Mettre en œuvre une chaîne de réflexion incitative

StellarStack est sur le point de lancer sa plateforme cloud phare. Le service marketing souhaite un e-mail expliquant aux développeurs pourquoi ils devraient migrer. Pour guider le raisonnement de Claude, vous ajouterez une liste de contrôle « étape de réflexion » à la consigne.

La bibliothèque json a été importée.

Cet exercice fait partie du cours

Introduction à Amazon Bedrock

Afficher le cours

Instructions

Veuillez décrire les trois étapes que le modèle devrait suivre pour préparer sa réponse, en utilisant une liste numérotée (1., 2., 3.).
En utilisant la liste steps pour la chaîne de réflexion, remplissez le champ « "text" » (références) de text_data en les ajoutant après "\nSteps: ".

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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

Cet exercice fait partie du cours

Introduction à Amazon Bedrock

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

Découvrez les principes fondamentaux d'Amazon Bedrock, le service de modèle de base entièrement géré d'AWS. Commencez par la configuration de base et l'authentification, découvrez les modèles fondamentaux disponibles tels que Claude et Titan, et maîtrisez les interactions API essentielles. Ce chapitre traite de la configuration d'un environnement de développement, du choix de modèles adaptés à un cas d'utilisation et de la mise en œuvre d'une gestion appropriée des requêtes API, y compris les réponses en continu et la gestion des erreurs.

Exercise 1: Accéder à Amazon Bedrock Exercise 2: Initialisation du client Bedrock Exercise 3: Récupération des détails du modèle de roche en place Exercise 4: Sélectionner un modèle de base Exercise 5: Utilisation du modèle approprié dans Bedrock Exercise 6: Génération de texte dans Bedrock

Dans ce chapitre, vous allez progresser à travers trois leçons clés. En commençant par les bases de la génération de texte et de la gestion des réponses, vous passerez ensuite à des techniques sophistiquées d'ingénierie des invites, telles que l'apprentissage en quelques essais et les sorties structurées. La dernière leçon porte sur l'optimisation des paramètres du modèle et enseigne aux apprenants à ajuster des paramètres tels que la température et les limites de jetons afin d'obtenir des résultats optimaux. Chaque leçon s'appuie sur la précédente, passant des interactions API fondamentales au contrôle avancé des paramètres pour des cas d'utilisation spécifiques.

Exercise 1: Génération de texte à l'aide de modèles linguistiques Exercise 2: Améliorer les invites grâce à l'attribution de rôles Exercise 3: Traitement des réponses du modèle et gestion des erreurs Exercise 4: Catégorisation des rapports sur les modèles de base Exercise 5: Application de techniques d'ingénierie rapide Exercise 6: Mettre en œuvre l'apprentissage en quelques essais pour la géométrie Exercise 7: Création d'invites de sortie structurées Exercise 8: Utilisation de différents paramètres de modèle Exercise 9: Ajuster la créativité grâce au contrôle de la température Exercise 10: Contrôle de la sortie avec top_p et max_tokens Exercise 11: Paramètres pour les descriptions de produits

Dans ce chapitre, vous allez créer des applications robustes et responsables avec Amazon Bedrock, en allant au-delà des interactions API de base. En commençant par l'IA conversationnelle, vous maîtriserez la gestion des états et le traitement du contexte afin de créer des expériences de chat cohérentes. Vous explorerez ensuite des techniques avancées de suggestion, en apprenant à générer divers types de contenu tout en conservant un style et un ton cohérents. Ce chapitre aborde les aspects critiques de la production, tels que la gestion des erreurs, la limitation du débit et le traitement efficace des réponses. Enfin, vous mettrez en place des garde-fous éthiques et des mesures de sécurité afin de garantir que vos applications d'IA sont à la fois puissantes et responsables.

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

Exercice en cours

Exercise 9: Génération de contenu stylisé avec Bedrock Exercise 10: Gestion des réponses et des erreurs de l'API Exercise 11: Mise en œuvre de la gestion des limites de débit Exercise 12: Mise en œuvre des modèles de secours Exercise 13: Félicitations !