Implementando o prompt de cadeia de pensamento

A StellarStack tá prestes a lançar sua plataforma de nuvem principal. O marketing quer um e-mail que explique por que os desenvolvedores devem migrar. Para ajudar o Claude a pensar, você vai adicionar uma lista de verificação com os passos a seguir ao prompt.

A biblioteca json foi importada.

Este exercício faz parte do curso

Introdução ao Amazon Bedrock

Instruções do exercício

Descreva três passos que o modelo deve seguir pra preparar a resposta, usando uma lista numerada (1., 2., 3.).
Usando a lista steps para a cadeia de pensamento, preencha o campo “ "text" ” (Cadeia de pensamento) em text_data, adicionando-os depois de "\nSteps: ".

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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 e executar o código

Este exercício faz parte do curso

Introdução ao Amazon Bedrock

IntermediárioNível de habilidade

4.8+

Iniciar curso de graça

Aprenda o básico sobre o Amazon Bedrock, o serviço de modelo básico totalmente gerenciado da AWS. Comece com a configuração básica e a autenticação, explore os modelos básicos disponíveis, como Claude e Titan, e domine as interações essenciais da API. Este capítulo fala sobre como configurar um ambiente de desenvolvimento, escolher modelos certos para um caso de uso e implementar o tratamento correto de solicitações de API, incluindo respostas de streaming e gerenciamento de erros.

Exercise 1: Acessando o Amazon Bedrock Exercise 2: Inicializando o cliente Bedrock Exercise 3: Recuperando detalhes do modelo Bedrock Exercise 4: Escolhendo um modelo básico Exercise 5: Usando o modelo certo no Bedrock Exercise 6: Gerando texto no Bedrock

Neste capítulo, você vai aprender três lições importantes. Começando com o básico sobre geração de texto e como lidar com respostas, você vai avançar para técnicas mais avançadas de engenharia de prompts, como aprendizado com poucos exemplos e saídas estruturadas. A última aula fala sobre como otimizar os parâmetros do modelo, ensinando os alunos a ajustar configurações como temperatura e limites de tokens para obter os melhores resultados. Cada aula é baseada na anterior, passando das interações básicas da API até o controle avançado de parâmetros para casos específicos.

Exercise 1: Gerando texto com modelos de linguagem Exercise 2: Melhorando as solicitações com atribuição de funções Exercise 3: Processamento de respostas do modelo e tratamento de erros Exercise 4: Categorização do relatório do modelo básico Exercise 5: Usando técnicas de engenharia rápida Exercise 6: Implementar o aprendizado com poucos exemplos para geometria Exercise 7: Criando prompts de saída estruturados Exercise 8: Trabalhando com diferentes parâmetros do modelo Exercise 9: Ajustando a criatividade com controle de temperatura Exercise 10: Controlando a saída com top_p e max_tokens Exercise 11: Parâmetros para descrições de produtos

Neste capítulo, você vai criar aplicativos robustos e responsáveis com o Amazon Bedrock, indo além das interações básicas da API. Começando com a IA conversacional, você vai dominar o gerenciamento de estado e o tratamento de contexto para criar experiências de chat que fazem sentido. Depois, você vai ver técnicas avançadas de prompting, aprendendo a criar vários tipos de conteúdo sem perder o estilo e o tom. Este capítulo fala sobre coisas importantes na produção, tipo como lidar com erros, limitar a taxa e processar respostas de forma eficiente. Por fim, você vai implementar proteções éticas e medidas de segurança, garantindo que suas aplicações de IA sejam poderosas e responsáveis.

Exercise 1: Considerações éticas e proteções Exercise 2: Moderação de avaliações de produtos Exercise 3: Criando filtros de conteúdo adequados para cada idade Exercise 4: Gerenciando conversas com IA Exercise 5: Criando uma classe gerenciadora de conversas Exercise 6: Tornando uma conversa consciente da memória Exercise 7: Estratégias avançadas de solicitação Exercise 8: Implementando o prompt de cadeia de pensamento

Exercício atual

Exercise 9: Criação de conteúdo estilizado com Bedrock Exercise 10: Como lidar com respostas e erros da API Exercise 11: Implementando o controle de limite de taxa Exercise 12: Implementando modelos alternativos Exercise 13: Parabéns!