Traitement des réponses du modèle et gestion des erreurs

L'assistant SkyCast alimente aussi des alertes météo personnalisées. Dans le cadre de cette initiative, on vous demande de générer une réponse pour une personne qui souhaite modifier la fréquence de son infolettre. Utilisez Claude pour produire la réponse, puis analysez-la afin que le message final tienne dans l'affichage compact des notifications de l'application.

La bibliothèque json, le client bedrock et request_body ont déjà été importés.

Cette activité fait partie du cours

Introduction à Amazon Bedrock

Instructions de l’exercice

Vérifiez si la clé 'output' existe dans le dictionnaire de données.
Extrayez 'text' du contenu dans la sortie du message.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

response = bedrock.invoke_model(modelId='us.amazon.nova-2-lite-v1:0', body=request_body)
data = json.loads(response['body'].read().decode())

# Check for the output key
if '____' in ____:
    response = data['output']['message']['content'][0]['____'][:100]
    print(response)
else:
    print('Key not found')

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

Exercice en cours

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 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 !