當 AWS 在 re:Invent 大會上推出 Nova 模型系列時，令人滿懷期待。過去雖然有一些 Claude 模型合作的提示工程（Prompt Engineering）技巧，但很快就發現 Nova 模型需要全新的方法。這就像使用化妝刷，每把刷子都有其特定用途，不會用眼線刷來塗腮紅，這並不是說哪個工具更好，而是它們針對不同任務而最佳化。同樣地，提示工程需要根據模型的特性調整策略。
本文是筆者對 Nova 模型進行多次實驗與研究後的總結，分享這些實用的模板和模式，方便項目中獲得更佳的結果。不過，這不是唯一的資源！AWS 還提供了非常詳盡的官方文件，本文更像是一份實戰指南。
現在就開始挑選適合任務的 Nova 模型吧！
快速入門指南：選擇適合的 Nova 模型
Amazon Nova 模型系列分為兩大類：
- 理解模型（Pro、Lite、Micro）：用於分析內容和生成文本。
- 生成模型（Canvas、Reel）：用於生成圖像和影片。
每種模型針對特定任務進行最佳化，請使用下方的決策樹來選擇合適的工具，然後遵循具體的提示設計指南以獲得最佳效果。
基礎提示設計原則：理解模型（Pro、Lite、Micro）
理解模型適用於分析文本和生成結構化輸出。以下是設計有效提示的四個要素：
- 任務描述：清晰說明需要完成的任務。
- 背景資訊：提供相關背景資訊、具體需求和限制條件。
- 操作指令：以逐步指導的方式說明要求，包括格式規定。
- 輸出格式：明確指定回應結構，確保輸出一致性。
筆者的心得:
- 使用明確的指令
- ❌ 錯誤例子：「寫關於機器學習的內容」
- ✅ 正確例子：「請解釋三個核心機器學習概念，每個概念需配合一個實例。」
- 具體要求格式
- ❌ 錯誤例子：「列出結果」
- ✅ 正確例子：「請以 JSON 格式列出結果，包含以下鍵值：name、score、category，不要包含其他格式。」
- 先提供背景，再提出問題
- ❌ 錯誤例子：「什麼是最好的方法？以下是背景……」
- ✅ 正確例子：「背景：[提供背景資訊]；挑戰：[描述情境]；問題：什麼是最佳解決方法？」
相關文章:
Prime Video 體育直播引入 AWS 生成式 AI 技術 提升觀眾體驗及直播穩定性 AWS 網上講座助提升企業競爭力 構建生成式 AI 時代的統一數據基礎架構 豐田汽車採用 Amazon Q Developer 處理舊代碼 兩年內完成系統升級
生成模型（Canvas 和 Reel）的提示設計指南
生成模型專注於生成圖像和影片，設計提示時需要以描述性語句為主，類似於為圖像加上標題，而非程式化的指令。
圖像生成（Canvas）
✅ 有效的提示：
「一位教師站在黑板前，面帶微笑，專業打光，寫實風格。」
❌ 無效的提示：
「生成一個教師形象，站在黑板前，添加微笑。」
影片生成（Reel）
Reel 的提示設計需要描述場景如何在 6 秒內展開，並包括鏡頭運動細節。例如：
✅ 有效的提示：
「電影風格的推鏡拍攝，一個多汁的起司漢堡，奶酪融化，蒸汽可見，自然燈光，淺景深。」
❌ 無效的提示：
「製作一段漢堡的影片，效果要好，移動鏡頭。」
提示結構模板：
提升提示工程的實用性
當開始使用 Nova 模型時，需要摒棄一些舊有習慣並建立新的方法。希望這些模板和模式能派上用場，直接進入使用 Nova 建構項目的階段。
記住：沒有「完美」的提示，只有「有效」的提示。這些指南只是起點，請根據自己的需求進行調整。如果需要更詳細的技術細節，記得查看官方文件。
如果發現了其他適合 Nova 模型的提示模式，歡迎分享經驗！
相關文章:
Prime Video 體育直播引入 AWS 生成式 AI 技術 提升觀眾體驗及直播穩定性 AWS 網上講座助提升企業競爭力 構建生成式 AI 時代的統一數據基礎架構 豐田汽車採用 Amazon Q Developer 處理舊代碼 兩年內完成系統升級
分享到 :
最新影片
