GSP1151

概要

このラボでは、LLM によって生成される回答の質を向上できるよう、効果的なプロンプトを設計するためのプロンプト エンジニアリングとベスト プラクティスについて説明します。一度に 1 つのタスクに焦点を当て、簡潔で、具体的かつ明確なプロンプトを作成する方法を学びます。また、生成タスクを分類タスクに変換する方法や、例を使って回答の質を高める方法などの高度な手法についても説明します。詳しくは、プロンプト設計に関する公式ドキュメントをご覧ください。

Gemini

Gemini は、Google DeepMind が開発した強力な生成 AI モデルのファミリーであり、テキスト、コード、画像、音声、動画などのさまざまな形式のコンテンツを理解し、生成することができます。

Vertex AI の Gemini API

Vertex AI の Gemini API は、Gemini モデルを操作するための統合インターフェースを提供します。これにより、開発者は強力な AI 機能をアプリケーションに簡単に組み込むことができます。最新バージョンの詳細情報と具体的な機能については、Gemini の公式ドキュメントをご覧ください。

Gemini モデル

• Gemini Pro: 複雑な推論向けに設計されており、次のようなことができます。
  • 膨大な量の情報の分析と要約。
  • 高度なクロスモーダル推論（テキスト、コード、画像など）。
  • 複雑なコードベースでの効果的な問題解決。
• Gemini Flash: 速度と効率が向上するように最適化されており、以下を提供します。
  • 1 秒未満の応答時間と高スループット。
  • 高品質かつ低コストでの幅広いタスクの実行。
  • 空間理解の向上、新しい出力形式（テキスト、音声、画像）、ネイティブでのツール使用（Google 検索、コード実行、サードパーティ機能）など、強化されたマルチモーダル機能。

前提条件

このラボを開始する前に、以下について理解しておく必要があります。

• 基本的な Python プログラミング。
• 一般的な API のコンセプト。
• Vertex AI Workbench の Jupyter ノートブックでの Python コードの実行。

目標

このラボでは、次の方法について学びます。

• Google Gen AI SDK を使用してプロンプト エンジニアリングを開始する。
• 簡潔、具体的、タスクの定義など、プロンプト設計のベスト プラクティスを適用する。
• Google Gen AI SDK を使用して、次のようなさまざまなテキスト生成のユースケースを確認する。
  • アイディエーション
  • 質問応答
  • テキスト分類
  • テキスト抽出
  • テキスト要約

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。

このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モード（推奨）またはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生しないようにすることができます。

• ラボを完了するための時間（開始後は一時停止できません）

注: このラボでは、受講者アカウントのみを使用してください。別の Google Cloud アカウントを使用すると、そのアカウントに料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

1. [ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるダイアログでお支払い方法を選択してください。 左側の [ラボの詳細] ペインには、以下が表示されます。

   • [Google Cloud コンソールを開く] ボタン
   • 残り時間
   • このラボで使用する必要がある一時的な認証情報
   • このラボを行うために必要なその他の情報（ある場合）

2. [Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。

   ラボでリソースがスピンアップし、別のタブで [ログイン] ページが表示されます。

   ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。

   注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

3. 必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもユーザー名を確認できます。

4. [次へ] をクリックします。

5. 以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。

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

   [ラボの詳細] ペインでもパスワードを確認できます。

6. [次へ] をクリックします。

   重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

7. その後次のように進みます。

   • 利用規約に同意してください。
   • 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
   • 無料トライアルには登録しないでください。

その後、このタブで Google Cloud コンソールが開きます。

注: Google Cloud のプロダクトやサービスにアクセスするには、ナビゲーション メニューをクリックするか、[検索] フィールドにサービス名またはプロダクト名を入力します。

タスク 1. Vertex AI Workbench でノートブックを開く

1. Google Cloud コンソールのナビゲーション メニュー（）で、[Vertex AI] > [ワークベンチ] の順にクリックします。

2. インスタンスを見つけて、[JupyterLab を開く] ボタンをクリックします。

Workbench インスタンスの JupyterLab インターフェースが新しいブラウザタブで開きます。

タスク 2. ノートブックを設定する

1. ファイルを開きます。

2. [Select Kernel] ダイアログで、使用可能なカーネルのリストから [Python 3] を選択します。

3. ノートブックの「Getting Started」（スタートガイド）セクションと「Import libraries」（ライブラリのインポート）セクションをすべて実行します。

   • [Project ID] に を使用し、[Location] に を使用します。

注: 「Colab only」（Colab のみ）と記載されているノートブック セルの実行は省略できます。 いずれかのノートブック セルの実行で 429 応答が返される場合は、1 分待ってから再度セルを実行し、次に進んでください。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。

パッケージをインストールし、ライブラリをインポートする。

タスク 3. プロンプト エンジニアリングのベスト プラクティス

プロンプト エンジニアリングとは、期待する回答を得るためにプロンプトをどのように設計するかに関わる分野です。「シンプルな」プロンプトを使用する目的は、プロンプトのノイズを最小限に抑えることで、LLM がプロンプトの意図を誤って解釈する可能性を減らすことです。以下に、「シンプルな」プロンプトを作成するためのガイドラインを示します。

このセクションでは、プロンプトの作成に役立つ次のベスト プラクティスについて説明します。

• 簡潔にする
• 具体的かつ明確にする
• 一度に 1 つのタスクを頼む
• 例を与えて回答の質を高める
• 生成タスクを分類タスクに変えて安全性を向上させる

1. ノートブックの簡潔にするセクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 簡潔にする

2. ノートブックの具体的かつ明確にするセクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 具体的かつ明確にする

3. ノートブックの一度に 1 つのタスクを頼むセクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 一度に 1 つのタスクを頼む

4. ノートブックのハルシネーションに注意するセクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 ハルシネーションに注意する

タスク 4. 出力のばらつきを削減する

無関係な回答やハルシネーションが発生する可能性を減らすにはどうすればよいでしょうか。1 つは、LLM にシステム指示を設定することです。このセクションでは、システム指示の仕組みと、システム指示を使用して旅行 chatbot のハルシネーションや無関係な回答を減らす方法について説明します。

1. ノートブックのシステム指示を使用してモデルが無関係な回答をしないよう調整するセクションをすべて実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 システム指示を使用してモデルが無関係な回答をしないよう調整する

2. ノートブックの生成タスクを分類タスクに変えて出力のばらつきを削減するセクションをすべて実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 生成タスクは出力のばらつきの増大につながる

3. ノートブックの分類タスクでは出力のばらつきが小さくなるセクションを実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 分類タスクでは出力のばらつきが小さくなる

タスク 5. 例を与えて回答の質を高める

回答の質を高めるもう一つの方法は、プロンプトに例を追加することです。大規模言語モデル（LLM）は、回答方法の例からコンテキスト内で学習します。通常、回答の質を改善するには 1～5 個の例（ショット）を提示すれば十分です。例の数が多すぎると、モデルがデータを過学習して回答の質が低下する可能性があります。

従来のモデル トレーニングと同様に、例の質と分布が非常に重要です。モデルに学習させたいシナリオを代表する例を選び、例の分布（分類タスクの場合はクラスごとの例の数など）を実際の分布に合わせます。

1. ノートブックの例を与えて回答の質を高めるセクションをすべて実行します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 例を与えて回答の質を高める

お疲れさまでした

これで完了です。このラボでは、Google Gemini で生成 AI を使用する場合のプロンプト エンジニアリングにおけるベスト プラクティスを学びました。LLM を使用して回答を得ようとする場合は、簡潔にする、具体的かつ明確にする、例を与える、一度に 1 つのタスクを頼むというベスト プラクティスに従っているユースケースを確認しました。

次のステップと詳細情報

以下のリソースで Gemini に関する理解を深めましょう。

• Gemini の概要
• Vertex AI の生成 AI に関するドキュメント
• 生成 AI に関する YouTube チャンネル
• Vertex AI クックブック。生成 AI に関するノートブックを集めた、検索可能なギャラリーです。
• Google Cloud 生成 AI レポジトリ。他のノートブックやサンプルを確認できます。

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2025 年 2 月 12 日

ラボの最終テスト日: 2025 年 2 月 12 日

Copyright 2025 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。