Mettre en œuvre l'amorçage par chaîne de réflexion

StellarStack est sur le point de lancer sa plateforme infonuagique phare. L'équipe marketing souhaite un courriel qui explique pourquoi les développeurs devraient migrer. Pour guider le raisonnement de Claude, vous allez ajouter une liste de vérification « think-step » à l'invite.

La bibliothèque json a été importée.

Cette activité fait partie du cours

Introduction à Amazon Bedrock

Instructions de l’exercice

Présentez trois étapes que le modèle devrait suivre pour préparer la réponse, sous forme de liste numérotée (1., 2., 3.).
En utilisant la liste steps pour la chaîne de réflexion, remplissez le champ "text" de text_data en les ajoutant après "\nSteps: ".

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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))

Modifier et exécuter le code

Cette activité fait partie du cours

Introduction à Amazon Bedrock

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Apprenez les notions de base d'Amazon Bedrock, le service de modèles de fondation entièrement géré d'AWS. Commencez par la configuration et l'authentification, explorez les modèles de fondation disponibles comme Claude et Titan, et maîtrisez les interactions essentielles avec l'API. Ce chapitre couvre la mise en place de l'environnement de développement, le choix de modèles adaptés à un cas d'utilisation et la gestion appropriée des requêtes API, y compris les réponses en mode diffusion continue (streaming) et la gestion des erreurs.

Exercise 1: Accéder à Amazon Bedrock Exercise 2: Initialiser le client Bedrock Exercise 3: Récupérer les détails d'un modèle Bedrock Exercise 4: Choisir un modèle de base Exercise 5: Utiliser le bon modèle dans Bedrock Exercise 6: Générer du texte dans Bedrock

Dans ce chapitre, vous suivrez trois leçons clés. Après les bases de la génération de texte et de la gestion des réponses, vous passerez à des techniques avancées de conception d'invite, comme le few-shot learning et les sorties structurées. La dernière leçon porte sur l'optimisation des paramètres du modèle et vous apprend à ajuster des réglages comme la température et les limites de jetons pour obtenir des résultats optimaux. Chaque leçon s'appuie sur la précédente, en passant d'interactions API fondamentales à un contrôle avancé des paramètres pour des cas d'utilisation précis.

Exercise 1: Générer du texte avec des modèles de langage Exercise 2: Améliorer les invites avec l'attribution d'un rôle Exercise 3: Traitement des réponses du modèle et gestion des erreurs Exercise 4: Catégorisation de rapports par un modèle de base Exercise 5: Appliquer des techniques d'ingénierie des invites Exercise 6: Mettre en œuvre le few-shot learning en géométrie Exercise 7: Créer des invites à sortie structurée Exercise 8: Travailler avec différents paramètres de modèle Exercise 9: Ajuster la créativité avec le paramètre de température Exercise 10: Contrôler la sortie avec top_p et max_tokens

Dans ce chapitre, vous créerez des applications robustes et responsables avec Amazon Bedrock, au-delà des interactions API de base. En commençant par l'IA conversationnelle, vous maîtriserez la gestion d'état et du contexte pour offrir des échanges cohérents. Vous explorerez ensuite des techniques d'invite avancées afin de générer divers types de contenu tout en maintenant un style et un ton constants. Le chapitre aborde des aspects essentiels en production, comme la gestion des erreurs, la limitation du débit et le traitement efficace des réponses. Enfin, vous mettrez en œuvre des garde-fous éthiques et des mesures de sécurité afin que vos applications d'IA soient à la fois puissantes et responsables.

Exercise 1: Considérations éthiques et garde-fous Exercise 2: Modération d'avis sur des produits Exercise 3: Créer des filtres adaptés à l'âge Exercise 4: Gérer les conversations avec l'IA Exercise 5: Créer une classe de gestion de conversation Exercise 6: Rendre une conversation sensible à la mémoire Exercise 7: Stratégies d'invite avancées Exercise 8: Mettre en œuvre l'amorçage par chaîne de réflexion

Exercice en cours

Exercise 9: Génération de contenu avec style dans Bedrock Exercise 10: Traitement des réponses et des erreurs de l'API Exercise 11: Mettre en place la gestion de la limitation du débit Exercise 12: Mettre en place des solutions de rechange entre modèles Exercise 13: Félicitations !