注意：為確保體驗一致且效能優異，本實驗室可能會針對部分模型要求提供快取回應。

GSP1150

總覽

模型用途廣泛，可處理文字、程式碼和圖像，執行需進階推理和多模態分析的複雜工作。Gemini 擅長程式設計、STEM (科學、技術、工程、數學) 科目、網頁程式開發和偵錯，特別精於生成程式碼和解析細膩的提示詞。

模型快速且有效率，專為高頻率工作流程最佳化，可協助企業自動執行工作及建構回應式應用程式，同時兼顧品質。 這個模型可提供近乎即時的回應與優異的性價比，企業能用於提供互動性高的大規模商用體驗。

本實驗室中，您將執行範例，瞭解關鍵的模型功能，並體驗新的 API 功能。

事前準備

開始這個實驗室之前，您應已熟悉下列概念：

• 基本 Python 程式設計。
• 一般 API 概念。
• 在 Agent Platform Workbench 的 Jupyter 筆記本執行 Python 程式碼。

目標

本實驗室中，您將使用 和 模型執行下列操作：

• 以不同思考程度，生成文字及控管推論過程。
• 設定模型參數與系統指令。
• 處理音訊、程式碼和影片等多模態資料。
• 實作函式呼叫與執行程式碼等進階功能。

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始實驗室及登入 Google Cloud 控制台

1. 按一下「Start Lab」按鈕。如果實驗室會產生費用，請在開啟的對話方塊中選取付款方式。右側的「Lab setup and access」面板會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 此實驗室所需的臨時憑證 (使用者名稱和密碼)
   • 完成此實驗室所需的其他資訊 (如有)

   請注意，實驗室計時器位於頁面頂端附近，會顯示剩餘時間。

2. 按一下「Open Google Cloud console」。如果使用 Chrome 瀏覽器，也可以按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗並排開啟分頁。

   注意：頁面顯示「選擇帳戶」對話方塊時，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

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

   您也可以在「Lab setup and access」面板找到「Username」。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

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

   您也可以在「Lab setup and access」面板找到「Password」。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 繼續點按後續頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請按一下「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

工作 1：設定環境

本節中，您將安裝套件並匯入程式庫。

在 Agent Platform Workbench 開啟筆記本

1. 在 Google Cloud 控制台，依序點選「導覽選單」圖示 >「Agent Platform」>「Notebooks」>「Workbench」。

2. 找出 執行個體，然後點選「Open JupyterLab」按鈕。

Workbench 執行個體的 JupyterLab 介面會在新瀏覽器分頁中開啟。

設定筆記本

1. 開啟 檔案。

2. 出現「Select Kernel」對話方塊時，從可用核心清單選取「Python 3 (Local)」。

3. 執行筆記本的「Getting Started」部分。專案 ID 和位置已預先設定完成。

注意：如果執行筆記本儲存格後出現 429 回應，請稍候一分鐘再重新執行儲存格，應該就能繼續操作。

點選「Check my progress」，確認目標已達成。 安裝套件並匯入程式庫。

工作 2：載入 Gemini 模型

• 在筆記本，執行「Load the Gemini Models」區段中的儲存格，初始化 genai 用戶端並定義模型變數。

點選「Check my progress」，確認目標已達成。 一直執行至筆記本的「Load the Gemini 3 models」區段。

工作 3：探索 Gemini 的功能

本節中，您將瞭解 Gemini 3 Pro 模型和 API 的主要功能。探索筆記本中的功能後，系統會引導您返回本處的操作說明，檢查進度。

設定系統指令

• 前往「Set system instructions」區段，然後執行儲存格來定義模型行為 (將英文翻譯成西班牙文)。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Set system instructions」區段。

思考程度

• 前往「Thinking level」區段。執行儲存格，觀察 thinking_level 參數經調整後，模型推論過程的深度會如何變化。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Thinking level」區段。

設定溫度參數

• 在「Configure the temperature parameter」區段，執行程式碼來調整回覆生成的隨機程度。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Configure the temperature parameter」區段。

生成內容串流

• 執行「Generate content stream」區段，瞭解模型如何分批回覆，而不是等待完整回覆。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Generate content stream」區段。

想法重點摘要

• 執行「Thought summaries」儲存格，檢查模型生成最終答案前的中間推論步驟。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Thought summaries」區段。

多輪對話

• 完成「Multi-turn chat」區段，即可啟動對話工作階段，並保留先前提示詞的脈絡。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Multi-turn chat」區段。

安全篩選機制

• 前往「Safety filters」區段，執行儲存格來設定仇恨言論、騷擾和其他類別的封鎖門檻。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Safety filters」區段。

傳送非同步要求

• 執行「Send asynchronous requests」區段，瞭解如何使用非同步方法傳送非封鎖要求。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Send asynchronous requests」區段。

多模態

• 在「Multimodality」區段，執行程式碼來分析不同類型的媒體，包括圖片、影片及文字提示詞。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Multimodality」區段。

媒體解析度

• 完成「Media resolution」區段，比較不同的解析度設定如何影響模型分析視覺細節。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Media resolution」區段。

結構化輸出內容

• 執行「Structured output」儲存格，強制模型以特定格式 (例如 JSON) 回覆。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Structured output」區段。

以 Google 搜尋強化事實基礎

• 執行「Grounding with Google Search」區段，使用 Google 搜尋查找資料，鞏固回覆的事實基礎。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Grounding with Google Search」區段。

程式碼執行

• 前往「Code Execution」區段，然後執行儲存格，讓模型編寫及執行 Python 程式碼來解決數學問題。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Code Execution」區段。

網址背景資訊

• 完成「URL context」區段，瞭解模型如何直接從所提供的網址處理及摘要內容。

點選「Check my progress」，確認目標已達成。 執行筆記本的「URL context」區段。

函式呼叫

• 執行「Function calling」區段，定義模型可叫用的自訂工具，擷取外部資訊。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Function calling」區段。

串流函式呼叫

• 執行「Streaming function calling」儲存格，處理串流回應中的工具輸出內容。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Streaming function calling」區段。

多模態函式回覆

• 完成「Multimodal function responses」區段，瞭解函式如何傳回非文字資料，例如圖片或繪圖。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Multimodal function responses」區段。

想法簽名

• 執行「Thought signatures」區段，驗證模型推論鏈的真實性。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Thought signatures」區段。

計算詞元數和運算詞元

• 最後，執行「Count tokens and compute tokens」儲存格，分析提示詞和回覆的費用和大小。

點選「Check my progress」，確認目標已達成。 執行筆記本的「Count tokens and compute tokens」區段。

恭喜！

您已完成這個實驗室。本實驗室中，您使用了 Gemini API 和適用於生成式 AI 的 Google Gen AI SDK，順利在 Jupyter 筆記本操作 和 模型。

後續步驟/瞭解詳情

歡迎參考下列資源，進一步瞭解生成式 AI 和 Gemini Enterprise Agent Platform：

• 請參閱 Google DeepMind Gemini 模型總覽，瞭解核心模型功能。
• 如需設計、擴充及部署指南，請參閱官方 Agent Platform 說明文件。
• 請參閱 Agent Platform 的代理總覽，瞭解如何建構及管理自訂代理。
• YouTube 上的生成式 AI 播放清單提供教學影片和產品示範，歡迎多加利用。
• 前往 Google Cloud 生成式 AI 存放區，查看其他筆記本和範例。
• 如需自訂代理範本，請瀏覽 Google Agent Development Kit (ADK) 範例存放區。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2026 年 5 月 18 日

實驗室上次測試日期：2026 年 4 月 16 日

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。