O Gemini, a família de modelos do Google, é usado pelo aplicativo Gemini, pelo Google AI Studio e pela API do Gemini no Google Cloud. Os fundamentos do prompting se aplicam sem alterações. Este guia cobre o que é particular do Gemini, seguindo a orientação de design de prompts publicada pelo Google.
Nomes e limites de modelos mudam, então o conselho aqui trata de comportamentos estáveis. Consulte a documentação do Google para os modelos atuais.
Instruções de sistema
A API do Gemini aceita instruções de sistema separadamente da conversa. Use-as para o papel, as regras permanentes e as convenções de saída, e mantenha a tarefa e seus dados no conteúdo do usuário. Veja os prompts de sistema e o prompting por papéis.
No aplicativo Gemini, as instruções salvas e os Gems personalizados cumprem o mesmo propósito: um Gem é um assistente reutilizável com suas próprias instruções permanentes.
Inclua exemplos few-shot
A orientação do Google é direta neste ponto: recomenda incluir exemplos few-shot nos prompts sempre que possível e observa que prompts sem exemplos tendem a ser menos eficazes. Na prática:
- Dois a cinco exemplos costumam bastar. Exemplos demais podem fazer o modelo se ajustar excessivamente a eles.
- Mantenha a formatação idêntica entre os exemplos, incluindo delimitadores e espaçamento.
- Mostre o padrão a seguir, e não os padrões a evitar.
- Varie o conteúdo para que apenas o padrão pretendido seja compartilhado.
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 o prompt com o início da resposta esperada, como acima, é uma pista de estilo de completamento que o Gemini segue bem. Mais no prompting few-shot.
Use uma estrutura consistente
O Gemini funciona com tags no estilo XML ou títulos em Markdown para separar instruções, contexto e entrada. Escolha um estilo e use-o de forma consistente em todo o prompt. Misturar estilos deixa os limites menos claros.
Prefixos são outra estrutura leve: rótulos como Text:, Category: ou JSON: marcam o que cada parte é e o que deve vir a seguir.
Contexto longo: a pergunta por último
Os modelos do Gemini aceitam entradas muito grandes, incluindo documentos longos, bases de código e horas de áudio ou vídeo. Ao usar essa capacidade:
- Ponha a pergunta ou a instrução depois do material. A orientação do Google para contexto longo é colocar a consulta no fim.
- Não inclua material só porque cabe. Contexto irrelevante custa dinheiro e pode diluir a atenção. Veja a otimização de tokens.
- Use o cache de contexto para conteúdo grande reutilizado entre requisições.
Prompting multimodal
O Gemini aceita texto, imagens, áudio, vídeo e documentos como PDFs em um único prompt. Algumas práticas melhoram os resultados:
- Diga para onde olhar. “No segundo gráfico” ou “entre 01:20 e 02:00 no vídeo”.
- Para uma única imagem, ponha a imagem antes do texto que pergunta sobre ela.
- Peça uma descrição primeiro quando uma tarefa exige leitura cuidadosa de uma imagem e depois faça a pergunta. É uma cadeia de duas etapas.
- Dê uma regra para o ilegível. “Se um valor não estiver legível, use null.”
- Declare o formato de saída, como faria para 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.
Saída estruturada
Para a saída que o seu código analisa, defina o tipo de resposta como JSON e forneça um esquema de resposta pela API. A resposta fica então restrita a esse esquema.
- Use enums para campos com valores fixos; há também um tipo de resposta enum para classificação pura.
- Descreva os campos no esquema, já que o modelo o lê.
- Mantenha os esquemas razoavelmente simples; esquemas muito grandes ou muito aninhados podem ser rejeitados ou degradar a qualidade.
- Valide o resultado no seu código.
Veja os prompts de saída estruturada.
Pensamento
Os modelos atuais do Gemini podem raciocinar antes de responder, com uma configuração que controla quanto. Para esses modelos, descreva o objetivo e as restrições e deixe o modelo planejar. Reduza a configuração em tarefas simples e de alto volume para diminuir a latência e o custo, e aumente-a em análises de vários passos. Instruções explícitas de “pense passo a passo” acrescentam pouco quando o pensamento está ligado. Veja o prompting de cadeia de pensamento.
Fundamentação com a Pesquisa Google
A API do Gemini pode fundamentar uma resposta em resultados da Pesquisa Google e retornar citações. Use-a para perguntas sobre eventos recentes ou fatos que mudam. Para respostas que devem vir dos seus dados, forneça você mesmo os documentos e exija que o modelo responda a partir deles: veja o prompting para RAG.
Qualquer que seja a fonte, diga ao modelo o que fazer quando o contexto fornecido não contém a resposta.
Chamada de funções
As ferramentas são declaradas com um nome, uma descrição e um esquema de parâmetros. Como em qualquer modelo, a descrição é o que o modelo usa para decidir quando chamar. Seja específico sobre propósito, parâmetros e valores de retorno. Veja os prompts para agentes de IA.
Configurações de amostragem
Para tarefas que exigem consistência, como extração e classificação, o conselho habitual é uma temperatura baixa. A orientação do Google para alguns modelos recentes do Gemini é deixar a temperatura no valor padrão, porque reduzi-la pode causar laços ou raciocínio mais fraco. Consulte a documentação do modelo que você usa antes de alterá-la.
Contagem de tokens
O Gemini oferece um método de API para contar tokens, e as entradas multimodais também são contadas em tokens, com imagens, áudio e vídeo tendo cada um suas próprias taxas. Não há tokenizador offline, então o PromptFlowEngine rotula suas contagens do Gemini como aproximadas. Use a contagem da API para orçamentos.
Prompting no aplicativo Gemini
- Crie um Gem para uma tarefa que você repete, com as instruções escritas uma só vez.
- Anexe arquivos ou conecte as fontes relevantes do Google Workspace em vez de colar.
- Peça o formato: uma tabela, uma lista ou um limite de palavras.
- Comece um novo chat quando o assunto mudar.
- Mantenha credenciais e dados de clientes fora do chat.
A extensão do Chrome do PromptFlowEngine funciona dentro do Gemini: analisa e reestrutura o rascunho na caixa do prompt e avisa quando ele contém um segredo.
Erros comuns com o Gemini
| Erro | O que acontece | Correção |
|---|---|---|
| Nenhum exemplo | Formato e estilo se desviam | Adicionar de dois a cinco exemplos consistentes |
| Pergunta antes de um documento longo | Aproveitamento mais fraco do material | Pôr a pergunta por último |
| Mistura de estilos de tag e título | Limites borrados | Escolher um e mantê-lo |
| Pedido multimodal vago | Descrição genérica | Dizer para onde olhar e o que retornar |
| JSON pedido só em prosa | Saída inválida ocasional | Usar um esquema de resposta |
| Encher a janela porque dá | Custo maior, foco diluído | Enviar o que a tarefa precisa |
Otimizando um prompt para o Gemini
- Mova as regras permanentes para as instruções de sistema.
- Declare a tarefa e depois adicione exemplos consistentes.
- Coloque o material longo primeiro e a pergunta por último.
- Defina a saída com um esquema quando código a ler.
- Remova enchimento e repetição e teste de novo.
O otimizador de prompts do PromptFlowEngine cuida da última etapa com verificação, e o analisador de prompts sinaliza um formato de saída ausente antes de você executar qualquer coisa.
Compare com o guia de prompting para ChatGPT e OpenAI e o guia de prompting para Claude.