Una empresa creó un agente utilizando Amazon Bedrock Agents y quiere aumentar la precisión del agente proporcionando ejemplos específicos. ¿Qué enfoque satisface este requisito?

Modificar los prompts avanzados es el enfoque correcto porque los Agentes de Amazon Bedrock utilizan prompts para guiar su comportamiento y razonamiento. Al incluir ejemplos específicos (few-shot examples) directamente en los prompts avanzados, se proporciona al agente un contexto valioso y se le enseña el formato y el tipo de respuesta deseados, lo que mejora significativamente su precisión y relevancia. Crear un guardrail no es adecuado porque los guardrails se utilizan para definir políticas de seguridad y contenido, no para proporcionar ejemplos de comportamiento deseado. Usar Amazon SageMaker Ground Truth es incorrecto porque Ground Truth se usa para etiquetar grandes conjuntos de datos para el entrenamiento de modelos de machine learning, no para mejorar directamente la precisión de un agente en tiempo real. Ejecutar un script en AWS Lambda para añadir ejemplos al conjunto de datos de entrenamiento es incorrecto porque los Agentes de Bedrock no se entrenan con conjuntos de datos de la misma manera que los modelos fundacionales; su comportamiento se guía principalmente por los prompts y las herramientas.