Zacznij terazZacznij za darmo

Sterowanie wynikami za pomocą top_p i max_tokens

Zespół marketingu potrzebuje teraz dwóch wersji historii o ChefBocie – flagowym robocie kuchennym: zwięzłego briefingu dla inwestorów oraz bardziej kreatywnego wpisu na bloga w stylu „zakulisowego spojrzenia".

W tym ćwiczeniu biblioteki boto3 i json oraz klient bedrock zostały już zaimportowane.

To ćwiczenie jest częścią kursu

Wprowadzenie do Amazon Bedrock

Zobacz kurs

Instrukcje do ćwiczenia

  • Wygeneruj zwięzłą historię, używając niskiego top_p i niskiego max_tokens, oraz bardziej kreatywną historię, używając wysokiego top_p i wysokiego max_tokens – przy czym max_tokens nie może przekraczać 200.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

def generate_story_with_params(bedrock, top_p, max_tokens):
    messages = [{"role": "user",
             "content": "Write a story about ChefBot writing a bestselling AI-powered cookbook memoir."}]
    request_body=json.dumps({"anthropic_version": "bedrock-2023-05-31", "max_tokens": max_tokens,
                 "top_p": top_p, "messages": messages})
    response = bedrock.invoke_model(body=request_body, modelId='us.anthropic.claude-sonnet-4-5-20250929-v1:0')
    response_body = json.loads(response.get('body').read().decode())
    return response_body["content"][0]["text"]
    
# Modify the parameters to create the two stories
short_focused = generate_story_with_params(bedrock, ____, ____)
long_diverse = generate_story_with_params(bedrock, ____, ____)

print("More focused: ", short_focused, "More creative: ", long_diverse)
Edytuj i uruchom kod