Użyj instrukcji systemowych w celu sterowania działaniem modelu

Instrukcje systemowe to rodzaj „wstępu”, który dodajesz, zanim model otrzyma dalsze instrukcje od użytkownika. Umożliwia to sterowanie działaniem modelu na podstawie konkretnych potrzeb i przypadków użycia.

arrow_downward Przejdź do przykładowych fragmentów kodu

Konfigurując instrukcję systemową, dajesz modelowi dodatkowy kontekst ułatwiający zrozumienie zadania, udostępniasz bardziej dostosowane odpowiedzi i stosujesz się do konkretnych wytycznych dotyczących pełnej interakcji użytkownika z modelem. W instrukcjach systemowych możesz określić zachowanie na poziomie usługi, niezależnie od promptów podawanych przez użytkowników. Możesz na przykład podać rolę lub personę, informacje kontekstowe i instrukcje formatowania.

Instrukcje systemowe możesz wykorzystać na wiele sposobów, m.in.:

• Określanie profilu lub roli (np. w przypadku chatbota)
• Określanie formatu wyjściowego (Markdown, YAML itp.)
• określanie stylu i tonu danych wyjściowych (np. szczegółowości, formalności i docelowego poziomu czytania);
• określanie celów lub reguł zadania (np. zwracanie fragmentu kodu bez dalszych wyjaśnień);
• podanie dodatkowego kontekstu do promptu (np. daty odcięcia wiedzy);

Gdy ustawisz instrukcję systemową, będzie ona obowiązywać w przypadku całego żądania. Działa w przypadku wielu tur użytkownika i modelu, jeśli jest uwzględniony w prompcie. Chociaż instrukcje systemowe są oddzielone od treści promptu, stanowią część ogólnych promptów, a tym samym podlegają standardowym zasadom wykorzystywania danych.

Instrukcje systemowe są obsługiwane przez wszystkie modele Gemini. Nie są one obsługiwane przez modele Imagen 3.

Ustawianie instrukcji systemowych

Ustawianie instrukcji systemowych w przypadku ogólnych zastosowań

import FirebaseAI

// Specify the system instructions as part of creating the `GenerativeModel` instance
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  systemInstruction: ModelContent(role: "system", parts: "You are a cat. Your name is Neko.")
)

// Specify the system instructions as part of creating the `GenerativeModel` instance
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
  modelName = "GEMINI_MODEL_NAME",
  systemInstruction = content { text("You are a cat. Your name is Neko.") }
)

// Specify the system instructions as part of creating the `GenerativeModel` instance
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
    .generativeModel(
      /* modelName */ "GEMINI_MODEL_NAME",
      /* generationConfig (optional) */ null,
      /* safetySettings (optional) */ null,
      /* requestOptions (optional) */ new RequestOptions(),
      /* tools (optional) */ null,
      /* toolsConfig (optional) */ null,
      /* systemInstruction (optional) */ new Content.Builder().addText("You are a cat. Your name is Neko.").build()
    );

GenerativeModelFutures model = GenerativeModelFutures.from(ai);

// ...

const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Specify the system instructions as part of creating the `GenerativeModel` instance
const model = getGenerativeModel(ai, {
  model: "GEMINI_MODEL_NAME",
  systemInstruction: "You are a cat. Your name is Neko."
});

// ...

// Specify the system instructions as part of creating the `GenerativeModel` instance
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  systemInstruction: Content.system('You are a cat. Your name is Neko.'),
);

// ...

// ...

var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Specify the system instructions as part of creating the `GenerativeModel` instance
var model = ai.GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  systemInstruction: ModelContent.Text("You are a cat. Your name is Neko.")
);

Ustawianie instrukcji systemowych dla Gemini Live API

Przykłady żądań

Oto kilka przykładów promptów systemowych, które określają oczekiwane zachowanie modelu.

Generowanie kodu

• System: jesteś ekspertem w zakresie kodowania, który specjalizuje się w renderowaniu kodu na potrzeby interfejsów frontendowych. Gdy opiszę komponent witryny, którą chcę zbudować, podaj kod HTML i CSS potrzebny do tego celu. Nie podawaj wyjaśnień dotyczących tego kodu. Zaproponuj też kilka rozwiązań dotyczących projektu interfejsu.
• Użytkownik: Utwórz na środku strony pole zawierające rotacyjnie wyświetlane obrazy z podpisami. Obraz na środku strony powinien mieć cień, aby się wyróżniać. Powinien on też prowadzić do innej strony w witrynie. Pozostaw adres URL pusty, abym mógł go wypełnić.

Generowanie sformatowanych danych

• System: jesteś asystentem dla domowych kucharzy. Otrzymujesz listę składników i odpowiadasz listą przepisów, w których są one używane. Przepisy, które nie wymagają dodatkowych składników, powinny być zawsze wymienione przed tymi, które ich potrzebują.

  Odpowiedź musi być obiektem JSON zawierającym 3 przepisy. Obiekt przepisu ma ten schemat:

  • name: nazwa przepisu;
  • usedIngredients: składniki w przepisie, które zostały podane na liście;
  • otherIngredients: składniki przepisu, które nie zostały podane na liście (pomijane, jeśli nie ma innych składników);
  • description: krótki opis przepisu, napisany w pozytywnym tonie, jakby miał zachęcić do jego wypróbowania;

• Użytkownik:

  • 0,5 kg mrożonych brokułów
  • 1 szklanka śmietany kremówki
  • 0,5 kg skrawków sera

Czatbot muzyczny

• System: odpowiesz jako historyk muzyki, wykazując się wszechstronną wiedzą na temat różnych gatunków muzycznych i podając odpowiednie przykłady. Twój ton będzie optymistyczny i entuzjastyczny, a Ty będziesz szerzyć radość z muzyki. Jeśli pytanie nie dotyczy muzyki, odpowiedź powinna brzmieć: „Nie mam na ten temat informacji”.
• Użytkownik: Jaki był najpopularniejszy gatunek muzyczny w latach 60.? Wymień 5 utworów w punktach.

Inne opcje sterowania generowaniem treści

• Dowiedz się więcej o projektowaniu promptów, aby wpływać na model i generować dane wyjściowe dostosowane do Twoich potrzeb.
• Skonfiguruj parametry modelu, aby określić, jak model ma generować odpowiedź. W przypadku modeli Gemini te parametry obejmują maksymalną liczbę tokenów wyjściowych, temperaturę, topK i topP. W przypadku Imagen obejmują one m.in. współczynnik proporcji, generowanie osób, znak wodny itp.
• Użyj ustawień bezpieczeństwa, aby dostosować prawdopodobieństwo otrzymania odpowiedzi, które mogą być uznane za szkodliwe, w tym wypowiedzi szerzące nienawiść i treści o charakterze jednoznacznie seksualnym.
• Przekaż schemat odpowiedzi wraz z promptem, aby określić konkretny schemat danych wyjściowych. Ta funkcja jest najczęściej używana podczas generowania danych wyjściowych w formacie JSON, ale można jej też używać w zadaniach klasyfikacyjnych (np. gdy chcesz, aby model używał określonych etykiet lub tagów).