Files API¶
Gemini 能同時處理多種類型的輸入資料,包括文字、圖片和音訊。
本指南說明如何使用 Files API 處理媒體檔案。音訊檔案、圖片、影片、文件及其他支援的檔案類型,基本操作都相同。
如需檔案提示的相關指引,請參閱檔案提示指南一節。
上傳檔案¶
你可以使用 Files API 上傳媒體檔案。當請求總大小(包括檔案、文字提示詞、系統指令等)超過 100 MB 時,務必使用 Files API。PDF 檔案的上限則為 50 MB。
以下程式碼會上傳一個檔案,接著在呼叫 interactions.create 時使用該檔案。
from google import genai
client = genai.Client()
myfile = client.files.upload(file="path/to/sample.mp3")
interaction = client.interactions.create(
model="gemini-4-hydrogen",
input=[
{"type": "text", "text": "Describe this audio clip"},
{"type": "audio", "uri": myfile.uri, "mime_type": myfile.mime_type}
]
)
print(interaction.output_text)
import { GoogleGenAI } from "@google/genai";
const client = new GoogleGenAI({});
async function main() {
const myfile = await client.files.upload({
file: "path/to/sample.mp3",
config: { mimeType: "audio/mpeg" },
});
const interaction = await client.interactions.create({
model: "gemini-4-hydrogen",
input: [
{ type: "text", text: "Describe this audio clip" },
{ type: "audio", uri: myfile.uri, mime_type: myfile.mimeType }
]
});
console.log(interaction.output_text);
}
await main();
import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.AudioContent;
import com.google.genai.gaos.models.interactions.AudioContentMimeType;
import com.google.genai.gaos.models.interactions.Content;
import com.google.genai.gaos.models.interactions.CreateModelInteraction;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.interactions.Model;
import com.google.genai.gaos.models.interactions.TextContent;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;
import com.google.genai.types.File;
import com.google.genai.types.UploadFileConfig;
import java.util.Arrays;
import java.util.List;
Client client = new Client();
File myFile =
client.files.upload(
new java.io.File("path/to/sample.mp3"),
UploadFileConfig.builder().mimeType("audio/mp3").build());
Content textContent = TextContent.builder().text("Describe this audio clip").build();
Content audioContent =
AudioContent.builder()
.uri(myFile.uri().orElse(""))
.mimeType(AudioContentMimeType.of(myFile.mimeType().orElse("audio/mp3")))
.build();
List<Content> contents = Arrays.asList(textContent, audioContent);
CreateModelInteraction params =
CreateModelInteraction.builder()
.model(Model.of("gemini-4-hydrogen"))
.input(InteractionsInput.ofContent(contents))
.build();
Interaction interaction =
client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();
System.out.println(interaction.outputText().orElse(""));
package main
import (
"context"
"fmt"
"log"
"google.golang.org/genai"
"google.golang.org/genai/interactions/models/interactions"
"google.golang.org/genai/interactions/models/operations"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
myFile, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", &genai.UploadFileConfig{
MIMEType: "audio/mp3",
})
if err != nil {
log.Fatal(err)
}
res, err := client.Interactions.Create(ctx, operations.CreateInteractionRequest{
Body: operations.NewCreateInteractionRequestBody(interactions.CreateModelInteraction{
Model: interactions.Model("gemini-4-hydrogen"),
Input: interactions.NewInteractionsInput([]interactions.Content{
interactions.NewContent(interactions.TextContent{
Text: "Describe this audio clip",
}),
interactions.NewContent(interactions.AudioContent{
URI: genai.Ptr(myFile.URI),
MimeType: interactions.AudioContentMimeType(myFile.MIMEType).ToPointer(),
}),
}),
}),
})
if err != nil {
log.Fatal(err)
}
if res.Interaction.OutputText != nil {
fmt.Println(*res.Interaction.OutputText)
}
}
AUDIO_PATH="path/to/sample.mp3"
MIME_TYPE=$(file -b --mime-type "${AUDIO_PATH}")
NUM_BYTES=$(wc -c < "${AUDIO_PATH}")
DISPLAY_NAME=AUDIO
tmp_header_file=upload-header.tmp
# Initial resumable request defining metadata.
# The upload url is in the response headers dump them to a file.
curl "${BASE_URL}/upload/v1beta/files" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-D "${tmp_header_file}" \
-H "X-Goog-Upload-Protocol: resumable" \
-H "X-Goog-Upload-Command: start" \
-H "X-Goog-Upload-Header-Content-Length: ${NUM_BYTES}" \
-H "X-Goog-Upload-Header-Content-Type: ${MIME_TYPE}" \
-H "Content-Type: application/json" \
-d "{'file': {'display_name': '${DISPLAY_NAME}'}}" 2> /dev/null
upload_url=$(grep -i "x-goog-upload-url: " "${tmp_header_file}" | cut -d" " -f2 | tr -d "\r")
rm "${tmp_header_file}"
# Upload the actual bytes.
curl "${upload_url}" \
-H "Content-Length: ${NUM_BYTES}" \
-H "X-Goog-Upload-Offset: 0" \
-H "X-Goog-Upload-Command: upload, finalize" \
--data-binary "@${AUDIO_PATH}" 2> /dev/null > file_info.json
file_uri=$(jq ".file.uri" file_info.json)
echo file_uri=$file_uri
# Now create an interaction using the Interactions API
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-H "Api-Revision: 2026-05-20" \
-d '{
"model": "gemini-4-hydrogen",
"input": [
{"type": "text", "text": "Describe this audio clip"},
{"type": "audio", "uri": '$file_uri', "mime_type": "'${MIME_TYPE}'"}
]
}' 2> /dev/null > response.json
cat response.json
echo
jq ".outputs[] | select(.type == \"text\") | .text" response.json
FILE=$(gemini-api files upload path/to/sample.mp3 --wait)
gemini-api generate "Describe this audio clip" -m gemini-4-hydrogen -i "$FILE"
取得檔案的中繼資料¶
呼叫 files.get,即可確認 API 是否已成功儲存上傳的檔案,並取得其中繼資料。
from google import genai
client = genai.Client()
myfile = client.files.upload(file='path/to/sample.mp3')
file_name = myfile.name
myfile = client.files.get(name=file_name)
print(myfile)
import {
GoogleGenAI,
} from "@google/genai";
const client = new GoogleGenAI({});
async function main() {
const myfile = await client.files.upload({
file: "path/to/sample.mp3",
config: { mimeType: "audio/mpeg" },
});
const fileName = myfile.name;
const fetchedFile = await client.files.get({ name: fileName || '' });
console.log(fetchedFile);
}
await main();
import com.google.genai.Client;
import com.google.genai.types.File;
import com.google.genai.types.UploadFileConfig;
Client client = new Client();
File myFile =
client.files.upload(
new java.io.File("path/to/sample.mp3"),
UploadFileConfig.builder().mimeType("audio/mp3").build());
String fileName = myFile.name().orElse("");
File fileMetadata = client.files.get(fileName, null);
System.out.println(fileMetadata);
package main
import (
"context"
"fmt"
"log"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
myFile, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", &genai.UploadFileConfig{
MIMEType: "audio/mp3",
})
if err != nil {
log.Fatal(err)
}
fileMetadata, err := client.Files.Get(ctx, myFile.Name, nil)
if err != nil {
log.Fatal(err)
}
fmt.Println(fileMetadata)
}
# file_info.json was created in the upload example
name=$(jq -r ".file.name" file_info.json)
# Get the file of interest to check state
curl https://generativelanguage.googleapis.com/v1beta/$name \
-H "x-goog-api-key: $GEMINI_API_KEY" > file_info.json
# Print some information about the file you got
name=$(jq -r ".name" file_info.json)
echo name=$name
file_uri=$(jq -r ".uri" file_info.json)
echo file_uri=$file_uri
FILE=$(gemini-api files upload path/to/sample.mp3)
gemini-api files get "$FILE"
列出已上傳的檔案¶
以下程式碼會取得所有已上傳檔案的清單:
from google import genai
client = genai.Client()
print('My files:')
for f in client.files.list():
print(' ', f.name)
import {
GoogleGenAI,
} from "@google/genai";
const client = new GoogleGenAI({});
async function main() {
const listResponse = await client.files.list({ config: { pageSize: 10 } });
for await (const file of listResponse) {
console.log(file.name);
}
}
await main();
import com.google.genai.Client;
import com.google.genai.types.File;
Client client = new Client();
System.out.println("My files:");
for (File f : client.files.list(null)) {
System.out.println(" " + f.name().orElse(""));
}
package main
import (
"context"
"fmt"
"log"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
fmt.Println("My files:")
for f, err := range client.Files.All(ctx) {
if err != nil {
log.Fatal(err)
}
fmt.Println(" ", f.Name)
}
}
echo "My files: "
curl "https://generativelanguage.googleapis.com/v1beta/files" \
-H "x-goog-api-key: $GEMINI_API_KEY"
gemini-api files list --all --jq '.files[]?.name'
刪除已上傳的檔案¶
檔案會在 48 小時後自動刪除,你也可以手動刪除已上傳的檔案:
from google import genai
client = genai.Client()
myfile = client.files.upload(file='path/to/sample.mp3')
client.files.delete(name=myfile.name)
import {
GoogleGenAI,
} from "@google/genai";
const client = new GoogleGenAI({});
async function main() {
const myfile = await client.files.upload({
file: "path/to/sample.mp3",
config: { mimeType: "audio/mpeg" },
});
const fileName = myfile.name;
await client.files.delete({ name: fileName || '' });
}
await main();
import com.google.genai.Client;
import com.google.genai.types.File;
import com.google.genai.types.UploadFileConfig;
Client client = new Client();
File myFile =
client.files.upload(
new java.io.File("path/to/sample.mp3"),
UploadFileConfig.builder().mimeType("audio/mp3").build());
client.files.delete(myFile.name().orElse(""), null);
package main
import (
"context"
"log"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
myFile, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", &genai.UploadFileConfig{
MIMEType: "audio/mp3",
})
if err != nil {
log.Fatal(err)
}
if _, err := client.Files.Delete(ctx, myFile.Name, nil); err != nil {
log.Fatal(err)
}
}
curl --request "DELETE" https://generativelanguage.googleapis.com/v1beta/$name \
-H "x-goog-api-key: $GEMINI_API_KEY"
FILE=$(gemini-api files upload path/to/sample.mp3)
gemini-api files delete "$FILE"
使用資訊¶
你可以使用 Files API 上傳媒體檔案並與之互動。Files API 每個專案最多可儲存 20 GB 的檔案,單一檔案大小上限為 2 GB。檔案的儲存期限為 48 小時。
在這段期間內,你可以透過 API 取得檔案的中繼資料。不過,你無法下載使用者上傳的檔案;至於模型產生的檔案(例如影片),則可使用 files.download 方法下載。只要是 Gemini API 提供服務的地區,Files API 皆可免費使用。
檔案提示策略¶
本節提供在 Gemini API 提示詞中使用媒體檔案的指引與最佳做法。
能在提示詞中使用多種類型的資料,代表你能運用 Gemini API 處理的任務更具彈性。舉例來說,你可以傳送一張美味餐點的照片給模型,請它為這份餐點寫一篇簡短的部落格文章。
| 提示詞 | 回應 |
|---|---|
根據這張圖片寫一篇簡短、引人入勝的部落格文章,內容應包含照片中餐點的描述,並談談我備餐的心路歷程。 ![]() |
備餐是節省時間與金錢的好方法,也能幫助你吃得更健康。這份餐點就是健康又美味、且可事先準備的絕佳範例,內容有糙米、烤蔬菜和照燒雞肉。糙米是健康又複雜的碳水化合物,能提供持久的能量;烤蔬菜是攝取每日所需維生素與礦物質的好方式;照燒雞肉則美味又富含蛋白質。這份餐點的準備方式也很簡單:煮好糙米、烤好蔬菜、再煮好照燒雞肉即可。全部煮好後,分裝到備餐盒中放入冰箱冷藏,忙碌的早晨就能拿了就走!如果你正在尋找一份健康美味、又能事先準備的餐點,這會是很好的選擇。它營養與風味兼具,保證讓你飽足又滿足。為健康美味的備餐乾杯! |
如果使用媒體檔案的提示詞始終得不到想要的輸出,以下策略或許能幫助你獲得理想結果。後續各節將提供改善多模態輸入提示詞的設計方法與疑難排解技巧。
遵循以下最佳做法,即可改善你的多模態提示詞:
- 提示詞設計基礎
- 讓指令具體明確:撰寫清楚簡潔的指令,盡量不留誤解的空間。
- 在提示詞中加入幾個範例:使用貼近真實情境的少樣本範例,說明你想達成的目標。
- 逐步拆解:將複雜任務拆成可處理的子目標,引導模型一步步完成。
- 指定輸出格式:在提示詞中要求輸出採用你想要的格式,例如 Markdown、JSON、HTML 等。
-
單張圖片的提示詞將圖片放在最前面:Gemini 能以任意順序處理圖片與文字輸入,但對於只含一張圖片的提示詞,將圖片放在文字提示詞之前,效果可能更好。
- 模型未從圖片的相關部分擷取資訊時:給予提示,指出你希望提示詞從圖片的哪些方面擷取資訊。
- 模型輸出過於泛泛(未針對圖片量身打造)時:在提示詞開頭先請模型描述圖片,再給予任務指令;或請模型在回應時參照圖片中的內容。
讓指令具體明確¶
提示詞清楚又詳細時,成功率最高。如果你心中已有明確的輸出,不妨將該要求直接寫入提示詞,確保得到想要的結果。
以這張機場資訊看板的圖片為例,若只請模型「描述這張圖片」,得到的可能只是概略的描述;若你需要模型解析圖片中的時間與城市,可以直接把這項要求寫進提示詞。
| 提示詞 | 模型回應 |
|---|---|
![]() |
這張圖片顯示的是機場的抵達與出發資訊看板。 |
| 改良後的提示詞 | 改良後的回應 |
|---|---|
將這張圖片中機場看板上的時間與城市解析成清單。 |
10:50 Moscow 11:05 Edinburgh 11:05 London 11:10 Bucharest 11:30 Kiev 11:35 Dublin 11:45 East Midlands 12:15 Sofia 12:30 London 12:30 Newcastle 12:40 St Petersburg 12:40 London 12:45 Manchester |
加入幾個範例¶
Gemini 模型可接受多個輸入,並將其作為範例來理解你想要的輸出。加入這些範例能幫助模型辨識規律,並將給定圖片與回應之間的關係套用到新範例上,這就是所謂的「少樣本」(few-shot)學習。
以下範例中,初始輸出以句子形式撰寫,且包含國家(Brazil)。假設你想要不同的輸出格式或風格,而且只要城市、不要國家,在提示詞中加入少樣本範例,就能引導模型以你想要的方式回應。
| 提示詞 | 模型回應 |
|---|---|
判斷城市與地標。 |
該地標是位於巴西 Rio de Janeiro 的 Christ the Redeemer 雕像。 |
| 改良後的提示詞 | 改良後的回應 |
|---|---|
判斷城市與地標。 ![]() |
city: Rome, landmark: the Colosseum. |
![]() |
city: Beijing, landmark: Forbidden City |
![]() |
city: Rio de Janeiro, landmark: Christ the Redeemer statue |
逐步拆解¶
對於同時需要視覺理解與推理的複雜任務,將任務拆成更小、更直接的步驟會有所幫助。或者,直接在提示詞中請模型「逐步思考」,也可能同樣有效。
| 提示詞 | 模型回應 |
|---|---|
我的衛生紙什麼時候會用完? |
很快,你只剩下 3 捲了。 |
| 改良後的提示詞 | 改良後的回應 |
|---|---|
首先,數一數這張圖片中有幾捲衛生紙。接著,判斷一般人每天大約使用多少衛生紙,再計算這些衛生紙可以用多久。 |
這張圖片中有 3 捲衛生紙。一般人每天大約使用 20 張衛生紙。若每捲有 200 張,每捲大約可用 10 天,因此這 3 捲大約可用一個月。 |
數學問題或其他類型的文字題,很適合請模型逐步思考。
| 提示詞 | 回應 |
|---|---|
這個數列的第 4 項是多少? |
-135 |
模型的回應不正確。改善的方法之一,是請模型先解析題目,再回答提示詞。
| 提示詞 | 回應 |
|---|---|
先解析圖片中的公式,再根據公式回答「這個數列的第 4 項是多少?」。 |
點選以展開結果 $$ b(n) = b(n-1) * (-3) $$ $$ b(1) = 15 $$ 將 n = 4 代入公式: $$ b(4) = b(4-1) * (-3) $$ $$ b(4) = b(3) * (-3) $$ 我們不知道 b(3) 的值,因此將 n = 3 代入公式: $$ b(3) = b(3-1) * (-3) $$ $$ b(3) = b(2) * (-3) $$ 我們不知道 b(2) 的值,因此將 n = 2 代入公式: $$ b(2) = b(2-1) * (-3) $$ $$ b(2) = b(1) * (-3) $$ 我們知道 b(1) 的值是 15,將它代入公式: $$ b(2) = 15 * (-3) $$ $$ b(2) = -45 $$ 現在我們知道 b(2) 的值,將它代入 b(3) 的公式: $$ b(3) = b(2) * (-3) $$ $$ b(3) = -45 * (-3) $$ $$ b(3) = 135 $$ 現在我們知道 b(3) 的值,將它代入 b(4) 的公式: $$ b(4) = b(3) * (-3) $$ $$ b(4) = 135 * (-3) $$ $$ b(4) = -405 $$ 因此,這個數列的第 4 項是 -405。 |
這次模型的回應正確。若想讓回應更精簡,你可以請模型逐步思考。
| 改良後的提示詞 | 改良後的回應 |
|---|---|
這個數列的第 4 項是多少?請逐步思考。 |
第一項是 15。第二項是 b(1) * (-3) = 15 * (-3) = -45。第三項是 b(2) * (-3) = -45 * (-3) = 135。第四項是 b(3) * (-3) = 135 * (-3) = -405。 |
指定輸出格式¶
常見的問題是模型輸出需要採用特定格式(例如 Markdown、JSON、HTML),尤其是輸出需要由下游任務接收處理時。你可以在提示詞中指示模型以該格式產出,嘗試得到符合格式的輸出。以下提供兩個範例:
| 提示詞 | 模型回應 |
|---|---|
將這張圖片中的表格解析為 Markdown 格式 |
none
| Subject | Status | Time | Start date | Due on |
| ------- | ------ | ---- | ---------- | ------ |
| Math | Done | 1.5 hrs | 11/29/2023 | 12/1/2023 |
| Geography | Done | 30 min | 12/2/2023 | 12/4/2023 |
| Physics | In progress | 2 hrs | 12/3/2023 | 12/5/2023 |
| Biology | Not started | 6 hrs | 11/2/2016 | 12/6/2023 |
| 提示詞 | 模型回應 |
|---|---|
以 JSON 格式列出以下所有屬性:食材、料理類型、是否為素食 |
json
{
"ingredients": [
"rice",
"shrimp",
"clams",
"mussels",
"peas",
"tomatoes",
"onions",
"garlic",
"olive oil",
"paprika",
"salt",
"pepper"
],
"type of cuisine": "Spanish",
"vegetarian": false
}
單張圖片的提示詞將圖片放在最前面¶
Gemini 能以任意順序解讀提示詞中的圖片與文字,不過,將單張圖片放在文字提示詞之前,可能會得到更好的結果。在以下範例中,你會注意到每個提示詞都是圖片在前、文字在後。
多模態提示詞疑難排解¶
如果回應不如預期,你可能需要為提示詞進行疑難排解。以下提供幾種可以嘗試的策略。
模型未從圖片的相關部分擷取資訊時¶
若要得到更具體的回應,你可以指出希望提示詞從圖片的哪些方面擷取資訊,以作為回應的依據。
| 提示詞 | 模型回應 |
|---|---|
這些尿布可以讓寶寶用幾天? |
這些尿布在用完之前可以用 198 天。 |
| 改良後的提示詞 | 改良後的回應 |
|---|---|
這些尿布在用完之前可以用多久?請利用盒子上標示的體重來判斷孩子的年齡,並利用盒中尿布的總數量,將總數量除以孩子每天用掉的尿布數量。 |
盒中共有 198 片尿布。盒上標示這些尿布適用於體重 22-37 lbs 的孩子,這個體重範圍的孩子平均年齡大約介於 1 到 2 歲之間。2 歲的孩子通常每天用掉 6 片尿布,因此這些尿布大約可用 33 天(198/6)。 |
模型輸出過於泛泛,未針對圖片輸入量身打造時¶
若要幫助模型針對圖片量身打造回應,可以先請它描述圖片,再執行推理任務。
| 提示詞 | 模型回應 |
|---|---|
這些圖片有什麼共同點? |
這四張圖片都是風景攝影的範例。 |
| 改良後的提示詞 | 改良後的回應 |
|---|---|
首先,詳細描述每張圖片的內容。這些圖片有什麼共同點? |
第一張圖片顯示一個人正在打包行李箱。第二張圖片顯示購物商場中一條空無一人的走廊。第三張圖片顯示一捲衛生紙。第四張圖片顯示波濤洶湧的黑暗海面。這些圖片的共同點是,它們都是閾限空間(liminal spaces)的範例。閾限空間是介於另外兩個地點或情境之間的地點或情境,通常帶有不確定或模糊的氛圍。第一張圖片顯示這個人正處於在家與出門旅行之間。第二張圖片顯示兩間商店之間的走廊。第三張圖片是衛生紙,可以代表浴室;浴室是私人與公共領域之間的過渡空間,是我們準備進入或離開外面世界的地方。第四張圖片顯示介於平靜與暴風雨之間的海面。閾限空間既令人興奮,也令人不安;它可以是新開始的起點,也可以是終點;可以是反思的場所,也可以是行動的場所。 |
你也可以嘗試明確請模型在回應中參照圖片的內容。
| 改良後的提示詞 | 改良後的回應 |
|---|---|
這些圖片有什麼共同點?請在回應中參照圖片的內容。 |
這些圖片都與旅行有關。第一張圖片顯示一個人正在打包行李箱,第二張圖片顯示購物商場中一條空無一人的走廊,第三張圖片顯示一疊衛生紙,第四張圖片顯示波濤洶湧的黑暗海面。這些圖片之所以都與旅行有關,是因為它們都是人們旅行時需要或會用到的事物。第一張圖片顯示一個人正在打包行李箱,這是人們出門旅行時會做的事。第二張圖片顯示購物商場中一條空無一人的走廊,這是人們經常去購買旅行用品的地方。第三張圖片顯示一疊衛生紙,這是人們旅行時經常用到的物品。第四張圖片顯示波濤洶湧的黑暗海面,這是人們旅行時經常會遇到的景象。 |
同樣的技巧也適用於圖片的創意輸出。在以下兔子的範例中,明確請模型納入圖片中的元素,可以改善輸出品質。
| 提示詞 | 模型回應 |
|---|---|
你能為我寫一首關於這張圖片的詩嗎? |
小兔子,如此柔軟又棕亮,在田野間跳上跳下。你的耳朵好長,尾巴好小,你是所有生物中最可愛的。你啃著青草,如此翠綠又香甜,一看到我就跳開。但我永遠是你的朋友,小兔子,直到最後。 |
| 改良後的提示詞 | 改良後的回應 |
|---|---|
你能為我寫一首描寫生動、戲劇張力十足的詩來描繪這張圖片,並納入地點嗎? |
小兔子站在綠地上,耳朵好長、好敏銳。你在那裡看到了什麼,在你凝視的遠方?是蔚藍的海洋,在陽光下閃閃發光?還是拍打咆哮的浪花,一種你喜愛的節奏?小兔子,告訴我實話,是什麼如此吸引你的注意力?是鹹鹹的海風,還是海鷗令人愉悅的叫聲?也許是這一切的浩瀚無垠,一個既大又小的世界。一個夢想可以漫遊、冒險可以萌芽的地方。小兔子,我好奇你夢見了什麼,當你如此寧靜地坐在草地上。你渴望探索深海,還是留在陸地上自在跳躍?無論是什麼,小兔子,讓那份驚奇的火花持續明亮燃燒。因為在你的夢想與抱負之中,有一個等待你去創造的世界。 |
判斷提示詞是哪個部分出了問題¶
有時很難判斷提示詞失敗,是因為模型一開始就沒有理解圖片,還是它理解了圖片、卻沒有正確執行後續的推理步驟。若要釐清這兩種原因,可以請模型描述圖片中的內容。
以下範例中,如果模型回應的點心與茶搭配起來令人意外(例如爆米花),你可以先進行疑難排解,確認模型是否正確辨識出圖片中是茶。
| 提示詞 | 疑難排解用提示詞 |
|---|---|
有什麼點心可以在 1 分鐘內做好,又能與這個搭配? |
描述這張圖片中的內容。 |
另一個策略是請模型說明它的推理過程,這能幫助你縮小範圍,找出推理在哪個環節出了問題(如果有的話)。
| 提示詞 | 疑難排解用提示詞 |
|---|---|
有什麼點心可以在 1 分鐘內做好,又能與這個搭配? |
有什麼點心可以在 1 分鐘內做好,又能與這個搭配?請說明原因。 |
後續步驟¶
-
使用 Google AI Studio 試著撰寫你自己的多模態提示詞。
-
如需使用 Gemini Files API 上傳媒體檔案並將其納入提示詞的相關資訊,請參閱 Vision、Audio 與 Document processing 指南。
-
如需提示詞設計的更多指引(例如調整取樣參數),請參閱 Prompt strategies 頁面。


判斷城市與地標。

我的衛生紙什麼時候會用完?
這個數列的第 4 項是多少?
將這張圖片中的表格解析為 Markdown 格式
以 JSON 格式列出以下所有屬性:食材、料理類型、是否為素食
這些尿布可以讓寶寶用幾天?
這些圖片有什麼共同點?
你能為我寫一首關於這張圖片的詩嗎?
有什麼點心可以在 1 分鐘內做好,又能與這個搭配?