Gemini, la familia de modelos de Google, se usa a través de la aplicación Gemini, Google AI Studio y la API de Gemini en Google Cloud. Los fundamentos del prompting se aplican sin cambios. Esta guía cubre lo que es particular de Gemini, siguiendo la guía de diseño de prompts publicada por Google.
Los nombres y los límites de los modelos cambian, así que el consejo de aquí trata sobre comportamientos estables. Consulta la documentación de Google para ver los modelos actuales.
Instrucciones de sistema
La API de Gemini acepta las instrucciones de sistema por separado de la conversación. Úsalas para el rol, las reglas permanentes y las convenciones de salida, y deja la tarea y sus datos en el contenido del usuario. Consulta los prompts de sistema y el prompting por roles.
En la aplicación Gemini, las instrucciones guardadas y los Gems personalizados cumplen el mismo propósito: un Gem es un asistente reutilizable con sus propias instrucciones permanentes.
Incluye ejemplos few-shot
La guía de Google es directa en este punto: recomienda incluir ejemplos few-shot en los prompts siempre que sea posible y señala que los prompts sin ejemplos tienen probabilidad de ser menos eficaces. En la práctica:
- Suelen bastar de dos a cinco ejemplos. Demasiados pueden hacer que el modelo se sobreajuste a ellos.
- Mantén idéntico el formato en todos los ejemplos, incluidos los delimitadores y el espaciado.
- Muestra el patrón que seguir en lugar de los patrones que evitar.
- Varía el contenido para que solo se comparta el patrón buscado.
Classify the request as question, complaint, or praise.
Text: "How do I export my data?"
Category: question
Text: "The app crashed twice during checkout."
Category: complaint
Text: "{{text}}"
Category:
Terminar el prompt con el comienzo de la respuesta esperada, como arriba, es una pista de estilo completado que Gemini sigue bien. Más en el prompting few-shot.
Usa una estructura coherente
Gemini funciona con etiquetas de estilo XML o encabezados Markdown para separar las instrucciones, el contexto y la entrada. Elige un estilo y úsalo de forma coherente en todo el prompt. Mezclar estilos hace menos claros los límites.
Los prefijos son otra estructura ligera: etiquetas como Text:, Category: o JSON: indican qué es cada parte y qué debe venir a continuación.
Contexto largo: la pregunta al final
Los modelos de Gemini aceptan entradas muy grandes, como documentos largos, bases de código y horas de audio o vídeo. Cuando uses esa capacidad:
- Pon la pregunta o la instrucción después del material. La guía de Google para el contexto largo es colocar la consulta al final.
- No incluyas material solo porque cabe. El contexto irrelevante cuesta dinero y puede diluir la atención. Consulta la optimización de tokens.
- Usa la caché de contexto para contenido grande que se reutiliza entre solicitudes.
Prompting multimodal
Gemini acepta texto, imágenes, audio, vídeo y documentos como PDF en un mismo prompt. Algunas prácticas mejoran los resultados:
- Indica qué mirar. «En el segundo gráfico» o «entre 01:20 y 02:00 del vídeo».
- Para una sola imagen, pon la imagen antes del texto que pregunta por ella.
- Pide primero una descripción cuando una tarea necesita una lectura cuidadosa de una imagen y luego haz la pregunta. Es una cadena de dos pasos.
- Da una regla para lo ilegible. «Si un valor no es legible, usa null.»
- Indica el formato de salida, como harías con el texto.
The image is a photo of a utility bill. Extract the account number,
billing period, and amount due as JSON. Use null for any field you
cannot read with confidence.
Salida estructurada
Para la salida que analiza tu código, establece el tipo de respuesta en JSON y proporciona un esquema de respuesta mediante la API. La respuesta queda entonces restringida a ese esquema.
- Usa enumeraciones para los campos con valores fijos; también hay un tipo de respuesta enumerado para la clasificación pura.
- Describe los campos en el esquema, ya que el modelo lo lee.
- Mantén los esquemas razonablemente sencillos; los esquemas muy grandes o muy anidados pueden ser rechazados o degradar la calidad.
- Valida el resultado en tu código.
Consulta los prompts de salida estructurada.
Pensamiento
Los modelos actuales de Gemini pueden razonar antes de responder, con un ajuste que controla cuánto. Para estos modelos, describe el objetivo y las restricciones y deja que el modelo planifique. Baja el ajuste en tareas sencillas y de alto volumen para reducir la latencia y el coste, y súbelo para el análisis de varios pasos. Las instrucciones explícitas de «piensa paso a paso» aportan poco cuando el pensamiento está activado. Consulta el prompting de cadena de pensamiento.
Fundamentación con la Búsqueda de Google
La API de Gemini puede fundamentar una respuesta en los resultados de la Búsqueda de Google y devolver citas. Úsala para preguntas sobre acontecimientos recientes o hechos que cambian. Para las respuestas que deban salir de tus datos, aporta tú mismo los documentos y exige al modelo que responda a partir de ellos: consulta el prompting para RAG.
Sea cual sea la fuente, dile al modelo qué hacer cuando el contexto suministrado no contiene la respuesta.
Llamada a funciones
Las herramientas se declaran con un nombre, una descripción y un esquema de parámetros. Como con cualquier modelo, la descripción es lo que el modelo usa para decidir cuándo llamar. Sé específico sobre el propósito, los parámetros y los valores devueltos. Consulta los prompts para agentes de IA.
Ajustes de muestreo
Para las tareas que necesitan coherencia, como la extracción y la clasificación, el consejo habitual es una temperatura baja. La guía de Google para algunos modelos recientes de Gemini es dejar la temperatura en su valor predeterminado, porque bajarla puede provocar bucles o un razonamiento más débil. Consulta la documentación del modelo que uses antes de cambiarla.
Recuento de tokens
Gemini ofrece un método de API para contar tokens, y las entradas multimodales también se cuentan en tokens, con tarifas propias para imágenes, audio y vídeo. No hay un tokenizador sin conexión, así que PromptFlowEngine etiqueta como aproximados sus recuentos de Gemini. Usa el recuento de la API para los presupuestos.
Prompting en la aplicación Gemini
- Crea un Gem para una tarea que repitas, con sus instrucciones escritas una sola vez.
- Adjunta archivos o conecta las fuentes de Google Workspace pertinentes en lugar de pegar.
- Pide el formato: una tabla, una lista o un límite de palabras.
- Empieza un chat nuevo cuando cambie el tema.
- Mantén las credenciales y los datos de clientes fuera del chat.
La extensión de Chrome de PromptFlowEngine funciona dentro de Gemini: analiza y reestructura el borrador en el cuadro del prompt y avisa cuando contiene un secreto.
Errores comunes con Gemini
| Error | Qué ocurre | Corrección |
|---|---|---|
| Sin ejemplos | El formato y el estilo se desvían | Añadir de dos a cinco ejemplos coherentes |
| Pregunta antes de un documento largo | Peor aprovechamiento del material | Poner la pregunta al final |
| Mezcla de etiquetas y encabezados | Límites difusos | Elegir un estilo y respetarlo |
| Petición multimodal vaga | Descripción genérica | Indicar qué mirar y qué devolver |
| JSON solicitado solo en prosa | Salida no válida ocasional | Usar un esquema de respuesta |
| Llenar la ventana porque se puede | Mayor coste, enfoque diluido | Enviar lo que la tarea necesita |
Optimizar un prompt para Gemini
- Mueve las reglas permanentes a las instrucciones de sistema.
- Enuncia la tarea y luego añade ejemplos coherentes.
- Pon el material largo primero y la pregunta al final.
- Define la salida con un esquema cuando la lea código.
- Quita el relleno y la repetición, y vuelve a probar.
El optimizador de prompts de PromptFlowEngine se encarga del último paso con verificación, y el analizador de prompts señala un formato de salida ausente antes de que ejecutes nada.
Compáralo con la guía de prompting para ChatGPT y OpenAI y la guía de prompting para Claude.