Je nach Anwendungsfall und erforderlichem Kontrollniveau können Sie die Generierung von Antworten auf verschiedene Arten steuern.
Prompt-Design
Informieren Sie sich über das Design von Prompts, damit Sie das Modell beeinflussen können, um eine Ausgabe zu generieren, die Ihren Anforderungen entspricht.
Sie erfahren beispielsweise, wie Sie relevante Informationen zur Aufgabe strukturiert angeben.
Modellkonfiguration
Legen Sie eine Modellkonfiguration fest, um zu steuern, wie das Modell eine Antwort generiert. Die Konfigurationsoptionen hängen vom verwendeten Modell und der verwendeten Funktion ab.
Für Gemini-Modelle können Sie Parameter wie die maximale Anzahl von Ausgabetokens, die Temperatur, Top-K und Top-P konfigurieren. Wenn Sie die Gemini Live API verwenden, können Sie zusätzlich die Art der Antwort (Audio, Text) und die Stimme für Audioantworten konfigurieren.
Bei Imagen-Modellen können Sie Parameter wie die Anzahl der zu generierenden Bilder, das Seitenverhältnis und das Hinzufügen eines Wasserzeichens konfigurieren.
Sicherheitseinstellungen
Mit den Sicherheitseinstellungen können Sie die Wahrscheinlichkeit anpassen, dass Sie Antworten erhalten, die als schädlich eingestuft werden könnten. Mit diesen Einstellungen können Sie die Ausgabe auf mögliche Hassrede, Belästigung, sexuelle Anzüglichkeiten und gefährliche Inhalte prüfen.
Sie können beispielsweise Antworten blockieren, die schädliche Waren, Dienstleistungen und Aktivitäten fördern oder den Zugriff darauf ermöglichen.
Systemanweisungen
Legen Sie Systemanweisungen fest, um das Verhalten des Modells zu steuern. Diese Funktion ist wie eine „Präambel“, die Sie hinzufügen, bevor das Modell weiteren Anweisungen des Endnutzers ausgesetzt wird.
Sie können dem Modell beispielsweise mitteilen, dass es Antworten wie ein Pirat zurückgeben soll oder dass Antworten in einem bestimmten Format zurückgegeben werden sollen.
Strukturierte Ausgabe mit Antwortschema
Geben Sie ein Antwortschema zusammen mit dem Prompt an, um ein bestimmtes Ausgabeschema anzugeben. Diese Funktion wird am häufigsten beim Generieren von JSON-Ausgabe verwendet, kann aber auch für Klassifizierungsaufgaben verwendet werden, z. B. wenn das Modell bestimmte Labels oder Tags verwenden soll.