GSP1151

Panoramica

Questo lab esplora il prompt engineering e le best practice per progettare prompt efficaci al fine di migliorare la qualità delle risposte generate da modelli linguistici di grandi dimensioni (LLM). Imparerai a creare prompt concisi, specifici e ben definiti, concentrandoti su un'attività alla volta. Il lab illustra anche tecniche avanzate come la trasformazione delle attività generative in attività di classificazione e l'utilizzo di esempi per migliorare la qualità delle risposte. Per ulteriori approfondimenti, consulta la documentazione ufficiale sulla progettazione dei prompt.

Gemini

Gemini è una famiglia di potenti modelli di AI generativa sviluppati da Google DeepMind, in grado di comprendere e generare diversi tipi di contenuti, tra cui testo, codice, immagini, audio e video.

API Gemini in Vertex AI

L'API Gemini in Vertex AI fornisce un'interfaccia unificata per interagire con i modelli Gemini. Ciò consente agli sviluppatori di integrare facilmente queste potenti funzionalità di AI nelle loro applicazioni. Per i dettagli più aggiornati e le funzionalità specifiche delle ultime versioni, consulta la documentazione ufficiale di Gemini.

Modelli Gemini

• Gemini Pro è progettato per ragionamenti complessi, tra cui:
  • Analisi e riepilogo di grandi quantità di informazioni.
  • Ragionamento multimodale avanzato (su testo, codice, immagini e così via).
  • Risoluzione dei problemi efficace con codebase complessi.
• Gemini Flash è ottimizzato in termini di velocità ed efficienza e offre:
  • Tempi di risposta inferiori al secondo e throughput elevato.
  • Alta qualità a un costo inferiore per un'ampia gamma di attività.
  • Funzionalità multimodali avanzate, tra cui una migliore comprensione spaziale, nuove modalità di output (testo, audio, immagini) e l'utilizzo di strumenti nativi (Ricerca Google, esecuzione del codice e funzioni di terze parti).

Prerequisiti

Prima di iniziare questo lab, dovresti acquisire familiarità con:

• Concetti di base della programmazione in Python.
• Concetti generali delle API.
• Esecuzione di codice Python in un notebook Jupyter su Vertex AI Workbench.

Obiettivi

In questo lab, imparerai a:

• Utilizzare il prompt engineering con Google Gen AI SDK.
• Applicare le best practice per la progettazione dei prompt, tra cui concisione, specificità e definizione delle attività.
• Esplorare vari casi d'uso di generazione di testo con Google Gen AI SDK, ad esempio:
  • Ideazione
  • Question answering
  • Classificazione del testo
  • Estrazione di testo
  • Riassunto del testo

Configurazione e requisiti

Prima di fare clic sul pulsante Avvia lab

Leggi le seguenti istruzioni. I lab sono a tempo e non possono essere messi in pausa. Il timer si avvia quando fai clic su Inizia il lab e ti mostra per quanto tempo avrai a disposizione le risorse Google Cloud.

Con questo lab pratico avrai la possibilità di completare le attività in un ambiente cloud reale e non di simulazione o demo. Riceverai delle nuove credenziali temporanee che potrai utilizzare per accedere a Google Cloud per la durata del lab.

Per completare il lab, avrai bisogno di:

• Accesso a un browser internet standard (Chrome è il browser consigliato).

• È ora di completare il lab: ricorda che, una volta iniziato, non puoi metterlo in pausa.

Come avviare il lab e accedere alla console Google Cloud

1. Fai clic sul pulsante Avvia lab. Se devi effettuare il pagamento per il lab, si aprirà una finestra di dialogo per permetterti di selezionare il metodo di pagamento. A sinistra, trovi il riquadro Dettagli lab con le seguenti informazioni:

   • Il pulsante Apri la console Google Cloud
   • Tempo rimanente
   • Credenziali temporanee da utilizzare per il lab
   • Altre informazioni per seguire questo lab, se necessario

2. Fai clic su Apri console Google Cloud (o fai clic con il tasto destro del mouse e seleziona Apri link in finestra di navigazione in incognito se utilizzi il browser Chrome).

   Il lab avvia le risorse e apre un'altra scheda con la pagina di accesso.

   Suggerimento: disponi le schede in finestre separate posizionate fianco a fianco.

   Nota: se visualizzi la finestra di dialogo Scegli un account, fai clic su Usa un altro account.

3. Se necessario, copia il Nome utente di seguito e incollalo nella finestra di dialogo di accesso.

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

   Puoi trovare il Nome utente anche nel riquadro Dettagli lab.

4. Fai clic su Avanti.

5. Copia la Password di seguito e incollala nella finestra di dialogo di benvenuto.

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

   Puoi trovare la Password anche nel riquadro Dettagli lab.

6. Fai clic su Avanti.

   Importante: devi utilizzare le credenziali fornite dal lab. Non utilizzare le credenziali del tuo account Google Cloud. Nota: utilizzare il tuo account Google Cloud per questo lab potrebbe comportare addebiti aggiuntivi.

7. Fai clic nelle pagine successive:

   • Accetta i termini e le condizioni.
   • Non inserire opzioni di recupero o l'autenticazione a due fattori, perché si tratta di un account temporaneo.
   • Non registrarti per le prove gratuite.

Dopo qualche istante, la console Google Cloud si apre in questa scheda.

Nota: per accedere ai prodotti e ai servizi Google Cloud, fai clic sul menu di navigazione o digita il nome del servizio o del prodotto nel campo Cerca.

Attività 1: apri il notebook in Vertex AI Workbench

1. Nella console Google Cloud, nel menu di navigazione (), fai clic su Vertex AI > Workbench.

2. Trova l'istanza e fai clic sul pulsante Apri JupyterLab.

L'interfaccia JupyterLab per la tua istanza Workbench si apre in una nuova scheda del browser.

Attività 2: configura il notebook

1. Apri il file.

2. Nella finestra di dialogo Seleziona kernel, scegli Python 3 dall'elenco dei kernel disponibili.

3. Rivedi le sezioni Introduzione e Importa librerie del notebook.

   • Per ID progetto usa e per Località usa .

Fai clic su Controlla i miei progressi per verificare l'obiettivo.

Attività 3: applica le best practice per il prompt engineering

Il prompt engineering riguarda il modo in cui progetti i prompt affinché la risposta sia quella che speri di ottenere. L'utilizzo di prompt "semplici" serve a minimizzare il rumore in un prompt per ridurre la possibilità che l'LLM interpreti erroneamente l'intent del prompt. Di seguito sono riportate alcune linee guida su come creare prompt "semplici".

In questa sezione vengono descritte le seguenti best practice per i prompt di progettazione:

• Crea prompt concisi
• Usa prompt specifici e ben definiti
• Elabora un'attività alla volta
• Migliora la qualità delle risposte includendo degli esempi
• Trasforma le attività generative in attività di classificazione per migliorare la sicurezza

1. Esamina la sezione Crea prompt concisi del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Crea prompt concisi.

2. Esamina la sezione Usa prompt specifici e ben definiti del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Usa prompt specifici e ben definiti.

3. Esamina la sezione Elabora un'attività alla volta del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Elabora un'attività alla volta.

4. Esamina la sezione Fai attenzione alle allucinazioni del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Fai attenzione alle allucinazioni.

Attività 4: riduci la variabilità dell'output

Come puoi provare a ridurre le probabilità di allucinazioni e risposte non pertinenti? Un modo è fornire all'LLM le istruzioni di sistema. In questa sezione scoprirai come funzionano le istruzioni di sistema e come puoi utilizzarle per ridurre le allucinazioni o le risposte non pertinenti per un chatbot per viaggi.

1. Esamina la sezione Utilizza le istruzioni di sistema per proteggere il modello da risposte non pertinenti del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Utilizza le istruzioni di sistema per proteggere il modello da risposte non pertinenti.

2. Esamina la sezione Trasforma le attività generative in attività di classificazione per ridurre la variabilità dell'output del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Le attività generative comportano una maggiore variabilità dell'output.

3. Esamina la sezione Le attività di classificazione riducono la variabilità dell'output del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Le attività di classificazione riducono la variabilità dell'output.

Attività 5: migliora la qualità delle risposte includendo degli esempi

Un altro modo per migliorare la qualità delle risposte è aggiungere esempi nel prompt. L'LLM apprende contestualmente dagli esempi come rispondere. In genere, sono sufficienti da uno a cinque esempi (shot) per migliorare la qualità delle risposte. L'inclusione di troppi esempi può causare l'overfitting dei dati da parte del modello e ridurre la qualità delle risposte.

Come per l'addestramento di modelli classici, la qualità e la distribuzione degli esempi sono molto importanti. Scegli esempi rappresentativi degli scenari che vuoi che il modello apprenda e mantieni la distribuzione degli esempi (ad es. il numero di esempi per classe nel caso della classificazione) in linea con la distribuzione effettiva.

1. Esamina la sezione Migliora la qualità delle risposte includendo degli esempi del notebook.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Migliora la qualità delle risposte includendo degli esempi.

Complimenti!

Complimenti! In questo lab hai appreso le best practice per il prompt engineering utilizzando l'AI generativa con Google Gemini. Hai esplorato i casi d'uso che seguono le best practice per creare prompt concisi, specifici e ben definiti, fornire esempi ed elaborare un'attività alla volta quando utilizzi gli LLM per generare risposte.

Passaggi successivi/Scopri di più

Dai un'occhiata alle seguenti risorse per scoprire di più su Gemini:

• Panoramica di Gemini
• Documentazione sull'AI generativa su Vertex AI
• AI generativa su YouTube
• Esplora il cookbook di Vertex AI per accedere a una galleria selezionata e consultabile di notebook sull'AI generativa.
• Esplora altri notebook ed esempi nel repository dell'AI generativa di Google Cloud.

Formazione e certificazione Google Cloud

… per utilizzare al meglio le tecnologie Google Cloud. I nostri corsi ti consentono di sviluppare competenze tecniche e best practice per aiutarti a metterti subito al passo e avanzare nel tuo percorso di apprendimento. Offriamo vari livelli di formazione, dal livello base a quello avanzato, con opzioni di corsi on demand, dal vivo e virtuali, in modo da poter scegliere il più adatto in base ai tuoi impegni. Le certificazioni ti permettono di confermare e dimostrare le tue abilità e competenze relative alle tecnologie Google Cloud.

Ultimo aggiornamento del manuale: 12 febbraio 2025

Ultimo test del lab: 12 febbraio 2025

Copyright 2025 Google LLC Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.