Een bedrijf heeft een Amazon Bedrock AI-assistent gebouwd om producten voor te stellen, maar de antwoorden zijn vaak generiek of irrelevant. Welke prompt-engineeringtechniek zal de relevantie van de antwoorden van de assistent waarschijnlijk verbeteren?

Few-shot prompting is effectief omdat het het model voorziet van voorbeelden van gewenste input-output paren, samen met duidelijke instructies en domeinspecifieke context. Dit helpt het model te begrijpen welke soorten antwoorden relevant en nuttig zijn voor productaanbevelingen, waardoor generieke of irrelevante antwoorden worden verminderd. Chain-of-thought prompting is nuttig voor complexe redenering, maar het overschrijven van expliciete instructies is ongewenst. Een formelere conversatiestijl of technische specificaties verbeteren de relevantie niet direct. Zero-shot prompting, zonder voorbeelden, is minder effectief voor het verfijnen van de relevantie in dit scenario.