Используйте системные инструкции для управления поведением модели.

Системные инструкции — это своего рода «преамбула», которую вы добавляете перед тем, как модель будет подвергнута каким-либо дальнейшим инструкциям со стороны конечного пользователя. Она позволяет вам управлять поведением модели в соответствии с вашими конкретными потребностями и сценариями использования.

Системные инструкции поддерживаются всеми моделями Gemini . Модели Imagen их не поддерживают.

arrow_downward Перейти к примерам кода

При создании системной инструкции вы предоставляете модели дополнительный контекст для понимания задачи, обеспечения более персонализированных ответов и соблюдения конкретных рекомендаций на протяжении всего взаимодействия пользователя с моделью. В системных инструкциях можно указать поведение на уровне продукта, отдельно от подсказок, предоставляемых конечными пользователями. Например, можно включить такие элементы, как роль или профиль, контекстную информацию и инструкции по форматированию.

Системные инструкции можно использовать различными способами, в том числе:

• Определение образа или роли (например, для чат-бота).
• Определение формата вывода (Markdown, YAML и т. д.)
• Определение стиля и тональности текста (например, многословность, формальность и целевой уровень сложности для чтения).
• Определение целей или правил для выполнения задачи (например, возврат фрагмента кода без дополнительных пояснений).
• Предоставление дополнительного контекста к вопросу (например, порогового значения уровня знаний).

Когда устанавливается системная инструкция, она применяется ко всему запросу. Она работает для нескольких пользовательских и модельных циклов, если включена в подсказку. Хотя системные инструкции отделены от содержимого подсказки, они все же являются частью ваших общих подсказок и, следовательно, подпадают под действие стандартных правил использования данных.

Настройка системных инструкций

Настройте системные инструкции для общих сценариев использования.

import FirebaseAILogic

// 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.")
);

Установите системные инструкции для Gemini Live API

// ...

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

// ...

// ...

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

// ...

// ...

// Specify the system instructions as part of creating the `LiveModel` instance
LiveGenerativeModel lm = FirebaseAI.getInstance(GenerativeBackend.googleAI()).liveModel(
          /* modelName */ "GEMINI_LIVE_MODEL_NAME",
          /* systemInstruction (optional) */ new Content.Builder().addText("You are a cat. Your name is Neko.").build()
          // ...
);

LiveModelFutures liveModel = LiveModelFutures.from(lm);

// ...

// ...

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

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

// ...

// ...

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

// ...

// ...

// Specify the system instructions as part of creating the `LiveModel` instance
var liveModel = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetLiveModel(
  modelName: "GEMINI_LIVE_MODEL_NAME",
  systemInstruction: ModelContent.Text("You are a cat. Your name is Neko."),
  // ...
);

// ...

Примеры системных инструкций

Ниже приведены несколько примеров системных инструкций, которые помогают управлять ожидаемым поведением модели. В некоторых примерах также показан пример запроса, для которого системная инструкция может быть полезна.

Генерация кода

• Системная инструкция:
  Вы — эксперт в программировании, специализирующийся на рендеринге кода для фронтенд-интерфейсов. Когда я буду описывать компонент веб-сайта, который хочу создать, пожалуйста, предоставьте HTML и CSS, необходимые для этого. Не давайте пояснений к этому коду. Также предложите несколько вариантов дизайна пользовательского интерфейса.

• Запрос пользователя:
  Создайте в центре страницы блок, содержащий сменяющиеся изображения, каждое с подписью. Изображение в центре страницы должно иметь тень, чтобы выделяться. Оно также должно содержать ссылку на другую страницу сайта. Оставьте поле URL пустым, чтобы я мог его заполнить.

Музыкальный чат-бот

• Системная инструкция:
  Вы должны ответить как историк музыки, продемонстрировав всесторонние знания в различных музыкальных жанрах и приведя соответствующие примеры. Ваш тон должен быть оптимистичным и полным энтузиазма, распространяя радость музыки. Если вопрос не связан с музыкой, ответ должен быть: «Это выходит за рамки моих знаний».

• Запрос пользователя:
  Если человек родился в шестидесятые годы, какой музыкальный жанр был самым популярным? Перечислите пять песен по пунктам.

Генерация форматированных данных

• Системная инструкция:
  Вы работаете помощником у домашних поваров. Вы получаете список ингредиентов и отвечаете списком рецептов, в которых эти ингредиенты используются. Рецепты, не требующие дополнительных ингредиентов, всегда следует указывать перед теми, которые их требуют.

  В ответе должен быть JSON-объект, содержащий 3 рецепта. Объект рецепта имеет следующую схему:

  • Название: Название рецепта
  • Используемые ингредиенты: Ингредиенты, указанные в рецепте в списке.
  • otherIngredients: Ингредиенты, указанные в рецепте, но не включенные в список (опускаются, если других ингредиентов нет).
  • Описание: Краткое описание рецепта, написанное в позитивном ключе, как бы с целью его продажи.

• Запрос пользователя:

  • 1 фунт (450 г) замороженной брокколи
  • 1 пинта жирных сливок
  • Упаковка сырных обрезков и кусочков (1 фунт)

Другие варианты управления генерацией контента.

• Узнайте больше о разработке подсказок , чтобы вы могли влиять на модель и генерировать результаты, соответствующие вашим потребностям.
• Настройте параметры модели , чтобы управлять тем, как модель генерирует ответ. Для моделей Gemini эти параметры включают максимальное количество выходных токенов, температуру, topK и topP. Для моделей Imagen это включает соотношение сторон, генерацию людей, водяные знаки и т. д.
• Используйте настройки безопасности , чтобы скорректировать вероятность получения ответов, которые могут быть расценены как вредные, включая разжигание ненависти и контент сексуального характера.
• Передайте схему ответа вместе с запросом, чтобы указать конкретную схему вывода. Эта функция чаще всего используется при генерации выходных данных в формате JSON , но ее также можно использовать для задач классификации (например, когда вы хотите, чтобы модель использовала определенные метки или теги).