Możesz kontrolować generowanie odpowiedzi na różne sposoby, w zależności od przypadku użycia i wymaganego poziomu kontroli.
Projektowanie promptów
Dowiedz się więcej o projektowaniu promptów, aby wpływać na model i generować dane wyjściowe dostosowane do Twoich potrzeb.
Dowiedz się na przykład, jak w uporządkowany sposób przekazywać istotne informacje związane z zadaniem.
Konfiguracja modelu
Skonfiguruj konfigurację modelu, aby kontrolować sposób, w jaki model generuje odpowiedź. Opcje konfiguracji zależą od używanego modelu i funkcji. Przykłady:
W przypadku modeli Gemini możesz skonfigurować parametry takie jak maksymalna liczba tokenów wyjściowych, prawdopodobieństwo powtórzenia tokenów wyjściowych itp.
W przypadku modeli Gemini, które mogą generować dane wyjściowe w wielu formatach (np. modele „Nano Banana” lub modele Gemini Live API), możesz dodatkowo skonfigurować typ odpowiedniej odpowiedzi (dźwięk, tekst lub obrazy) oraz głos używany w odpowiedziach dźwiękowych (jeśli dotyczy).
W przypadku modeli Gemini, które mogą myśleć, możesz też określić konfigurację związaną z myśleniem, w tym poziom myślenia (lub budżet myślenia w przypadku modeli Gemini 2.5) oraz to, czy mają być uwzględniane podsumowania myśli.
W przypadku modeli Imagen możesz skonfigurować parametry takie jak liczba generowanych obrazów, format obrazu, dodawanie znaku wodnego itp.
Ustawienia bezpieczeństwa
Użyj ustawień bezpieczeństwa, aby dostosować prawdopodobieństwo otrzymania odpowiedzi, które mogą być uznane za szkodliwe. Te ustawienia mogą pomóc w kontrolowaniu danych wyjściowych pod kątem możliwych wypowiedzi szerzących nienawiść, nękania, treści o charakterze jednoznacznie seksualnym oraz treści niebezpiecznych.
Możesz na przykład zablokować odpowiedzi, które promują szkodliwe produkty, usługi i aktywności albo umożliwiają dostęp do nich.
Instrukcje systemowe
Ustaw instrukcje systemowe, aby sterować działaniem modelu. Ta funkcja działa jak „preambuła”, którą dodajesz, zanim model zostanie poddany dalszym instrukcjom od użytkownika.
Możesz na przykład poinstruować model, aby zwracał odpowiedzi tak, jakby był piratem, lub aby zwracał odpowiedzi w określonym formacie.
Ustrukturyzowane dane wyjściowe przy użyciu schematu odpowiedzi
Przekaż schemat odpowiedzi wraz z promptem, aby określić konkretny schemat danych wyjściowych. Ta funkcja jest najczęściej używana podczas generowania danych wyjściowych w formacie JSON, ale można jej też używać w przypadku zadań klasyfikacji (np. gdy chcesz, aby model używał określonych etykiet lub tagów).