Starting November 2, 2026, Firebase App Check enforcement will be required to use Firebase AI Logic. Learn more.
Model updates:
Gemini 4 Hydrogen is now
available to use with Firebase AI Logic!
Learn more.
Gemini 2.5 models are deprecated or shut down. For the
Agent Platform Gemini API, all general-use Gemini 2.5 models
have shut down. For the Gemini Developer API, starting
December 1, 2026, requests to the general-use
Gemini 2.5 Flash and Pro models will be automatically routed to newer
models (which may cause breaking changes;
learn more).
To avoid service disruptions, update to a newer model (like
gemini-4-hydrogen,
gemini-3.8-flash,
gemini-3.5-flash-lite, or
gemini-nano-banana-2.1).
Learn more.
Google برای ترجمه محتوا به زبان ترجیحی شما از فناوری هوشواره استفاده می‌کند. ترجمه‌های هوشواره‌ای ممکن است اشتباه داشته باشند.
درک طراحی پیام‌واره
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
روی ارائه‌دهنده Gemini API خود کلیک کنید تا محتوا و کد مختص ارائه‌دهنده را در این صفحه ببینید.
وقتی درخواستی به مدل زایا ارسال می‌کنید، همراه با درخواستتان یک پیام‌واره نیز ارسال می‌کنید. با ساختن دقیق این پیام‌واره‌ها، می‌توانید بر مدل تأثیر بگذارید تا خروجی خاصی را برای نیازهای شما تولید کند.
پیام‌واره برای مدل‌های Gemini
پیام‌واره‌های مدل‌های Gemini می‌تواند حاوی سؤال، دستورالعمل، اطلاعات زمینه‌ای، نمونه‌های چندتایی، و ورودی جزئی برای تکمیل یا ادامه دادن توسط مدل باشد.
در مستندات Gemini Developer API درباره طراحی پیام‌واره بیشتر بدانید:
پارامترهای مدل را پیکربندی کنید تا نحوه تولید پاسخ توسط مدل را کنترل کنید، مانند حداکثر داده‌واحدهای خروجی، احتمال تکرار داده‌واحدهای خروجی، و غیره.
از تنظیمات ایمنی
برای تنظیم احتمال دریافت پاسخ‌هایی که ممکن است
مضر تلقی شوند، ازجمله سخنان مشوق عداوت و تنفر و محتوای صریح جنسی، استفاده کنید.
دستورالعمل‌های سیستم را تنظیم کنید
تا رفتار مدل را هدایت کنید. این ویژگی مانند مقدمه‌ای است که قبل‌از اینکه مدل درمعرض دستورالعمل‌های بیشتر ازسوی کاربر نهایی قرار گیرد، اضافه می‌کنید.
یک طرح پاسخ
را همراه با پیام‌واره ارسال کنید تا طرح خروجی خاصی را مشخص کنید. این ویژگی
بیشتر هنگام
تولید خروجی JSON استفاده می‌شود،
اما می‌توان از آن برای
تکالیف طبقه‌بندی نیز استفاده کرد
(مثلاً وقتی می‌خواهید مدل از برچسب‌ها یا برچسب‌های خاصی استفاده کند).
