Textaufforderungen erstellen

Auf dieser Seite erhalten Sie eine Übersicht über die allgemeine Konfiguration von Text-Prompts.

Klicken Sie auf Anleitung, um eine detaillierte Anleitung für diese Aufgabe direkt in der Google Cloud Console aufzurufen.

Anleitung

Unterstützte Modelle

  • Gemini 1.5 Flash
  • Gemini 1.5 Pro,
  • Gemini 1.0 Pro

Gängige Aufgabentypen

Sie können Text-Prompts für die Verarbeitung einer beliebigen Anzahl von Aufgaben erstellen. Zu den gängigsten Aufgaben zählen Klassifizierung, Zusammenfassung und Extraktion. Weitere Informationen zum Entwerfen von Text-Prompts für diese allgemeinen Aufgaben finden Sie auf den folgenden Seiten:

Prompts zur Klassifizierung

Bei Klassifizierungsaufgaben wird Text eine Klasse oder Kategorie zugewiesen. Sie können eine Liste mit Kategorien auswählen oder das Modell aus seinen eigenen Kategorien auswählen lassen. Auf dieser Seite erfahren Sie, wie Sie Prompts erstellen, die Text klassifizieren.

Anwendungsfälle für Klassifizierung

Im Folgenden sind einige gängige Anwendungsfälle für die Textklassifizierung aufgeführt:

  • Betrugserkennung: Klassifizieren Sie, ob Transaktionen in Finanzdaten betrügerisch sind oder nicht.
  • Spamfilter: Erkennen, ob es sich bei einer E-Mail um Spam handelt.
  • Sentimentanalyse: Klassifizieren Sie die im Text vermittelte Stimmung als positiv oder negativ. Sie können beispielsweise Filmrezensionen oder E-Mails als positiv oder negativ klassifizieren.
  • Inhalte moderieren: Identifizieren und melden Sie potenziell schädliche Inhalte wie anstößige Sprache oder Phishing.

Best Practices für Klassifizierung-Prompts

Versuchen Sie, die Temperatur auf null und Top-K auf eins zu setzen. Klassifizierungsaufgaben sind in der Regel deterministisch, sodass diese Einstellungen häufig die besten Ergebnisse liefern.

Aufforderungen zur Zusammenfassung

Bei Zusammenfassungsaufgaben werden die wichtigsten Informationen aus Text extrahiert. Sie können Informationen im Prompt angeben, damit das Modell eine Zusammenfassung erstellen kann, oder das Modell auffordern, selbst eine Zusammenfassung zu erstellen. Auf dieser Seite erfahren Sie, wie Sie Prompts entwerfen, um verschiedene Arten von Zusammenfassungen zu erstellen.

Anwendungsfälle für Zusammenfassung

Im Folgenden sind gängige Anwendungsfälle für die Zusammenfassung aufgeführt:

  • Text zusammenfassen: Textinhalt wie die folgenden zusammenfassen:
    • Nachrichtenartikel
    • Forschungsberichte
    • Rechtsdokumente
    • Finanzdokumente.
    • Technische Dokumente
    • Kundenfeedback
  • Inhaltsgenerierung: Generieren Sie Inhalte für einen Artikel, einen Blog oder eine Produktbeschreibung.

Best Practices

Beachten Sie beim Erstellen optimaler Textzusammenfassungen die folgenden Richtlinien:

  • Geben Sie alle Merkmale an, die die Zusammenfassung haben soll.
  • Wenn Sie weitere kreative Zusammenfassungen erhalten möchten, geben Sie Werte für die Höchst-, die Top-K- und die Top-P-Werte der Temperatur an. Weitere Informationen zu den Parametern temperature, topK und topP finden Sie unter Textparameterdefinitionen.
  • Wenn Sie einen Prompt schreiben, sollten Sie sich auf den Zweck der Zusammenfassung konzentrieren und wissen, was Sie damit erreichen wollen.

Extraktions-Prompts

Mit Extrahierungsprompts können Sie bestimmte Informationen aus Text extrahieren.

Anwendungsfälle

Im Folgenden sind einige gängige Anwendungsfälle für die Extraktion aufgeführt:

  • Benannte Entitätserkennung (NER): Extrahiert benannte Entitäten aus Text, einschließlich Personen, Orten, Organisationen und Datumsangaben.
  • Beziehungsextraktion: Extrahiert die Beziehungen zwischen Entitäten in Text, z. B. Familienbeziehungen zwischen Personen.
  • Ereignisextraktion: Extrahiert Ereignisse aus Text, z. B. Projekt-Meilensteine und Produkteinführungen.
  • Question Answering: Extrahiert Informationen aus Text, um eine Frage zu beantworten.

Best Practices

Versuchen Sie, die Temperatur auf null und Top-K auf eins zu setzen. Extraktionsaufgaben sind in der Regel deterministisch, sodass diese Einstellungen häufig die besten Ergebnisse liefern. Weitere Informationen zu den Parametern temperature und topK finden Sie unter Textparameterdefinitionen.

Nächste Schritte