Um banco está construindo um chatbot baseado em Bedrock que responderá a perguntas sobre abertura de contas usando documentos bancários públicos. A equipe usará engenharia de prompt para moldar as respostas do modelo. Qual técnica de engenharia de prompt se encaixa neste cenário?

A técnica de directional stimulus prompting é a mais adequada porque envolve fornecer instruções claras e específicas ao modelo sobre o tipo de resposta esperada e o contexto a ser considerado. Neste cenário, o banco deseja que o chatbot responda perguntas sobre abertura de contas usando documentos bancários públicos, o que exige que o modelo seja direcionado a extrair e sintetizar informações de fontes específicas e a formular respostas de maneira precisa e relevante para o cliente. Complexity-based prompting não é uma técnica padrão de engenharia de prompt. Zero-shot prompting seria menos eficaz, pois o modelo não teria exemplos de como responder a perguntas específicas sobre documentos bancários, podendo gerar respostas genéricas ou imprecisas. Few-shot prompting poderia ser usado, mas directional stimulus prompting é mais direto para guiar o modelo a usar os documentos públicos fornecidos como fonte primária de informação, garantindo que as respostas sejam factuais e alinhadas com as políticas do banco.