GSP1151

Visão geral

Este laboratório aborda a engenharia de comando e as práticas recomendadas para criar comandos que melhoram a qualidade das respostas geradas pelo LLM. Você vai aprender a criar comandos concisos, específicos e bem definidos, focando em uma tarefa de cada vez. O laboratório também aborda técnicas avançadas, como transformar tarefas generativas em tarefas de classificação e usar exemplos para melhorar a qualidade da resposta. Para saber mais, consulte a documentação oficial sobre o design de comandos.

Gemini

Gemini é uma família de modelos avançados de IA generativa desenvolvido pelo Google DeepMind. Ele é capaz de entender e gerar várias formas de conteúdo, como texto, código, imagens, áudio e vídeo.

API Gemini na Vertex AI

A API Gemini na Vertex AI oferece uma interface unificada de interação com os modelos do Gemini. Com isso, desenvolvedores podem integrar esses recursos avançados de IA aos aplicativos com facilidade. Para conferir os detalhes mais recentes e recursos específicos dos últimos lançamentos, consulte a documentação oficial do Gemini.

Modelos do Gemini

• O Gemini Pro foi projetado para tarefas de raciocínio complexo, incluindo:
  • Análise e resumo de grandes quantidades de informações.
  • Raciocínio multimodal avançado (em texto, código, imagens etc.).
  • Solução eficaz de problemas em bases de código complexas.
• O Gemini Flash conta com velocidade e eficiência otimizadas, oferecendo:
  • Tempos de resposta com menos de um segundo e alta capacidade de processamento.
  • Alta qualidade com custos reduzidos para diversas tarefas.
  • Recursos multimodais avançados, incluindo melhor compreensão espacial, novas modalidades de saída (texto, áudio, imagens) e o uso de ferramentas nativas (Pesquisa Google, execução de código e funções de terceiros).

Pré-requisitos

Antes de fazer este laboratório, você precisa saber os seguintes conceitos:

• Noção básica de programação em Python.
• Conceitos gerais sobre APIs.
• Executar códigos Python em um notebook do Jupyter no Vertex AI Workbench.

Objetivos

Neste laboratório, você vai:

• Usar a engenharia de comando com o SDK da IA generativa do Google.
• Seguir as práticas recomendadas para design de comandos, incluindo concisão, especificidade e definição de tarefas.
• Ver casos de uso de geração de texto com o SDK da IA generativa do Google, como:
  • Ideação
  • Respostas a perguntas
  • Classificação de texto
  • Extração de texto
  • Geração de resumo de texto

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

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

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

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

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1: abrir o notebook no Vertex AI Workbench

1. No menu de navegação () do console do Google Cloud, clique em Vertex AI > Workbench.

2. Ache a instância e clique no botão Abrir o JupyterLab.

A interface do JupyterLab para sua instância do Workbench é aberta em uma nova guia do navegador.

Tarefa 2: configurar o notebook

1. Abra o arquivo .

2. Na caixa de diálogo Selecionar Kernel, escolha Python 3 na lista de kernels disponíveis.

3. Execute as seções Vamos começar e Importar bibliotecas do notebook.

   • Para ID do projeto, use , e em Local, use .

Observação: é possível pular as células do notebook que tenham a indicação Somente Colab. Se você receber uma resposta 429 de uma das execuções de células do notebook, aguarde 1 minuto antes de executar a célula novamente para prosseguir.

Clique em Verificar meu progresso para conferir o objetivo.

Instalar pacotes e importar bibliotecas.

Tarefa 3: práticas recomendadas de engenharia de comando

A engenharia de comando consiste em como criar os comandos de forma que a resposta seja o que você espera ver. A ideia de usar comandos simples é minimizar o ruído e, assim, reduzir a possibilidade de o LLM interpretar mal a intenção do comando. Confira abaixo algumas diretrizes para criar comandos simples.

Nesta seção, você vai conhecer as seguintes práticas recomendadas para criar comandos:

• Adote um perfil conciso.
• Prefira o que é específico e bem definido.
• Peça uma tarefa por vez.
• Inclua exemplos para melhorar a qualidade da resposta.
• Transforme tarefas generativas em classificações para melhorar a segurança.

1. Execute a seção Adote um perfil conciso do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Usar um texto conciso.

2. Execute a seção Prefira o que é específico e bem definido do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Preferir o que é específico e bem definido.

3. Execute a seção Peça uma tarefa por vez do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Pedir uma tarefa por vez.

4. Execute a seção Atente-se às alucinações do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Ter cuidado com as alucinações.

Tarefa 4: reduzir a variabilidade da saída

Como reduzir as chances de respostas irrelevantes e alucinações? Uma maneira é fornecer ao LLM instruções do sistema. Nesta seção, você vai entender como essas instruções funcionam e como usá-las para reduzir alucinações ou respostas irrelevantes em um chatbot de viagens.

1. Execute a seção Usar instruções do sistema para proteger o modelo contra respostas irrelevantes do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Usar instruções do sistema para proteger o modelo contra respostas irrelevantes.

2. Execute a seção Transforme tarefas generativas em classificações para reduzir a variabilidade da saída do notebook.

Clique em Verificar meu progresso para conferir o objetivo. As tarefas generativas levam a uma maior variabilidade da saída.

3. Leia a seção As tarefas de classificação reduzem a variabilidade da saída do notebook.

Clique em Verificar meu progresso para conferir o objetivo. As tarefas de classificação reduzem a variabilidade da saída.

Tarefa 5: incluir exemplos para melhorar a qualidade da resposta

Outra maneira de melhorar a qualidade da resposta é adicionar exemplos ao comando. O LLM aprende no contexto com os exemplos sobre como responder. Normalmente, de um a cinco exemplos (shots) são suficientes para melhorar a qualidade das respostas. A inclusão de muitos exemplos pode gerar overfitting dos dados no modelo e reduzir a qualidade das respostas.

Assim como no treinamento de modelos clássico, a qualidade e a distribuição dos exemplos são muito importantes. Escolha exemplos que representam os cenários que você precisa que o modelo aprenda e mantenha a distribuição dos exemplos (por exemplo, o número de exemplos por classe no caso de classificação) alinhada à distribuição real.

1. Execute a seção Inclua exemplos para melhorar a qualidade da resposta do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Incluir exemplos para melhorar a qualidade da resposta.

Parabéns!

Parabéns! Neste laboratório, você conheceu as práticas recomendadas de engenharia de comandos usando a IA generativa com o Google Gemini. Você conheceu casos de uso que seguem as práticas recomendadas: adotar um perfil conciso, preferir o que é específico e bem definido, dar exemplos e fazer uma pergunta por vez ao usar LLMs para gerar respostas.

Próximas etapas / Saiba mais

Confira os recursos a seguir para saber mais sobre o Gemini:

• Visão geral do Gemini
• IA generativa na documentação da Vertex AI
• IA generativa no YouTube
• Confira o manual da Vertex AI para acessar uma galeria selecionada e pesquisável de notebooks da IA generativa.
• Conheça outros notebooks e exemplos no Repositório da IA generativa do Google Cloud (em inglês).

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 15 de maio de 2025

Laboratório testado em 15 de maio de 2025

Copyright 2025 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.