Используйте системные инструкции для управления поведением модели.

Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

Системные инструкции подобны «преамбуле», которую вы добавляете до того, как модель будет подвергнута дальнейшим инструкциям конечного пользователя. Это позволяет вам управлять поведением модели в зависимости от ваших конкретных потребностей и вариантов использования.

arrow_downward Перейти к примерам кода

Задавая системную инструкцию, вы предоставляете модели дополнительный контекст для понимания задачи, предоставляете более индивидуальные ответы и придерживаетесь конкретных рекомендаций при полном взаимодействии пользователя с моделью. Вы можете указать поведение на уровне продукта в системных инструкциях отдельно от подсказок, предоставляемых конечными пользователями. Например, вы можете включить такие вещи, как роль или персонаж, контекстную информацию и инструкции по форматированию.

Вы можете использовать системные инструкции разными способами, в том числе:

• Определение личности или роли (например, для чат-бота)
• Определение формата вывода (Markdown, YAML и т. д.)
• Определение стиля и тона вывода (например, многословие, формальность и целевой уровень чтения)
• Определение целей или правил задачи (например, возврат фрагмента кода без дополнительных пояснений)
• Предоставление дополнительного контекста для подсказки (например, ограничение знаний)

Если установлена ​​системная инструкция, она применяется ко всему запросу. Он работает при нескольких поворотах пользователя и модели, если включен в подсказку. Хотя системные инструкции отделены от содержимого подсказки, они по-прежнему являются частью общих подсказок и, следовательно, подчиняются стандартным политикам использования данных.

Системные инструкции поддерживаются всеми моделями Gemini . Они не поддерживаются моделями Imagen 3 .

Установить системные инструкции

Установите системные инструкции для общих случаев использования.

import FirebaseVertexAI

// Initialize the Vertex AI service
let vertex = VertexAI.vertexAI()

// Create a `GenerativeModel` instance
let model = vertex.generativeModel(
  modelName: "gemini-2.0-flash",
  systemInstruction: ModelContent(role: "system", parts: "You are a cat. Your name is Neko.")
)

// Initialize the Vertex AI service and create a `GenerativeModel` instance
val generativeModel = Firebase.vertexAI.generativeModel(
  modelName = "gemini-2.0-flash",
  systemInstruction = content { text("You are a cat. Your name is Neko.") }
)

// Initialize the Vertex AI service and create a `GenerativeModel` instance
GenerativeModel gm = FirebaseVertexAI.getInstance().generativeModel(
  /* modelName */ "gemini-2.0-flash",
  /* 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(gm);

import { initializeApp } from "firebase/app";
import { getVertexAI, getGenerativeModel } from "firebase/vertexai";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Vertex AI service
const vertexAI = getVertexAI(firebaseApp);

// Create a `GenerativeModel` instance
const model = getGenerativeModel(vertexAI, {
  model: "gemini-2.0-flash",
  systemInstruction: "You are a cat. Your name is Neko."
});

import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';

await Firebase.initializeApp();
// Initialize the Vertex AI service and create a `GenerativeModel` instance
final model =
      FirebaseVertexAI.instance.generativeModel(
        model: 'gemini-2.0-flash',
        systemInstruction: Content.system('You are a cat. Your name is Neko.'),
      );

Установите системные инструкции для Gemini Live API

// Initialize the Vertex AI service and create a `LiveModel` instance
val model = Firebase.vertexAI.LiveModel(
  modelName = "gemini-2.0-flash-live-preview-04-09",
  systemInstruction = content { text("You are a cat. Your name is Neko.") }
)

// Initialize the Vertex AI service and create a `LiveeModel` instance
GenerativeModel gm = FirebaseVertexAI.getInstance().LiveModel(
  /* modelName */ "gemini-2.0-flash",
  /* generationConfig (optional) */ null,
  /* requestOptions (optional) */ new RequestOptions(),
  /* tools (optional) */ null,
  /* systemInstruction (optional) */ new Content.Builder().addText("You are a cat. Your name is Neko.").build()
);
LiveModelFutures model = LiveModelFutures.from(gm);

import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';

await Firebase.initializeApp();
// Initialize the Vertex AI service and create a `LiveModel` instance
final model =
      FirebaseVertexAI.instance.liveModel(
        model: 'gemini-2.0-flash-live-preview-04-09',
        systemInstruction: Content.system('You are a cat. Your name is Neko.'),
      );

Подскажите примеры

Вот несколько примеров системных подсказок, определяющих ожидаемое поведение модели.

Генерация кода

• Система: вы эксперт по программированию, специализирующийся на рендеринге кода для интерфейсов внешнего интерфейса. Когда я описываю компонент веб-сайта, который хочу создать, пожалуйста, верните необходимые для этого HTML и CSS. Не давайте пояснений к этому коду. Также предложите несколько предложений по дизайну пользовательского интерфейса.
• Пользователь: Создайте поле в середине страницы, содержащее вращающийся набор изображений, каждое из которых имеет подпись. Изображение в центре страницы должно иметь затенение, чтобы оно выделялось. Он также должен ссылаться на другую страницу сайта. Оставьте URL-адрес пустым, чтобы я мог его заполнить.

Генерация форматированных данных

• Система: Вы помощник домашнего повара. Вы получаете список ингредиентов и в ответ отправляете список рецептов, в которых используются эти ингредиенты. Рецепты, для которых не требуются дополнительные ингредиенты, всегда следует перечислять перед теми, которые требуют дополнительных ингредиентов.

  Ваш ответ должен представлять собой объект JSON, содержащий 3 рецепта. Объект рецепта имеет следующую схему:

  • name: Название рецепта
  • UsedIngredients: ингредиенты рецепта, указанные в списке.
  • OtherIngredients: ингредиенты рецепта, которых нет в списке (опускается, если нет других ингредиентов).
  • описание: Краткое описание рецепта, написанное позитивно, как будто с целью его продать.

• Пользователь:

  • 1-фунтовый пакет замороженной брокколи
  • 1 пинта густых сливок
  • 1 фунт упаковки сырных кончиков и кусочков

Музыкальный чат-бот

• Система: вы будете отвечать как историк музыки, продемонстрировав всесторонние знания в различных музыкальных жанрах и приведя соответствующие примеры. Ваш тон будет оптимистичным и восторженным, распространяя радость музыки. Если вопрос не связан с музыкой, ответ должен быть таким: «Это мне не известно».
• Пользователь: Если человек родился в шестидесятые годы, какой музыкальный жанр был самым популярным? Перечислите пять песен по пунктам.

Другие варианты управления созданием контента

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