Nota: per garantire un'esperienza coerente e ad alte prestazioni, questo lab potrebbe fornire risposte memorizzate nella cache per alcune richieste del modello.

GSP1150

Panoramica

Il modello è un modello versatile progettato per elaborare testo, codice e immagini. Gestisce attività complesse che richiedono un ragionamento sofisticato e un'analisi multimodale. Gemini eccelle nella programmazione, nelle materie di Scienze, tecnologia, ingegneria e matematica (STEM), nello sviluppo web e nel debug. È particolarmente efficace per generare codice e risolvere prompt ricchi di sfumature.

Il modello è un modello veloce ed efficiente ottimizzato per i workflow ad alta frequenza, che consente alle aziende di automatizzare le attività e creare applicazioni adattabili senza sacrificare la qualità. Fornisce risposte quasi in tempo reale e prestazioni di prezzo superiori, consentendo alle aziende di offrire esperienze coinvolgenti e su larga scala.

In questo lab, esegui esempi che dimostrano le funzionalità principali del modello e mostrano le nuove funzionalità dell'API.

Prerequisiti

Prima di iniziare questo lab, dovresti acquisire familiarità con:

• Concetti di base della programmazione in Python.
• Concetti generali delle API.
• Esecuzione di codice Python in un notebook Jupyter su Agent Platform Workbench.

Obiettivi

In questo lab utilizzerai i modelli e per svolgere le seguenti attività:

• Generare testo e controllare il ragionamento con i livelli di pensiero.
• Configurare i parametri del modello e le istruzioni di sistema.
• Elaborare dati multimodali, tra cui audio, codice e video.
• Implementare funzionalità avanzate come la chiamata di funzione e l'esecuzione di codice.

Configurazione e requisiti

Prima di fare clic sul pulsante Avvia lab

Leggi le seguenti istruzioni. I lab sono a tempo e non possono essere messi in pausa. Il timer si avvia quando fai clic su Inizia il lab e ti mostra per quanto tempo avrai a disposizione le risorse Google Cloud.

Con questo lab pratico avrai la possibilità di completare le attività in un ambiente cloud reale e non di simulazione o demo. Riceverai delle nuove credenziali temporanee che potrai utilizzare per accedere a Google Cloud per la durata del lab.

Per completare il lab, avrai bisogno di:

• Accesso a un browser internet standard (Chrome è il browser consigliato).

Nota: per eseguire questo lab, utilizza una finestra del browser in modalità di navigazione in incognito (consigliata) o privata. Ciò evita conflitti tra il tuo account personale e l'account studente, che potrebbero causare addebiti aggiuntivi sul tuo account personale.

• È ora di completare il lab: ricorda che, una volta iniziato, non puoi metterlo in pausa.

Nota: utilizza solo l'account studente per questo lab. Se utilizzi un altro account Google Cloud, potrebbero essere addebitati costi su quell'account.

Come iniziare il lab e accedere alla console Google Cloud

1. Fai clic sul pulsante Inizia il lab. Se devi effettuare il pagamento per il lab, si aprirà una finestra di dialogo per permetterti di selezionare il metodo di pagamento. A destra, trovi il riquadro Configurazione e accesso al lab con le seguenti informazioni:

   • Il pulsante Apri console Google Cloud
   • Le credenziali temporanee (nome utente e password) da utilizzare per il lab
   • Altre informazioni per seguire questo lab, se necessario

   Tieni presente che il timer del lab si trova nella parte superiore della pagina e mostra il tempo rimanente.

2. Fai clic su Apri console Google Cloud (o fai clic con il tasto destro del mouse e seleziona Apri link in finestra Incognito se utilizzi il browser Chrome).

   Il lab avvia le risorse e apre un'altra scheda con la pagina di accesso.

   Suggerimento: disponi le schede in finestre separate posizionate fianco a fianco.

   Nota: se visualizzi la finestra di dialogo Scegli un account, fai clic su Usa un altro account.

3. Se necessario, copia il Nome utente di seguito e incollalo nella finestra di dialogo Accedi.

   {{{user_0.username | "Username"}}}

   Puoi trovare il Nome utente anche nel riquadro Configurazione e accesso al lab.

4. Fai clic su Avanti.

5. Copia la Password di seguito e incollala nella finestra di dialogo Ti diamo il benvenuto.

   {{{user_0.password | "Password"}}}

   Puoi trovare la Password anche nel riquadro Configurazione e accesso al lab.

6. Fai clic su Avanti.

   Importante: devi utilizzare le credenziali fornite dal lab. Non utilizzare le credenziali del tuo account Google Cloud. Nota: utilizzare il tuo account Google Cloud per questo lab potrebbe comportare addebiti aggiuntivi.

7. Fai clic nelle pagine successive:

   • Accetta i termini e le condizioni.
   • Non inserire opzioni di recupero o l'autenticazione a due fattori, perché si tratta di un account temporaneo.
   • Non registrarti per le prove senza costi.

Dopo qualche istante, la console Google Cloud si apre in questa scheda.

Nota: per accedere ai prodotti e ai servizi Google Cloud, fai clic sul menu di navigazione o digita il nome del servizio o del prodotto nel campo Cerca.

Attività 1: configura l'ambiente

In questa sezione, installa i pacchetti e importa le librerie.

Apri il notebook in Agent Platform Workbench

1. Nella console Google Cloud, nel menu di navigazione (), fai clic su Agent Platform > Notebook > Workbench.

2. Trova l'istanza e fai clic sul pulsante Apri JupyterLab.

L'interfaccia JupyterLab per la tua istanza Workbench si apre in una nuova scheda del browser.

Configura il notebook

1. Apri il file .

2. Nella finestra di dialogo Seleziona kernel, scegli Python 3 (locale) dall'elenco dei kernel disponibili.

3. Esamina la sezione Per iniziare del notebook. L'ID progetto e la località sono preconfigurati.

Nota: se ricevi una risposta 429 da una delle esecuzioni delle celle del notebook, attendi 1 minuto prima di eseguire nuovamente la cella per procedere.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Installa i pacchetti e importa le librerie.

Attività 2: carica i modelli Gemini

• Nel notebook, esegui le celle nella sezione Carica i modelli Gemini per inizializzare il client genai e definire le variabili del modello.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esamina la sezione Carica i modelli Gemini 3 del notebook.

Attività 3: esplora le funzionalità di Gemini

In questa sezione esplorerai le funzionalità principali del modello Gemini 3 Pro e le funzionalità dell'API. Dopo aver esplorato una funzionalità nel notebook, ti viene chiesto di tornare a queste istruzioni per controllare i tuoi progressi.

Imposta le istruzioni di sistema

• Vai alla sezione Imposta le istruzioni di sistema ed esegui le celle per definire il comportamento del modello (traduzione dall'inglese allo spagnolo).

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Imposta le istruzioni di sistema del notebook.

Livello di pensiero

• Vai alla sezione Livello di pensiero. Esegui le celle per osservare come la regolazione del parametro thinking_level modifica la profondità del processo di ragionamento del modello.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Livello di pensiero del notebook.

Configura il parametro della temperatura

• Nella sezione Configura il parametro della temperatura, esegui il codice per regolare la casualità della generazione di risposte.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Configura il parametro della temperatura del notebook.

Genera lo stream di contenuti

• Esegui la sezione Genera flusso di contenuti per vedere come il modello fornisce le risposte in blocchi anziché attendere il completamento.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Genera flusso di contenuti del notebook.

Riepiloghi del pensiero

• Esegui le celle Riepiloghi del pensiero per esaminare i passaggi di ragionamento intermedi del modello prima della risposta finale.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Riepiloghi del pensiero del notebook.

Chat a più turni

• Completa la sezione Chat a più turni per avviare una sessione di chat che mantiene il contesto dei prompt precedenti.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Chat a più turni del notebook.

Filtri di sicurezza

• Vai alla sezione Filtri di sicurezza ed esegui le celle per configurare le soglie di blocco per incitamento all'odio, molestie e altre categorie.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Filtri di sicurezza del notebook.

Invia richieste asincrone

• Esegui la sezione Invia richieste asincrone per scoprire come inviare richieste non bloccanti utilizzando metodi asincroni.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Invia richieste asincrone del notebook.

Multimodalità

• Nella sezione Multimodalità, esegui il codice per analizzare diversi tipi di contenuti multimediali, tra cui immagini e video, insieme ai prompt di testo.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Multimodalità del notebook.

Risoluzione dei contenuti multimediali

• Completa la sezione Risoluzione dei contenuti multimediali per confrontare l'impatto delle diverse impostazioni di risoluzione sull'analisi dei dettagli visivi da parte del modello.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Risoluzione dei contenuti multimediali del notebook.

Output strutturato

• Esegui le celle Output strutturato per forzare il modello a rispondere in formati specifici, ad esempio JSON.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Output strutturato del notebook.

Grounding con la Ricerca Google

• Esegui la sezione Grounding con la Ricerca Google per basare le risposte del modello su dati in tempo reale della Ricerca Google.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Grounding con la Ricerca Google del notebook.

Esecuzione del codice

• Vai alla sezione Esecuzione del codice ed esegui le celle per consentire al modello di scrivere ed eseguire codice Python per risolvere problemi matematici.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Esecuzione del codice del notebook.

Contesto URL

• Completa la sezione Contesto URL per vedere come il modello può elaborare e riassumere i contenuti direttamente da un URL fornito.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esamina la sezione Contesto URL del notebook.

Chiamata di funzione

• Esegui la sezione Chiamata di funzione per definire strumenti personalizzati che il modello può richiamare per recuperare informazioni esterne.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Chiamata di funzione del notebook.

Chiamata di funzione in streaming

• Esegui le celle di Chiamata di funzione in streaming per gestire gli output degli strumenti all'interno di una risposta di streaming.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Chiamata di funzione in streaming del notebook.

Risposte di funzioni multimodali

• Completa la sezione Risposte di funzioni multimodali per scoprire come le funzioni possono restituire dati non testuali, come immagini o grafici.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Risposte di funzioni multimodali del notebook.

Firme del pensiero

• Esegui la sezione Firme del pensiero per verificare l'autenticità della catena di ragionamento del modello.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Firme del pensiero del notebook.

Conta e calcola i token

• Infine, esegui le celle Conta e calcola i token per analizzare il costo e le dimensioni dei prompt e delle risposte.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Esegui la sezione Conta e calcola i token del notebook.

Complimenti!

Hai completato correttamente il lab. In questo lab hai lavorato con i modelli e in un notebook Jupyter utilizzando l'API Gemini e l'SDK Google Gen AI per l'AI generativa.

Prossimi passi/Scopri di più

Dai un'occhiata alle seguenti risorse per scoprire di più sull'AI generativa e su Gemini Enterprise Agent Platform:

• Leggi la panoramica dei modelli Gemini di Google DeepMind per scoprire le funzionalità principali del modello.
• Esplora la documentazione ufficiale di Agent Platform per le linee guida su progettazione, scalabilità e deployment.
• Consulta la panoramica degli agenti su Agent Platform per capire come creare e gestire agenti personalizzati.
• Guarda la playlist AI generativa su YouTube per video tutorial e demo dei prodotti.
• Esplora altri notebook ed esempi nel repository dell'AI generativa di Google Cloud.
• Esplora il repository di esempi di Google Agent Development Kit (ADK) per i template di agenti personalizzati.

Formazione e certificazione Google Cloud

… per utilizzare al meglio le tecnologie Google Cloud. I nostri corsi ti consentono di sviluppare competenze tecniche e best practice per aiutarti a metterti subito al passo e avanzare nel tuo percorso di apprendimento. Offriamo vari livelli di formazione, dal livello base a quello avanzato, con opzioni di corsi on demand, dal vivo e virtuali, in modo da poter scegliere il più adatto in base ai tuoi impegni. Le certificazioni ti permettono di confermare e dimostrare le tue abilità e competenze relative alle tecnologie Google Cloud.

Ultimo aggiornamento del manuale: 18 maggio 2026

Ultimo test del lab: 16 aprile 2026

Copyright 2026 Google LLC. Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.