跳轉到

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。

  • 多模態提示詞疑難排解

  • 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。