优化提示

Vertex AI 提示优化器可自动优化一组提示的系统指令，从而帮助您提升提示效果。使用提示优化器有助于您大规模改进提示，而无需手动重写，这在您将提示从一个模型调整为另一个模型时非常有用。

本页面比较了这两种提示优化方法，并列出了每种方法支持的模型。

比较提示优化方法

Vertex AI 提供两种优化提示的方法：零样本优化器和数据驱动型优化器。您可以通过 Google Cloud 控制台或 Vertex AI SDK 使用这两种方法。

下表对这些方法进行了概要比较。

选项 说明 优点 缺点 使用场景
零样本优化器 一种实时、低延迟的优化器，可改进单个提示或系统指令模板。 速度快，无需额外设置。 可配置性较低；一次优化一个提示。 改进单个提示或系统指令。
以数据为依据的优化工具 一种使用带标签的数据和评估指标的批次级任务级迭代优化器。 高度可配置，并支持更高级的优化。 需要带标签的数据和更多设置；批处理速度较慢。 针对特定任务的高级优化，可根据数据集衡量性能。

重要提示：提示优化器功能已全面推出。不过，提示优化器 SDK 库仍处于实验阶段，可能会随时更改，恕不另行通知。您可能会遇到 bug 或 API 和功能发生变化。

支持的优化目标模型

零样本优化器与模型无关，可以改进任何 Google 模型的提示。

数据驱动型优化器支持对正式版 Gemini 模型进行优化。

后续步骤