GSP1151

Descripción general

En este lab, se explora la ingeniería de instrucciones y las prácticas recomendadas para diseñar instrucciones eficaces que mejoren la calidad de las respuestas generadas por el LLM. Aprenderás a crear instrucciones concisas, específicas y bien definidas, enfocándote en una tarea a la vez. El lab también abarca técnicas avanzadas, como convertir tareas generativas en tareas de clasificación y usar ejemplos para mejorar la calidad de las respuestas. Para explorar más, consulta la documentación oficial sobre el diseño de instrucciones.

Gemini

Gemini es una familia de potentes modelos de IA generativa desarrollados por Google DeepMind que son capaces de comprender y generar varias formas de contenido, como texto, código, imágenes, audio y video.

API de Gemini en Vertex AI

La API de Gemini en Vertex AI proporciona una interfaz unificada para interactuar con modelos de Gemini. Esto permite que los desarrolladores integren fácilmente estas potentes capacidades de IA a sus aplicaciones. Para conocer los detalles más recientes y las funciones específicas de las últimas versiones, consulta la documentación oficial de Gemini.

Modelos de Gemini

• Gemini Pro: Se diseñó para tareas de razonamiento complejo, como las siguientes:
  • Analizar y resumir grandes cantidades de información.
  • Razonamiento multimodal sofisticado (en texto, código, imágenes, etc.).
  • Resolución de problemas eficaz con bases de código complejas.
• Gemini Flash: Optimizado para velocidad y eficiencia, con las siguientes características:
  • Tiempos de respuesta de menos de un segundo y alta capacidad de procesamiento.
  • Alta calidad a un costo más bajo para una amplia variedad de tareas.
  • Funciones multimodales mejoradas, incluidas la comprensión espacial, nuevas modalidades de resultados (texto, audio, imágenes) y el uso de herramientas nativas (Búsqueda de Google, ejecución de código y funciones de terceros).

Requisitos previos

Antes de comenzar este lab, debes tener los siguientes conocimientos:

• Programación de Python básica
• Conceptos generales sobre APIs
• Ejecución de código de Python en un notebook de Jupyter en Vertex AI Workbench

Objetivos

En este lab, aprenderás a hacer lo siguiente:

• Comenzar a usar la ingeniería de instrucciones con el SDK de IA generativa de Google
• Aplicar las prácticas recomendadas para el diseño de instrucciones, como la concisión, la especificidad y la definición de tareas
• Explorar varios casos de uso de generación de texto con el SDK de IA generativa de Google, como los siguientes:
  • Ideación
  • Búsqueda de respuestas
  • Clasificación de texto
  • Extracción de textos
  • Resumen de textos

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs cuentan con un temporizador que no se puede pausar. El temporizador, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar. Se recomienda el navegador Chrome.

• Tiempo para completar el lab (recuerda que, una vez que comienzas un lab, no puedes pausarlo).

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá un diálogo para que selecciones la forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón para abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debes usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

   {{{user_0.username | "Username"}}}

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

   {{{user_0.password | "Password"}}}

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haz clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para acceder a los productos y servicios de Google Cloud, haz clic en el menú de navegación o escribe el nombre del servicio o producto en el campo Buscar.

Tarea 1. Abre el notebook en Vertex AI Workbench

1. En el menú de navegación () de la consola de Google Cloud, haz clic en Vertex AI > Workbench.

2. Busca la instancia y haz clic en el botón Abrir JupyterLab.

La interfaz de JupyterLab para tu instancia de Workbench se abrirá en una pestaña nueva del navegador.

Tarea 2. Configura el notebook

1. Abre el archivo .

2. En el cuadro de diálogo Select Kernel, elige Python 3 en la lista de kernels disponibles.

3. Ejecuta las secciones Getting Started e Import libraries del notebook.

   • Para Project ID, usa , y para Location, usa .

Haz clic en Revisar mi progreso para verificar el objetivo.

Tarea 3. Prácticas recomendadas para la ingeniería de instrucciones

La ingeniería de instrucciones se trata de cómo diseñar las instrucciones para que la respuesta sea lo que realmente esperabas ver. La idea de usar instrucciones "no sofisticadas" es minimizar el ruido en la instrucción para reducir la posibilidad de que el LLM malinterprete la intención. A continuación, se incluyen algunos lineamientos para diseñar instrucciones "no sofisticadas".

En esta sección, abordarás las siguientes prácticas recomendadas para diseñar instrucciones:

• Sé breve.
• Apela a la especificidad y a la precisión.
• Solicita una tarea a la vez.
• Incluye ejemplos para mejorar la calidad de las respuestas.
• Convierte las tareas generativas en tareas de clasificación para mejorar la seguridad.

1. Revisa la sección Sé breve del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Sé breve

2. Revisa la sección Apela a la especificidad y a la precisión del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Apelar a la especificidad y a la precisión

3. Ejecuta la sección Solicita una tarea a la vez del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Solicitar una tarea a la vez

4. Revisa la sección Ten cuidado con las alucinaciones del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Tener cuidado con las alucinaciones

Tarea 4. Reduce la variabilidad de los resultados

¿Cómo puedes intentar reducir las posibilidades de recibir respuestas irrelevantes y alucinaciones? Una forma es proporcionarle al LLM instrucciones del sistema. En esta sección, verás cómo funcionan las instrucciones del sistema y cómo puedes usarlas para reducir las alucinaciones o las respuestas irrelevantes de un chatbot de viajes.

1. Revisa la sección del notebook Cómo usar instrucciones del sistema para proteger el modelo de respuestas irrelevantes.

Haz clic en Revisar mi progreso para verificar el objetivo. Usar instrucciones del sistema para proteger el modelo de respuestas irrelevantes

2. Consulta la sección del notebook Convierte las tareas generativas en tareas de clasificación para reducir la variabilidad de los resultados.

Haz clic en Revisar mi progreso para verificar el objetivo. Las tareas generativas aumentan la variabilidad de los resultados

3. Revisa la sección del notebook Las tareas de clasificación reducen la variabilidad de los resultados.

Haz clic en Revisar mi progreso para verificar el objetivo. Las tareas de clasificación reducen la variabilidad de los resultados

Tarea 5. Incluye ejemplos para mejorar la calidad de las respuestas

Otra forma de mejorar la calidad de las respuestas es agregar ejemplos en la instrucción. El LLM aprende en contexto de los ejemplos que se proporcionan sobre cómo responder. En general, entre uno y cinco ejemplos (o intentos) son suficientes para mejorar la calidad de las respuestas. Incluir demasiados ejemplos puede hacer que el modelo se sobreajuste a los datos y reduzca la calidad de las respuestas.

Al igual que en el entrenamiento de modelos clásico, la calidad y la distribución de los ejemplos son muy importantes. Elige ejemplos que sean representativos de las situaciones que necesitas que el modelo aprenda y mantén la distribución de los ejemplos (p. ej., la cantidad de ejemplos por clase en el caso de la clasificación) alineada con tu distribución real.

1. Consulta la sección del notebook Incluye ejemplos para mejorar la calidad de las respuestas.

Haz clic en Revisar mi progreso para verificar el objetivo. Mejora la calidad de respuestas con ejemplos.

¡Felicitaciones!

¡Felicitaciones! En este lab, aprendiste las prácticas recomendadas para la ingeniería de instrucciones utilizando IA generativa con Google Gemini. Exploraste casos de uso en los que se siguen las prácticas recomendadas de apelar a la brevedad, la especificidad y la precisión, proporcionar ejemplos y realizar una consulta a la vez cuando usas los LLM para generar respuestas.

Próximos pasos/Más información

Consulta los siguientes recursos para obtener más información sobre Gemini:

• Descripción general de Gemini
• Documentación sobre IA generativa en Vertex AI
• IA generativa en YouTube
• Explora la guía de soluciones de Vertex AI para ver una galería de notebooks seleccionada sobre la IA generativa en la que puedes realizar búsquedas.
• Explora otros notebooks y ejemplos en el repositorio de IA generativa de Google Cloud.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 12 de febrero de 2025

Prueba más reciente del lab: 12 de febrero de 2025

Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.