การกลั่นกรองรีวิวสินค้า
คุณกำลังให้คำปรึกษาแก่แพลตฟอร์มด้านสุขภาพที่เปิดให้ผู้ใช้แชร์ประสบการณ์และรีวิวด้านสุขภาพ หัวหน้าฝ่ายความปลอดภัยของผู้ใช้อธิบายว่า
"ความปลอดภัยคือสิ่งสำคัญสูงสุดของเรา แต่เราก็ต้องการรักษาเสียงที่แท้จริงของผู้ใช้ไว้ด้วย เราจึงต้องการระบบกลั่นกรองเนื้อหาที่ปรับระดับความเข้มงวดได้ตามส่วนต่าง ๆ ของชุมชน เพราะบางส่วนต้องการการคุ้มครองที่สูงกว่าส่วนอื่น"
ช่วยสร้างระบบกลั่นกรองที่มีความยืดหยุ่นและปลอดภัย โดยไลบรารี boto3 และ json, bedrock client และ model_id ถูกโหลดไว้ให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Amazon Bedrock เบื้องต้น
คำแนะนำการฝึกหัด
กำหนดฟังก์ชัน
moderate_content()ที่รับพารามิเตอร์textและระดับความเข้มงวด โดยใช้"medium"เป็นค่าเริ่มต้นใช้ dictionary เพื่อกำหนดคำสั่งตามระดับความเข้มงวด ได้แก่
"high","medium"และ"low"เพิ่ม temperature เป็น
0.2เพื่อให้การตอบสนองมีความสม่ำเสมอ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Define the function
def ____(____, strictness_level="____"):
# Define the dictionary of moderation instructions
instruction = {"____": "Strictly analyze for inappropriate content. ",
"____": "Check for obviously toxic language. ",
"____": "Check the tone. "}
request_body = json.dumps({"anthropic_version": "bedrock-2023-05-31", "max_tokens": 50,
# Add a low temperature
"temperature": ____,
"messages": [{"role": "user", "content": f"{instruction[strictness_level]}\n{text}"}]})
response = bedrock.invoke_model(body=request_body, modelId=model_id)
response_body = json.loads(response.get('body').read().decode())
return response_body