详细内容或原文请订阅后点击阅览

使用亚马逊基岩的结构化数据响应：及时工程和工具使用

2025年6月26日 15:46 33 Comments
X Twitter Instagram Mail

我们演示了两种使用Amazon Bedrock生成结构化响应的方法：与Converse API一起使用及时工程和工具。及时的工程是灵活的，可与基岩型号（包括没有工具使用支持的型号）一起使用，并处理各种模式类型（例如，开放API模式），使其成为一个很好的起点。工具使用提供了更大的可靠性，一致的结果，无缝的API集成以及JSON模式的运行时验证，以增强控制。

来源:亚马逊云科技 _机器学习
生成的AI正在通过简化运营和实现创新来彻底改变行业。尽管与Genai的文本聊天交互仍然很流行，但现实世界中的应用程序通常取决于API，数据库，数据驱动的工作负载和丰富用户界面的结构化数据。结构化数据还可以增强对话式AI，从而实现更可靠和可行的输出。一个关键的挑战是LLM（大型语言模型）本质上是不可预测的，这使得他们很难产生像JSON这样的一致结构化输出。之所以出现此挑战，是因为他们的培训数据主要包括非结构化文本，例如文章，书籍和网站，其结构化格式相对较少。结果，LLM在生成JSON输出时可能会精确地挣扎，这对于无缝集成到现有API和数据库至关重要。模型支持结构化响应的能力各不相同，包括识别数据类型和有效管理复杂层次结构。 These capabilities can make a difference when choosing the right model.This blog demonstrates how Amazon Bedrock, a managed service for securely accessing top AI models, can help address these challenges by showcasing two alternative options:Prompt Engineering: A straightforward approach to shaping structured outputs using well-crafted prompts.Tool Use with the Bedrock Converse API: An advanced method that enables better control, consistency, and native JSON schema integration.We will use a客户审查分析示例以证明基岩如何使用简化的Python代码产生结构化的输出，例如情感分数。构建及时的工程解决方案，这将演示如何使用Amazon Bedrock有效地使用及时工程来生成结构化的输出。及时的工程涉及制定精确的输入提示，以指导大型语言模型（LLM）产生一致和结构​​化的响应。这是一种基本技术
JSON API 关键的 结构化 生成 简化的 界面的 模型 数据库 AI Bedrock 工程 输出 数据 工作负载 Amazon 输入 用户界面 包括 响应的 使用 可行的 LLM 例如 层次结构 数据驱动 应用程序 产生 数据类型 及时的 可预测的 精确的 精确地 驱动的