A partir de 29 de abril de 2025, os modelos Gemini 1.5 Pro e Gemini 1.5 Flash não estarão disponíveis em projetos que não os usaram antes, incluindo novos projetos. Para mais detalhes, consulte Versões e ciclo de vida do modelo.
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
É possível incluir exemplos no comando que mostram ao modelo como seria uma boa resposta. O modelo tenta identificar padrões e relações entre os exemplos e os aplica ao gerar uma resposta. As solicitações que contêm exemplos são chamadas de solicitações curtas, enquanto as que não fornecem exemplos são chamadas de solicitações de zero disparo. Muitas vezes, as solicitações de imagem são usadas para regular a formatação de saída, a frase, o escopo ou o padrão geral das respostas do modelo. Use exemplos específicos e variados para ajudar o modelo a restringir o foco e gerar resultados mais precisos.
Incluir exemplos few-shot nos comandos ajuda a torná-los mais confiáveis e eficazes.
No entanto, você deve sempre acompanhar exemplos de few-shot com instruções claras. Sem instruções
claras, os modelos podem identificar padrões ou relações não intencionais entre os exemplos, o que
pode levar a resultados ruins.
Os pontos principais dessa estratégia são:
Incluir exemplos de resposta no comando ajuda o modelo a aprender como responder.
Use uma marcação do tipo XML para marcar os exemplos.
Faça experiências com o número de comandos para incluir. Dependendo do modelo, poucos exemplos são ineficazes na alteração do comportamento do modelo. Muitos exemplos podem fazer com que o modelo apresente overfitting.
Usar formatação consistente em todos os exemplos
Comandos zero-shot e few-shot
O comando zero-shot a seguir solicita que o modelo extraia as especificações técnicas do
texto e as envie no formato JSON:
Extract the technical specifications from the text below in JSON format.
Google Pixel 7, 5G network, 8GB RAM, Tensor G2 processor, 128GB of storage, Lemongrass
Suponha que seu caso de uso exija formatação específica, como nomes de chaves com letras minúsculas. Inclua exemplos no comando que mostrem ao modelo como formatar o JSON. O comando few-shot a seguir demonstra um formato de saída em que as chaves JSON são minúsculas:
Extract the technical specifications from the text below in a JSON format.
<EXAMPLE>
INPUT: Google Nest Wifi, network speed up to 1200Mpbs, 2.4GHz and 5GHz frequencies, WP3 protocol
OUTPUT:
{
"product":"Google Nest Wifi",
"speed":"1200Mpbs",
"frequencies": ["2.4GHz", "5GHz"],
"protocol":"WP3"
}
</EXAMPLE>
Google Pixel 7, 5G network, 8GB RAM, Tensor G2 processor, 128GB of storage, Lemongrass
O exemplo usa formatação semelhante a XML para separar os componentes do comando. Para
saber mais sobre a melhor forma de formatar comandos few-shot usando uma formatação semelhante a XML, consulte
Estruturar comandos.
Encontre o número ideal de exemplos
Teste o número de exemplos a serem fornecidos no comando para ter os resultados mais desejados. Modelos como o PaLM e Gemini geralmente podem identificar padrões usando alguns exemplos. No entanto,
talvez seja necessário testar quantos exemplos levam aos resultados desejados. Ao mesmo tempo, se você incluir muitos exemplos, o modelo poderá começar a sobrepor a resposta aos exemplos.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-25 UTC."],[],[],null,["# Include few-shot examples\n\nYou can include examples in the prompt that show the model what a good response looks like. The\nmodel attempts to identify patterns and relationships from the examples and applies them when\ngenerating a response. Prompts that contain examples are called *few-shot* prompts, while\nprompts that provide no examples are called *zero-shot prompts*. Few-shot prompts are\noften used to regulate the output formatting, phrasing, scoping, or general patterning of model\nresponses. Use specific and varied examples to help the model narrow its focus and generate more\naccurate results.\n\nIncluding few-shot examples in your prompts helps make them more reliable and effective.\nHowever, you should always accompany few-shot examples with clear instructions. Without clear\ninstructions, models might pick up one unintended patterns or relationships from the examples, which\ncan lead to poor results.\n\nThe key points to this strategy are as follows:\n\n- Including prompt-response examples in the prompt helps the model learn how to respond.\n- Use XML-like markup to markup the examples.\n- Experiment with the number of prompts to include. Depending on the model, too few examples are ineffective at changing model behavior. Too many examples can cause the model to overfit.\n- Use consistent formatting across examples\n\nZero-shot versus few-shot prompts\n---------------------------------\n\nThe following zero-shot prompt asks the model to extract the technical specifications from\ntext and output it in JSON format:\n\nSuppose that your use case requires specific formatting, such as using lowercase key names. You can include\nexamples in the prompt that shows the model how to format the JSON. The following few-shot prompt\ndemonstrates an output format where the JSON keys are lowercase:\n\nNote that the example uses XML-like formatting to separate the components of the prompt. To\nlearn more about how to optimally format few-shot prompts using XML-like formatting, see\n[Structure prompts](/vertex-ai/generative-ai/docs/learn/prompts/structure-prompts).\n\nFind the optimal number of examples\n-----------------------------------\n\nYou can experiment with the number of examples to provide in the prompt for the most desired\nresults. Models like Gemini can often pick up on patterns using a few examples, though you\nmay need to experiment with what number of examples leads to the desired results. At the same time,\nif you include too many examples, the model might start to\n[overfit](https://developers.google.com/machine-learning/glossary#overfitting)\nthe response to the examples.\n\nWhat's next\n-----------\n\n- Explore more examples of prompts in the [Prompt gallery](/vertex-ai/generative-ai/docs/prompt-gallery)."]]