最佳化提示

Vertex AI 提示最佳化工具會自動為一組提示調整系統指令，協助提升提示成效。使用提示最佳化工具，有助於大規模改善提示，不必手動重寫，這在將提示從一個模型改為另一個模型時非常實用。

本頁面會比較這兩種提示最佳化方法，並列出各方法支援的模型。

比較提示最佳化方法

Vertex AI 提供兩種提示最佳化方法：零樣本最佳化工具和以資料為準的最佳化工具。您可以使用 Google Cloud 控制台或 Vertex AI SDK，透過這兩種方法進行部署。

下表提供這些方法的概略比較。

選項	說明	優點	缺點	用途
零樣本最佳化工具	即時最佳化工具，延遲時間極短，可改善單一提示或系統指令範本。	速度快，且不需要額外設定。	可設定的項目較少，一次只能最佳化一個提示。	改善個別提示或系統指示。
以數據為準最佳化工具	批次、工作層級的疊代最佳化工具，會使用已加上標籤的資料和評估指標。	可高度設定，並啟用更進階的最佳化功能。	需要標記資料和更多設定；批次處理速度較慢。	針對特定工作進行進階最佳化，並根據資料集評估成效。

如要查看最佳化提示的範例，請執行下列其中一個 Jupyter 筆記本：

• Vertex AI 提示最佳化工具： 在 Colab 中開啟 | 在 Colab Enterprise 中開啟 | 在 Vertex AI Workbench 使用者管理的筆記本中開啟 | 在 GitHub 上查看
• Vertex AI 提示最佳化工具 SDK： 在 Colab 中開啟 | 在 Colab Enterprise 中開啟 | 在 Vertex AI Workbench 使用者管理的筆記本中開啟 | 在 GitHub 上查看
• Vertex AI 提示最佳化工具自訂指標： 在 Colab 中開啟 | 在 Colab Enterprise 中開啟 | 在 Vertex AI Workbench 使用者自行管理的 Notebooks 中開啟 | 在 GitHub 上查看

重要事項：提示最佳化工具功能已全面推出。不過，Prompt Optimizer SDK 程式庫為實驗性功能，如有變更，恕不另行通知。您可能會遇到錯誤，或發現 API 和功能有變更。

支援最佳化的目標模型

零樣本最佳化工具與模型無關，可改良任何 Google 模型的提示。

以資料為準的最佳化工具支援對正式發布的 Gemini 模型進行最佳化。

後續步驟

• 瞭解零樣本最佳化工具。
• 瞭解以數據為準最佳化工具。