Promptfoo项目中的Bedrock Provider配置增强解析
2025-06-03 23:46:52作者:吴年前Myrtle
在Promptfoo项目的使用过程中,开发者发现了一个关于AWS Bedrock服务提供商的配置问题。该问题影响了结构化JSON输出的功能实现,值得深入分析其技术背景和解决方案。
问题背景
AWS Bedrock作为大语言模型的托管服务,在Promptfoo中被实现为一个Provider(服务提供商)。当前实现存在一个关键限制:当prompt函数返回额外配置时,Bedrock Provider无法正确识别和使用这些配置参数。
具体表现为:
- 开发者无法通过prompt函数传递"tools"和"tool_choice"等配置项
- 直接影响了对Anthropic模型的结构化JSON输出功能的测试
- 返回的prompt对象中的config部分被忽略
技术细节分析
在典型使用场景中,开发者期望通过以下方式配置结构化输出:
prompt: (vars: any) => {
return {
prompt: // 消息列表,
config: {
tools: [{
name: 'json',
description: '以JSON对象响应',
input_schema: jsonSchema,
}],
tool_choice: {
name: 'json',
type: 'tool',
},
},
}
}
然而,当前的AwsBedrockCompletionProvider.callApi实现仅接收prompt字符串,而忽略了上下文中的配置对象。这导致关键的模型控制参数无法传递到底层API调用。
解决方案实现
核心修改点在于增强Provider对完整prompt对象的处理能力:
- 修改API调用接口,使其接收完整的prompt对象而不仅是字符串
- 从prompt对象中提取config配置
- 将配置参数合并到最终的API请求参数中
- 确保不影响现有简单字符串prompt的使用场景
这种改进保持了向后兼容性,同时为高级用户提供了更灵活的配置方式。
技术意义
这一改进具有多方面价值:
- 功能完整性:完整支持Anthropic模型的结构化输出特性
- 测试能力增强:使得基于JSON Schema的输出验证成为可能
- 配置灵活性:为未来可能的其他配置项提供了扩展基础
- 开发体验:保持配置方式在不同Provider间的一致性
最佳实践建议
对于需要使用结构化输出的开发者,建议:
- 明确定义JSON Schema以确保输出格式符合预期
- 在prompt函数中完整声明tools和tool_choice配置
- 测试时验证输出是否确实符合指定的JSON结构
- 考虑在不同环境(开发/测试/生产)中使用一致的配置方式
该改进已随Promptfoo 0.112.5版本发布,开发者可以立即体验增强后的Bedrock Provider功能。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617