システムプロンプト
ここでは、Converse API の system パラメータを使って、エージェントに役割や応答スタイルを持たせる仕組みを扱います。マルチターン会話やツール呼び出しに入る前に、まずは Converse API に system パラメータを1つ足すだけで応答が変わる体験から始めます。
1. システムプロンプト
1.1 システムプロンプトの概要
デフォルトのモデル呼び出しでは、モデルはBedrockの標準的な応答スタイル(無難で汎用的な口調・観点)で回答してきます。実運用のエージェントでは、「カスタマー対応窓口として丁寧に答える」「セキュリティ観点でコードをレビューする」「応答は必ずJSONで返す」「対応範囲外の質問には答えない」のように、モデルにどう振る舞ってほしいか(役割・観点・応答形式・制約)を細かく指定したい場面が大半です。
システムプロンプトは、Converse APIの system パラメータでモデルに渡す「エージェントの役割・振る舞い・制約」を宣言する仕組みです。ユーザ発言(messages)とは別枠で扱われ、どのターンでも常に効く前提として参照されます。
1.2 Lambdaのコード変更
index.pyを以下の内容に置き換えます。システムプロンプト付きの1問1答に絞った最小構成です。
今回設定する SYSTEM_PROMPT は、料理の作り方を答えるアシスタントを想定したものです。AI はデフォルトでは「ですます」調の文章で回答してくるので、以下の3点を明確にコントロールする狙いで書いています。
- 「ですます」調ではなく体言止めで書かせる
- 箇条書きで簡潔に答えさせる
- 応答に使うカテゴリを「材料」「工程」「栄養」の3つに固定する
import os
import boto3
MODEL_ID = os.environ["MODEL_ID"]
REGION = "ap-northeast-1"
SYSTEM_PROMPT = """あなたは料理の作り方を答えるアシスタントです。
以下のルールを守って応答してください。
- 「材料」「工程」「栄養」の3つのカテゴリに分けて答える
- 各カテゴリの中身は箇条書きで示す
- 箇条書きの各項目は体言止めで書く(「〜です」「〜ます」は使わない)
"""
bedrock = boto3.client("bedrock-runtime", region_name=REGION)
def lambda_handler(event, context):
question = event["question"]
response = bedrock.converse(
modelId=MODEL_ID,
messages=[{"role": "user", "content": [{"text": question}]}],
system=[{"text": SYSTEM_PROMPT}],
)
output_message = response["output"]["message"]
answer = "".join(
block["text"] for block in output_message["content"] if "text" in block
)
return {"answer": answer}
貼り付けたら「Deploy」を押して反映します。
1.3 コードの解説
SYSTEM_PROMPT = """あなたは料理の作り方を答えるアシスタントです。
以下のルールを守って応答してください。
- 「材料」「工程」「栄養」の3つのカテゴリに分けて答える
- 各カテゴリの中身は箇条書きで示す
- 箇条書きの各項目は体言止めで書く(「〜です」「〜ます」は使わない)
"""
SYSTEM_PROMPT としてエージェントの役割と応答スタイルを定義しています。特別なテンプレートやDSLはなく、普通の自然言語(日本語でも英語でも)で書いた文章をそのままモデルが解釈してくれる仕組みです。今回のように「〜のアシスタントです」で役割を宣言し、その下に守ってほしいルールを箇条書きで並べる、というのが一般的な書き方です。
response = bedrock.converse(
modelId=MODEL_ID,
messages=[{"role": "user", "content": [{"text": question}]}],
system=[{"text": SYSTEM_PROMPT}],
)
converse に system 引数を追加しました。system はテキストブロックのリストで、複数ブロックに分けても、1つのブロックに全て詰めてもどちらでも構いません。ここでは1つのブロックに SYSTEM_PROMPT をまるごと渡しています。
1.4 動作確認
「テスト」タブで、以下のテストイベントを実行します。
{
"question": "オムライスの作り方を教えて"
}
AI の応答は毎回まったく同じにはならないので、以下は一例です。以下のポイントが押さえられていれば成功です。
- 応答が「材料」「工程」「栄養」の3つのカテゴリに分かれている
- 各カテゴリの中身が箇条書きになっている
- 箇条書きの各項目が体言止めで書かれている(「〜です」「〜ます」で終わっていない)
{
"answer": "【材料】\n- 卵 2個\n- ご飯 200g\n- 玉ねぎ 1/4個\n- ケチャップ 大さじ2\n- 塩コショウ 少々\n\n【工程】\n- 玉ねぎのみじん切り\n- ご飯と玉ねぎをバターで炒める\n- ケチャップ、塩コショウで味付け\n- 薄焼き卵の作成\n- ケチャップライスを卵で包む\n\n【栄養】\n- タンパク質 約20g\n- 炭水化物 約80g\n- 脂質 約15g"
}
システムプロンプトを外したときの応答(普通の丁寧な文章で作り方を説明してくれる形)と見比べると、応答の内容(3つのカテゴリ)と形式(体言止めの箇条書き)が明確にコントロールできていることが分かります。
このように、通常のAIの応答スタイルを特定の形に寄せたい場合や、エージェントに必ず守らせたい基準(役割・応答形式・禁止事項など)を宣言したい場合に、システムプロンプトを設定するのが有効です。