Firma zbudowała agenta za pomocą Amazon Bedrock Agents i chce zwiększyć jego dokładność, dostarczając konkretne przykłady. Które podejście spełnia to wymaganie?

Modyfikowanie zaawansowanych promptów agenta w Amazon Bedrock w celu uwzględnienia przykładów (few-shot prompting) jest standardową i skuteczną techniką zwiększania dokładności. Dostarczanie konkretnych przykładów w prompcie pomaga agentowi lepiej zrozumieć oczekiwany format i styl odpowiedzi, co prowadzi do bardziej precyzyjnych i trafnych wyników. Tworzenie guardraila z przykładami jest nieprawidłowe, ponieważ guardraile służą do definiowania bezpiecznych granic i tematów, a nie do bezpośredniego poprawiania dokładności odpowiedzi agenta poprzez przykłady. Użycie Amazon SageMaker Ground Truth do etykietowania przykładów jest błędne, ponieważ Ground Truth służy do tworzenia zestawów danych do trenowania modeli, a nie do bezpośredniego wpływania na zachowanie agenta Bedrock poprzez few-shot prompting. Uruchomienie skryptu w AWS Lambda, który dodaje przykłady do zestawu danych treningowych, jest nieodpowiednie, ponieważ agenci Bedrock są konfigurowani poprzez prompty, a nie przez bezpośrednie modyfikowanie wewnętrznych zestawów danych treningowych modelu podstawowego.