciones Exercise 6: Hacer que una conversación sea consciente de la memoria Exercise 7: Estrategias avanzadas de indicaciones Exercise 8: Implementación de la cadena de pensamiento

Ejercicio actual

Exercise 9: Generación de contenido con estilo con Bedrock Exercise 10: Gestión de respuestas y errores de la API Exercise 11: Implementación del control de límites de velocidad Exercise 12: Implementación de modelos alternativos Exercise 13: ¡Enhorabuena!