设计文本提示

本页面简要介绍了设计文本提示的一般指导。


如需在 Google Cloud 控制台中直接遵循有关此任务的分步指导,请点击操作演示

操作演示


支持的模型

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

常见任务类型

您可以创建文本提示来处理任意数量的任务。一些最常见的任务包括分类、摘要和提取。您可以参阅以下页面,详细了解如何为这些常见任务设计文本提示:

分类提示

分类任务会为文本分配类或类别。您可以指定可供选择的类别列表,也可以让模型从其自己的类别中进行选择。本页面介绍了如何创建对文本进行分类的提示。

分类用例

以下是文本分类的常见用例:

  • 欺诈检测:对金融数据中的交易是否欺诈进行分类。
  • 垃圾邮件过滤:识别电子邮件是否为垃圾邮件。
  • 情感分析:将文本中传达的情绪分类为积极或消极。例如,您可以将电影评论或电子邮件分类为正面或负面评价。
  • 内容审核:识别和标志可能有害的内容,例如冒犯性语言或钓鱼式攻击。

分类提示的最佳实践

尝试将温度设为零,将 Top-K 设置为 1。由于分类任务通常具有确定性,因此这些设置通常可以产生最佳结果。

摘要提示

摘要任务从文本中提取最重要的信息。可以在提示中提供信息来帮助模型创建摘要,也可以要求模型自行创建摘要。本页面介绍如何设计提示以创建不同类型的摘要。

汇总应用场景

以下是汇总的常见应用场景:

  • 总结文字:总结文字内容,例如:
    • 新闻报道。
    • 研究论文。
    • 法律文件。
    • 财务文档。
    • 技术文档。
    • 客户反馈。
  • 内容生成:为文章、博客或产品说明生成内容。

最佳实践

请遵循以下准则来创建最佳文本摘要:

  • 指定您所需的摘要具有的任何特征。
  • 如需更有创意的摘要,请指定更高的 temperature、top-K 和 top-P 值。如需了解详情,请参阅文本参数定义中的 temperaturetopKtopP 参数。
  • 在编写提示时,请专注于摘要的用途以及您要从中获得什么。

提取提示

提取提示可让您从文本中提取特定信息。

使用场景

以下是提取的常见应用场景:

  • 命名实体识别 (NER):从文本中提取命名实体,包括人、地点、组织和日期。
  • 关系提取:提取文本中实体之间的关系,例如人与人之间的家庭关系。
  • 事件提取:从文本中提取事件,例如项目里程碑和产品发布。
  • 问答:从文本中提取信息以回答问题。

最佳实践

尝试将温度设为零,将 Top-K 设置为 1。由于提取任务通常具有确定性,因此这些设置通常会产生最佳结果。如需了解详情,请参阅文本参数定义中的 temperaturetopK 参数。

后续步骤