Mengoptimalkan perintah

Pengoptimal perintah Vertex AI membantu Anda meningkatkan performa perintah dengan menyempurnakan petunjuk sistem secara otomatis untuk serangkaian perintah. Penggunaan pengoptimal prompt dapat membantu Anda meningkatkan kualitas prompt dalam skala besar tanpa penulisan ulang manual, yang berguna saat Anda mengadaptasi prompt dari satu model ke model lain.

Halaman ini membandingkan kedua pendekatan pengoptimalan perintah dan mencantumkan model yang didukung oleh setiap metode.

Membandingkan pendekatan pengoptimalan perintah

Vertex AI menawarkan dua pendekatan untuk mengoptimalkan perintah: pengoptimal zero-shot dan pengoptimal berbasis data. Anda dapat menggunakan kedua metode melalui konsol Google Cloud atau Vertex AI SDK.

Tabel berikut memberikan perbandingan umum pendekatan ini.

Opsi Deskripsi Kelebihan Kekurangan Kasus Penggunaan
Pengoptimal zero-shot Pengoptimal latensi rendah real-time yang meningkatkan kualitas satu template perintah atau petunjuk sistem. Cepat dan tidak memerlukan penyiapan tambahan. Kurang dapat dikonfigurasi; mengoptimalkan satu perintah dalam satu waktu. Meningkatkan kualitas perintah individual atau petunjuk sistem.
Pengoptimal berbasis data Pengoptimal iteratif tingkat tugas batch yang menggunakan data berlabel dan metrik evaluasi. Dapat dikonfigurasi secara ekstensif dan memungkinkan pengoptimalan yang lebih canggih. Memerlukan data berlabel dan penyiapan lebih lanjut; proses batch lebih lambat. Pengoptimalan lanjutan untuk tugas tertentu yang performanya dapat diukur terhadap set data.

Penting: Fitur Pengoptimal Perintah tersedia secara umum. Namun, library SDK Pengoptimal Perintah bersifat eksperimental dan dapat berubah tanpa pemberitahuan. Anda mungkin mengalami bug atau perubahan pada API dan fungsi.

Model target yang didukung untuk pengoptimalan

Pengoptimal zero-shot tidak bergantung pada model dan dapat meningkatkan kualitas perintah untuk model Google apa pun.

Pengoptimal berbasis data mendukung pengoptimalan untuk model Gemini yang tersedia secara umum.

Langkah berikutnya