Bedrock 可能因为安全机制、内容策略或训练数据的限制而无法返回期望的信息或拒绝回答某些提示。支持 Bedrock 的基础模型旨在避免生成有害、不道德或具有法律风险的内容。例如，如果提示请求医疗建议、非法活动指示或个人数据，模型可能会拒绝遵从，以防止滥用。这些安全防护措施有意设置得非常严格，即使在用户意图是良性的情况下，也可能导致过于谨慎的回应。例如，“我如何创建密码？”这样的提示如果被系统解释为安全风险，即使用户只是想了解一般的最佳实践，也可能触发拒绝。
另一个因素是模型的训练数据和知识截止日期。Bedrock 的底层模型是根据截至特定日期的公开数据进行训练的，可能缺乏该日期之后或小众主题的信息。例如，如果您询问 2023 年之后的事件或公司内部特定数据，模型将不具备相关上下文。此外，模型可能会避免推测性回答（例如，“2030 年会发生什么？”），以防止传播错误信息。开发者还应考虑措辞模糊的问题：例如，“解释如何绕过安全”这样的提示可能会被解释为恶意意图，即使目的是测试系统漏洞。将其改写为“解释渗透测试的常见安全漏洞”可能会获得更好的结果。
最后，Bedrock 的行为可能受到 temperature、top_p 或自定义安全配置等参数的影响。如果回应感觉过于通用，调整 temperature（控制随机性）等参数或使用包含明确上下文的详细提示可能会有所帮助。例如，不要用“告诉我关于 AWS 的信息”，而是尝试“列出三个用于无服务器计算的 AWS 服务及其用例”。开发者还应检查 Bedrock 的护栏设置 (guardrail settings)，这些设置可能会默认阻止某些主题。如果用例需要处理敏感主题（例如医疗保健），微调模型或使用基于批准数据源的检索增强生成 (RAG) 可以绕过通用限制，同时保持合规性。务必迭代地测试提示，并对照 Bedrock 文档进行验证，以符合其约束。