Amazon Bedrock ——使用Prompt构建AI软文撰写师的生成式人工智能应用程序

本文主要是介绍Amazon Bedrock ——使用Prompt构建AI软文撰写师的生成式人工智能应用程序，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Amazon Bedrock 是一项完全托管的服务，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon 等领先人工智能公司的高性能基础模型（FM），以及通过安全性、隐私性和负责任的 AI 构建生成式人工智能应用程序所需的一系列广泛功能。

在这里插入图片描述
本文将探索Amazon Bedrock的各类内置对话应用并根据需求创建一个自己的对话应用

一、模型简介

登录Amazon Bedrock的控制台后：https://aws.amazon.com/cn/bedrock/?trk=d663ea2c-78d3-497f-a8c5-4bf7949cc694&sc_channel=el
可以看到Amazon Bedrock支持多个基础模型（foundation model）,其中包括Amazon Titan，Claude，Jurassic，Command，Stable Diffusion 以及 Llama2。

1.1、Claude

Claude 2.1 是 Anthropic 最新的大型语言模型（LLM），具有业界领先的上下文窗口（支持 20 万个令牌），降低了幻觉率，并提高了长文档的准确性。
在这里插入图片描述

支持20万个令牌的上下文窗口：Anthropic 将可以传递给 Claude 的信息量增加了一倍，扩展到 20 万个令牌，相当于大约 15 万个单词，或超过 500 页的材料，能够与大量内容或数据进行交互，因此可以进行总结、执行问答、预测趋势、比较和对比多个文档等等。
胜任多种任务：Claude 可以用于编写复杂对话，生成创意内容，执行复杂推理，编写代码，以及提供详细指导。它可以编辑、改写、总结、分类、提取结构化数据，并根据内容进行问答等。
处于前沿的安全保障：Claude 基于 Anthropic 对安全性的领先研究，采用 Constitutional AI 等技术构建。Claude 的设计目标是降低品牌风险，致力于提供有益、诚实且无害的服务。

1.2、Amazon Titan

Amazon Bedrock 独有的 Amazon Titan 系列模型融合了 Amazon 25 年来在其业务范围内积累的人工智能和机器学习创新的经验Amazon Titan 模型由 AWS 创建并在大型数据集上进行预训练，使其成为强大的通用模型，旨在支持各种用例，同时还支持负责任地使用 AI。您可以按原样使用，也可以根据自己的数据私下进行自定义。

在这里插入图片描述

广泛的应用范围：高性能图像、多模态和文本模型为广泛的生成式人工智能应用提供支持，例如内容创建、图像生成以及搜索和推荐体验。
负责任和道德性：所有 Amazon Titan FM 都为负责任地使用 AI 提供内置支持，具体方法是检测并移除数据中的有害内容、拒绝不当的用户输入以及筛选模型输出。

Titan 模型分为三种类型：嵌入、文本生成和图像生成。

Titan Embeddings G1 – 文本模型将文本输入（单词、短语或可能的大型文本单元）转换为包含文本语义的数字表示（称为嵌入）。虽然该法学硕士不会生成文本，但它对于个性化和搜索等应用程序很有用。通过比较嵌入，该模型将产生比单词匹配更相关和上下文的响应。新的 Titan Multimodal Embeddings G1 模型适用于通过文本搜索图像、通过图像相似性或通过文本和图像的组合搜索图像等用例。它将输入图像或文本转换为嵌入，该嵌入在同一语义空间中包含图像和文本的语义。
Titan Text 模型是生成式 LLM，适用于摘要、文本生成（例如，创建博客文章）、分类、开放式问答和信息提取等任务。他们还接受过许多不同编程语言以及表格、JSON 和 csv 等富文本格式的培训。
Titan Image Generator G1 是一种生成基础模型，可从自然语言文本生成图像。该模型还可用于编辑或生成现有或生成的图像的变体。

1.3、Llama

Llama 2 是一组经过预训练和微调的大型语言模型（LLM），其规模从 70 亿参数到 700 亿参数不等。 Llama 模型的关键特征之一是它能够生成连贯且上下文相关的文本。这是通过使用注意力机制来实现的，该机制允许模型在生成输出时关注输入序列的不同部分。此外，Llama 模型使用一种称为“掩码语言建模”的技术在大型文本语料库上对模型进行预训练，这有助于它学习预测句子中缺失的单词。
在这里插入图片描述

超100万条的人工标注：经过微调的模型 Llama Chat 使用了公开的指令数据集和超过 100 万条人工标注。
2 万亿个令牌训练而成：Llama 2 模型使用来自在线公共数据来源的 2 万亿个令牌进行训练。
零基础设施管理：Amazon Bedrock 是第一个为 Llama 2 提供完全托管的 API 的公有云服务。各种规模的组织都可以访问 Amazon Bedrock 上的 Llama 2 Chat 模型，而无需管理底层基础设施。

Llama 模型已被证明在各种自然语言处理任务上表现良好，包括语言翻译、问答和文本摘要，并且还能够生成类似人类的文本，这使得 Llama 模型成为创意写作和其他应用程序的有用工具。自然语言生成很重要。

总的来说，Llama 模型是强大且多功能的语言模型，可用于广泛的自然语言处理任务。该模型能够生成连贯且上下文相关的文本，这使得它对于聊天机器人、虚拟助手和语言翻译等应用程序特别有用。

二、使用Amazon Bedrock 根据需求创建一个自己的对话应用

2.1、登录与授权

首先完成AWS账号登陆，并访问到Amazon Bedrock的UI：https://aws.amazon.com/cn/bedrock/?trk=d663ea2c-78d3-497f-a8c5-4bf7949cc694&sc_channel=el
在这里插入图片描述
其次完成模型授权，点击左侧导航的Overview标签，然后可以看到右侧的Spotlight板块，点击Request model access按钮，勾选需要的模型，如果要体验GPT-对话功能，必须要勾选任意一项Text标签的模型，如果需要体验Stable Diffusion-文本生成图像功能，必须要勾选带Image标签的模型，然后稍等片刻。

2.2、构建自己的对话应用

首先展开playgrounds栏目，然后点击Select model，选择需要使用的模型，这里选择使用Llama 2 Chat 70B进行演示：
在这里插入图片描述
然后进入对话页面，下侧为输入的prompt区域：

比如输入prompt：

您是一位有着9年经验与能力的互联网软文和高端文案撰写人，现在私域运营团队的文案策划。1、负责社群文案工作，编辑用户感兴趣的话题，保证社群活跃度，提升用户黏性；2、负责社群的人设定位及内容产出，内容的规划和撰写，包含内容策划、素材采集；3、负责通过内容运营挖掘用户需求提高粉丝活跃度、增强用户黏性和转化；4、深入了解品牌项目产品及资源，以及客户需求和产品特性为核心定制个性化方案；现在请帮我策划一个龙年抽奖活动软文

输出效果如下：
在这里插入图片描述