このページでは、テキスト プロンプトの設計に関する概要と一般的なガイダンスについて説明します。
このタスクの手順をガイドに沿って Google Cloud コンソールで直接行う場合は、「ガイドを表示」をクリックしてください。
サポートされているモデル
text-bison
text-bison-32k
text-unicorn
gemini-1.0-pro
gemini-1.5-pro
一般的なタスクのタイプ
任意の数のタスクを処理するためのテキスト プロンプトを作成できます。最も一般的なタスクには、分類、要約、抽出があります。これらの一般的なタスク用のテキスト プロンプトの設計について詳しくは、以下のページをご覧ください。
分類プロンプト
分類タスクでは、テキストにクラスまたはカテゴリを割り当てます。カテゴリのリストを指定して選択することも、モデルに独自のカテゴリから選択させることもできます。このページでは、テキストを分類するプロンプトの作成方法について説明します。
分類のユースケース
テキスト分類の一般的なユースケースは次のとおりです。
- 不正行為の検出: 財務データのトランザクションが不正かどうかを分類します。
- 迷惑メールフィルタ: メールが迷惑メールかどうかを識別します。
- 感情分析: テキストから伝わるセンチメントをポジティブまたはネガティブに分類します。たとえば、映画のレビューやメールをポジティブまたはネガティブに分類できます。
- コンテンツ管理: 攻撃的な表現やフィッシングなど、有害である可能性があるコンテンツを特定して報告します。
分類プロンプトのベスト プラクティス
温度を 0 に、Top-K を 1 に設定してみましょう。分類タスクは通常、決定論的であるため、多くの場合、これらの設定で最善の結果が得られます。
要約プロンプト
要約タスクでは、テキストから最も重要な情報を抽出します。プロンプトに情報を提供することで、モデルが要約を作成できるようにすることも、モデルに要約の作成を命令することもできます。このページでは、さまざまな種類の要約を作成するプロンプトを設計する方法について説明します。
要約のユースケース
要約の一般的なユースケースは次のとおりです。
- テキストを要約: 以下のようなテキスト コンテンツを要約します。
- ニュース記事
- 研究論文
- 法的文書
- 財務書類
- 技術ドキュメント
- お客様のフィードバック
- コンテンツの生成: 記事、ブログ、または商品説明のコンテンツを生成します。
おすすめの方法
次のガイドラインを使用して、最適な要約を作成します。
- 要約に求める特徴を指定します。
- 要約をよりクリエイティブにするには、より高い温度、Top-K、Top-P の値を指定します。詳細については、テキスト パラメータの定義の
temperature
、topK
、topP
の各パラメータをご覧ください。 - プロンプトを作成するときは、要約の目的とそこから得たいことに焦点を当ててください。
抽出プロンプト
抽出プロンプトを使用すると、テキストから特定の情報を抽出できます。
ユースケース
抽出の一般的なユースケースは次のとおりです。
- 固有表現抽出(NER): テキストから人、場所、組織、日付などの固有表現を抽出します。
- 関係の抽出: テキスト内の表現間の関係(人間の家族関係など)を抽出します。
- イベントの抽出: プロジェクトのマイルストーンやプロダクトのリリースなどのイベントをテキストから抽出します。
- 質問応答: テキストから情報を抽出して質問に答えます。
おすすめの方法
温度を 0 に、Top-K を 1 に設定してみましょう。抽出タスクは通常、決定論的であるため、多くの場合、これらの設定で最善の結果が得られます。詳細については、テキスト パラメータの定義の temperature
パラメータと topK
パラメータをご覧ください。
次のステップ
- プロンプト ギャラリーで、プロンプトの例を確認する。
- Gemini チャット プロンプト リクエストの送信方法を学習する。
- Vertex AI Studio または Vertex AI API を使用したクイックスタート チュートリアルを試す。
- テキスト プロンプトのテスト方法を学習する。