GSP1154

總覽

Vertex AI 是全方位的機器學習開發平台，具備預測式 AI 與生成式 AI 功能。您可以在此訓練、評估並部署預測型機器學習模型，滿足各種預測需求。此外，也能利用該平台探索、調整及部署生成式 AI 模型，幫助生成內容。以保險公司為例，業者持續致力於提升理賠處理與風險評估等作業的效率。面對這類挑戰，Vertex AI Studio 能提供強大的工具，協助快速打造生成式 AI 解決方案的原型。

Vertex AI Studio 讓您能快速測試與自訂生成式 AI 模型，以便在應用程式中加以運用。該平台提供多樣化的工具和資源，而且使用者介面 (UI) 直覺易用，即使沒有深厚的機器學習背景，也能輕鬆上手生成式 AI。

本實驗室會帶您探索 Vertex AI Studio，發揮 Gemini 等頂尖生成式 AI 模型的潛力。您將扮演開發人員，協助保險公司打造風險分析助理的原型，並在過程中學習如何將提示詞構想發展成可部署的應用程式、設計縝密的提示詞來獲得特定生成結果，以及運用多模態功能分析圖像等各種資料。所有核心作業皆可直接在 Google Cloud 控制台完成，無需使用 API 或 Python SDK。

目標

本實驗室的內容包括：

• 以提示詞打造應用程式。
• 設計有效的提示詞。
• 設計及管理提示詞。
• 使用多模態提示詞。

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。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，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中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，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 Details」窗格找到 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 Details」窗格找到 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. 按過後續的所有頁面：

   • 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，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

工作 1：以提示詞打造應用程式

在這項工作中，您會體驗如何運用 Vertex AI Studio，快速將生成式 AI 助理的構想，轉化為可實際運作的原型。本練習以保險業應用為主：設計一組提示詞，協助保險專員彙整客戶資訊來製作風險分析報告，並將提示詞轉化為簡單的應用程式。

1. 前往 Google Cloud 控制台，依序點選「導覽選單」圖示 >「Vertex AI」>「Vertex AI Studio」。

2. 依序選取左上方的「+ 新增」>「對話」，開啟提示詞編輯器頁面。

UI 分為三大區塊：

• 系統指令：模型會先處理這組指令，再處理提示詞。設定完成後，指令將套用至整個要求；若將其加入提示詞，則會在使用者與模型的多輪對話中持續生效。
• 模型設定：您可以在這裡選取模型 (包含第三方模型)、設定參數和進階選項，以及使用工具 (例如建立基準)。
• 提示詞：您可以在這裡撰寫提示詞，以便運用多模態功能。

3. 點選右上方的「未命名的提示詞」，改名為「保險風險摘要 - 原型」。

4. 在「系統指令」方塊中輸入下列內容，賦予 AI 助理符合保險情境的角色：

   你是保險核保部門的專業 AI 助理，主要任務是為核保人員提供精簡正確的客戶資訊摘要，並指明潛在風險因素。請保持專業客觀的語氣，只根據提示詞中的資訊回覆，不得自行杜撰細節。

5. 在主要提示詞區域，貼上以下內容：

   「SafeHarbor Warehousing」客戶備註：「申請人的投保標的是一座 50,000 平方英尺的倉庫。該公司成立 5 年，建築物為 2010 年興建的混凝土預鑄結構，內部存放各類非危險性乾貨。消防安全措施包括全套自動灑水系統、中央監控火災警報器，並留有認證第三方機構執行年度檢查的書面記錄。保全措施包括全天候中央監控防盜警報器、全面覆蓋室內外的監視攝影系統、完整周界圍籬，以及特約保全公司的夜間巡邏服務。該公司表示，過去 5 年間並無重大財產或責任損失。此外，申請人要求確保上個月剛安裝的自動化倉儲與取貨系統，也納入保單承保範圍。」 工作目標： 1. 提供「SafeHarbor Warehousing」業務概況與現有安全措施的精簡摘要。2. 「僅」根據上述備註，找出核保人員應立即詢問的問題，或需進一步考量的潛在風險因素。請先列出摘要，再以條列方式呈現問題與風險。

6. 點選「模型設定」：

   • 確認已選取「」模型。如要變更模型，請依序點選「模型」>「Gemini」>「」。
   • 如果尚未設定「區域」，請選取「全球」。

7. 點選「提交 (Enter 鍵)」箭頭按鈕，或按 Enter 鍵，查看模型的回覆。

注意：如果出現「429 配額用盡」錯誤，請稍候一分鐘再重新執行提示詞。

8. 在頁面右上方，點選提示詞名稱旁的「儲存」按鈕。

9. 在「儲存提示詞」對話方塊，確認「區域」正確無誤 ()，然後點選「儲存」。

注意：初次儲存提示詞可能需要幾分鐘時間。

10. 儲存提示詞後，接著將學習把這段內容轉化為應用程式原型。請點選頁面右上方的「程式碼」按鈕。

11. 在隨即顯示的選單中，依序選取「部署」>「Cloud Run」>「部署為應用程式」。

12. 在隨即顯示的「根據目前的提示詞建立網頁應用程式」對話方塊中：

    • 勾選「確認聲明」，同意公開部署應用程式。
    • 點選「建立應用程式」。

13. 部署程序會開始執行，過程可能需要幾分鐘。期間 UI 可能顯示類似下方的狀態更新：

注意：初次部署有時會失敗，這通常是因為在部署作業開始時，建構服務的基礎權限尚未完全生效。如果「管理網頁應用程式」對話方塊中顯示「失敗」狀態，請按照下列步驟重試：

1. 等待約一分鐘，讓所有服務和權限完成初始化。
2. 在「管理網頁應用程式」對話方塊中，點選「更新應用程式」按鈕。
3. 接著會出現確認對話方塊。點選「確認」即可啟動更新。

14. 完成後，點選「管理網頁應用程式」方塊中的「關閉」按鈕。

15. 如要開啟新部署的應用程式，請依序點選「程式碼」>「部署」>「Cloud Run」>「開啟應用程式」。

16. 現在應會看到標題為「歡迎使用 Vertex AI 生成式 AI 應用程式！」的頁面，其中顯示您的提示詞名稱「保險風險摘要 - 原型」。

17. 在「聊天機器人」部分底部的「請輸入訊息..」輸入欄位中，輸入新的測試訊息，例如：

    新客戶諮詢： 「申請單位『Coastal Goods Delivery』擁有一支由 10 輛貨車組成的車隊，每輛車配備 GPS 與遠端資訊處理系統。營運範圍在發貨中心方圓 100 英里內，駕駛每年都接受安全訓練。去年曾發生一起輕微擦撞事故，無人受傷，損失金額為 $1,500 美元。主要的風險考量點為何？」 請提供重點摘要並列出潛在風險因素。

18. 點選提交箭頭按鈕，將訊息傳送至應用程式。

19. 觀察應用程式的回覆。應用程式應會根據您在 Vertex AI Studio 定義的邏輯和系統指令，處理您的輸入內容。

注意：如應用程式頁面的警告所示，此應用程式預設開放任何人存取，無需驗證身分。在實際工作環境中，您應設定適當的安全性機制，不過在本實驗室探索時，保留預設設定即可。

20. 您已完成整個流程：
    • 在 Vertex AI Studio 設計提示詞。
    • 點選幾下按鈕，透過 Cloud Run 部署無伺服器應用程式。
    • 直接透過網頁介面開啟生成式 AI 模型，並與其互動。這展現出 Vertex AI Studio 在快速建立原型與部署生成式 AI 功能方面的強大優勢。

點選「Check my progress」確認目標已達成。

使用 Vertex AI Studio 建立提示詞應用程式。

工作 2：設計有效的提示詞

您已在工作 1 完成初步的提示詞原型設計，接下來將進一步學習如何精煉提示詞，讓生成式模型輸出更精確、可控且實用的結果，這也是提示工程的核心技能。本階段將延續保險主題，嘗試從理賠文件中擷取特定資訊，或提升摘要品質。

如要進一步瞭解提示詞類型，請參閱這份指南。

零樣本提示

您將從建立新的提示詞開始，進一步探索更細緻的提示詞設計。

1. 確認目前位於 Vertex AI Studio 主區域。如果仍開著工作 1 部署的應用程式頁面，請關閉該瀏覽器分頁，返回 Google Cloud 控制台。

注意：如果出現系統提示，請選擇「不儲存而直接離開」，然後點選「繼續」。

2. 依序選取左上方的「新增」>「對話」，開啟新的提示詞編輯器頁面。

3. 點選右上方的「未命名的提示詞」，改名為「擷取保險理賠資料」。

4. 瞭解本節的模擬情境：「保險理賠人員常收到非結構化的備註或電子郵件，需要快速從中擷取新理賠案件的重要資訊，以便輸入理賠管理系統。」

5. 在「系統指令」方塊中，輸入下列內容：

   你是 AI 助理，擅長從非結構化的保險理賠通知中，剖析與擷取特定的資料點。你的任務是準確辨識並列出關鍵資訊，如果某項資訊未出現，請明確標示「未找到」。 請以「鍵：值」格式輸出擷取的資訊，每項獨立成行。

6. 在主要提示詞區域中，貼上以下非結構化的理賠備註樣本：

   理賠通知內容： 「各位好，剛接到 Eleanor Vance 女士的來電，保單號碼為 #POL458892。她通報 2025 年 5 月 12 日下午 3 點左右發生廚房火警，主要受損範圍似乎是烤箱和周邊櫥櫃，廚房和用餐區也受到煙燻損害。她估計總損失金額約 $7,500 美元，聯絡電話是 555-0123。所幸並無人員受傷通報。」請擷取下列資訊： - 保單號碼 - 理賠申請人姓名 - 損失日期 - 損失時間 - 損失類型 - 損害簡述 - 預估損失金額 - 人員受傷通報

7. 點選「模型設定」：

   • 確認已選取「」模型。
   • 將「溫度參數 (Temperature)」設為 0.1，確保擷取內容忠於事實，減少模型自由發揮的空間。
   • 將「輸出詞元限制」設為合理的數字，例如 1024。
   • 確定「區域」設為「全球」。

8. 點選「提交 (Enter 鍵)」箭頭按鈕，查看輸出內容。這種未提供明確樣本就直接執行的做法，稱為零樣本提示。

少量樣本提示

通常只要提供幾個樣本 (即「少量樣本提示」)，即可大幅提升模型成效，尤其在處理特定格式或擷取細節時，效果更明顯。

1. 依序選取左上方的「新增」>「對話」。

2. 在「提示詞」部分的底部，點選「+」按鈕。

3. 在彈出式選單中選取「Example」。

畫面上會出現新視窗，您可以在提示詞中新增樣本。

4. 在隨即顯示的「樣本」介面中：

   • 在第一個樣本的「輸入內容」中，貼上以下非結構化的備註：
   理賠通知內容： 「來自 John Sterling (保單號碼 POL77521) 的電子郵件，內容提及其店面遭遇水損。事故發生於昨天 (2025 年 5 月 10 日) 夜間某時，天花板水管破裂，導致儲藏室淹水且部分庫存受損。目前不確定損失金額，估計約 $5,000 至 $10,000 美元。事發時無人在場，無人受傷。」 請擷取下列資訊： - 保單號碼 - 理賠申請人姓名 - 損失日期 - 損失時間 - 損失類型 - 損害簡述 - 預估損失金額 - 人員受傷通報
   • 在第一個樣本的「輸出內容」中，貼上以下格式正確的擷取內容：
   保單號碼：POL77521 理賠申請人姓名：John Sterling 損失日期：2025 年 5 月 10 日 損失時間：夜間 損失類型：水損 損害簡述：天花板水管破裂，儲藏室淹水，部分庫存受損。 預估損失金額：$5,000 - $10,000 美元 人員受傷通報：無
   • 點選「新增樣本」按鈕，儲存這個樣本後，返回主要提示詞區域。

5. 重新加入系統指令：清除提示詞時也會一併清除系統指令，因此請再次將指令貼回「系統指令」方塊：

   你是 AI 助理，擅長從非結構化的保險理賠通知中，剖析與擷取特定的資料點。你的任務是準確辨識並列出關鍵資訊，如果某項資訊未出現，請明確標示「未找到」。 請以「鍵：值」格式輸出擷取的資訊，每項獨立成行。

6. 提供新的輸入內容和提示詞：

   • 在標示為「{Input} 在這裡輸入值…」的區域中，貼上 Eleanor Vance 的原始理賠通知，模型就會立即處理：
   理賠通知內容： 「各位好，剛接到 Eleanor Vance 女士的來電，保單號碼為 #POL458892。她通報 2025 年 5 月 12 日下午 3 點左右發生廚房火警，主要受損範圍似乎是烤箱和周邊櫥櫃，廚房和用餐區也受到煙燻損害。她估計總損失金額約 $7,500 美元，聯絡電話是 555-0123。所幸無人受傷。」

7. 在輸入欄位下方，找到標示為「撰寫提示詞」的區域，然後提供指令，告訴模型如何處理輸入文字，並以樣本做為指引。輸入下列指令：

   請從提供的理賠通知中擷取下列資料點： - 保單號碼 - 理賠申請人姓名 - 損失日期 - 損失時間 - 損失類型 - 損害簡述 - 預估損失金額 - 人員受傷通報

8. 點選「模型設定」：

   • 確認已選取「」模型。
   • 將「溫度參數 (Temperature)」設為 0.1，確保擷取內容忠於事實，減少模型自由發揮的空間。
   • 將「輸出詞元限制」設為合理的數字，例如 1024。
   • 確定「區域」設為「全球」。

9. 再次點選「提交 (Enter 鍵)」箭頭按鈕，將本次輸出內容與先前運用零樣本提示的結果比對。觀察在加入少量樣本並採用結構化輸入方式後，準確度和格式是否明顯改進。

嘗試各種提示詞設定

接著，您將探索「模型設定」中的各項參數如何影響回覆內容。請確認已啟用包含少量樣本的「擷取保險理賠資料」提示詞。

注意：「擷取保險理賠資料」提示詞專為輸出準確的結構化內容設計。如要觀察「溫度參數」和「Top-P」等參數的效果，建議使用著重發揮創意的提示詞。

首先，請撰寫要用於測試的新提示詞：

1. 依序選取左上方的「新增」>「對話」。

2. 將提示詞命名為「保險故事」。

3. 在提示詞文字方塊中，貼上以下內容：

請撰寫短篇故事的「第一段」，描述一名屋主剛使用充滿未來感的 AI 保險應用程式，針對一起離奇的意外事件提出理賠申請。

接下來，您將嘗試調整模型設定。

嘗試各種模型設定

1. 嘗試調整溫度參數：

   • 說明：溫度參數能控制隨機性。數值較低時 (如 0.0 到 0.2)，輸出內容更簡潔明確，結果更可預測；數值較高時 (如 1.5 到 2)，能促使模型產生更多樣化或具備創意的回覆。
   • 操作方式：將「溫度參數 (Temperature)」改為 1.5，點選「提交 (Enter 鍵)」並觀察變化。接著，將「溫度參數 (Temperature)」改回 0.1，提示詞維持不變，然後再次點選「提交 (Enter 鍵)」。

2. 嘗試調整輸出詞元限制：

   • 說明：設定模型回覆時最多可生成多少詞元 (字詞片段)。
   • 操作方式：將「輸出詞元限制」設為極小的數值 (例如 500)，提示詞維持不變，然後點選「提交 (Enter 鍵)」，觀察輸出內容是否遭到截斷，最後再重設為預設上限 65535。

3. 嘗試調整 Top-P：

   • 說明：Top-P (核心取樣) 也能控制隨機性。模型會從機率最高的詞元開始挑選，直到這些詞元的機率總和超過 Top-P 值，就不會再考量其他詞元。設定為 1.0，代表會考量所有詞元。降低 Top-P 值 (例如設為 0.8) 可讓輸出內容更穩定，效果類似調低溫度。
   • 操作方式：將「溫度參數 (Temperature)」設為 0.1 (或稍高如 0.5，以便更清楚觀察 Top-P 的影響)，再將「Top-P」設為 0.8，提示詞維持不變，然後點選「提交 (Enter 鍵)」。接著，將「Top-P」設為 1.0，提示詞還是維持不變，然後點選「提交 (Enter 鍵)」，觀察是否有細微差異。

4. 快速檢查「進階」模型設定面板中的其他項目：

   • 安全性篩選器設定：預設啟用，有助封鎖有害內容。在本實驗室中，請使用預設設定。
   • 思考預算：這項參數用來設定模型在產生回覆時可使用的思考詞元數量。詞元數量越多，通常能進行更深入的推論，有助於處理複雜工作。這項設定預設為「自動」，但也可以改為「停用」或「手動」。如果設為「手動」，模型會在達到指定的詞元上限後停止分析。處理簡單工作時，可設定較低的上限，如果工作較為複雜，則可提高上限。
   • 結構化輸出內容：模型生成的回覆須嚴格符合預先定義的結構 (例如 JSON)。
   • 建立基準：Google 搜尋：連結 Google 搜尋或地圖，讓模型能根據即時的公開資訊回答問題。
   • 建立基準：您的資料：讓模型從您提供的資料來源 (如 Vertex AI Search 或 RAG Engine) 擷取資訊，回答特定情境的問題。

點選「Check my progress」確認目標已達成。

Vertex AI Studio 中的提示工程。

工作 3：設計及管理提示詞

建立可用提示詞後，通常可嘗試調整指令或模型設定，看看是否能提升回覆品質。Vertex AI Studio 的「比較」功能正是為此而設計。在這個部分，您需要繼續使用剛才建立的提示詞。

1. 依序選取左上方的「新增」>「對話」，開啟新的提示詞編輯器頁面。

2. 將新提示詞命名為「辨識保險風險因素」。

3. 設定簡單的基本提示詞：

   • 在「系統指令」方塊中，輸入下列內容：
   你是一位保險風險分析助理，負責從提供的情境中找出潛在風險因素，並精簡說明。
   • 在主要提示詞區域，貼上以下內容：
   情境： 「申請單位『The Fiery Grill』是一家新開的高級餐廳，主打柴燒窯烤披薩與明火燒烤。店內廚房已裝設全新的訂製滅火系統，但尚未通過第三方認證。此外，餐廳每逢週末夜晚會安排不插電現場演奏，並設有小型挑高舞台，也規劃提供代客泊車服務。」 請根據上述情境，列出核保人員應考慮的三大主要風險因素。
   • 點選「模型設定」：
   • 確認已選取「」模型。
     • 將「溫度參數 (Temperature)」設為 0.2。
     • 確定「區域」設為「全球」。

4. 點選「提交 (Enter 鍵)」箭頭按鈕，查看模型的初步回覆。

5. 如果提示詞尚未自動儲存，請點選「儲存」按鈕。

6. 現在，畫面上會顯示「辨識保險風險因素」提示詞與回覆內容，請點選提示詞名稱旁 (右上角) 的三點圖示，然後選取「比較」。

7. 「比較」介面隨即開啟。「辨識保險風險因素」提示詞、相關設定和最新回覆，將並列顯示在頁面兩側，讓您能輕鬆對照模型設定與系統指令不同的版本。

修改系統指令來比較

接著來看看更改指令對提示詞的輸出內容有何影響。

1. 在右側提示詞的「系統指令」方塊中，將該提示詞現有的系統指令改為以下內容：

你是一位專業的保險風險分析助理，負責從提供的情境中找出潛在風險因素，並針對各項因素，簡要提供可能緩解策略，或建議核保人員確認的問題。回覆應條理分明。

2. 其餘的模型設定保持不變，並在頁面底部的方塊中提交以下提示詞：

情境： 「申請單位『The Fiery Grill』是一家新開的高級餐廳，主打柴燒窯烤披薩與明火燒烤。店內廚房已裝設全新的訂製滅火系統，但尚未通過第三方認證。此外，餐廳每逢週末夜晚會安排不插電現場演奏，並設有小型挑高舞台，也規劃提供代客泊車服務。」 請根據上述情境，列出核保人員應考慮的三大主要風險因素。

3. 等候兩組提示詞生成回覆，接著並列檢視結果，確認修改指令後，第二組回覆是否已包含緩解策略或提問內容。您可以進一步修改系統指令，看看模型在引導下會生成什麼樣的回覆。

比較各種溫度參數設定

接下來要透過比較窗格測試不同溫度參數。

1. 在右側提示詞的「系統指令」方塊中，將內容還原為與左側相同。

你是一位保險風險分析助理，負責從提供的情境中找出潛在風險因素，並精簡說明。

2. 在右側提示詞區塊中，開啟「模型設定」窗格，將「溫度參數」變更為 2.0，並確認模型仍為「」。

3. 在頁面底部的方塊中提交以下提示詞：

情境： 「申請單位『The Fiery Grill』是一家新開的高級餐廳，主打柴燒窯烤披薩與明火燒烤。店內廚房已裝設全新的訂製滅火系統，但尚未通過第三方認證。此外，餐廳每逢週末夜晚會安排不插電現場演奏，並設有小型挑高舞台，也規劃提供代客泊車服務。」 請根據上述情境，列出核保人員應考慮的三大主要風險因素。

4. 觀察回覆的差異。第二組提示詞使用了較高的溫度參數 (2.0) ，這是否導致列出的風險因素變得更隨機、推測性更高，或是與溫度參數為 0.2 的輸出結果有明顯差異？

注意：將溫度參數設得這麼高，可能會導致輸出內容的連貫性或相關性降低，而這正好能觀察到該參數的極端效果。

比較不同模型和設定

現在，請嘗試比較基礎模型與不同的模型及設定，觀察兩者在推論或輸出風格上的差異。

1. 在右側提示詞區塊，開啟「模型設定」窗格，然後做出下列調整：

   • 確認「模型」已設為「」
   • 將「溫度參數 (Temperature)」設為 0.2

2. 在左側提示詞區塊中，開啟「模型設定」窗格，然後做出下列調整：

   • 確認「模型」已設為「」
   • 將「溫度參數 (Temperature)」設為 0.2
   • 將「思考預算」設為「停用」。

3. 在頁面底部的方塊中提交以下提示詞。此提示詞特意設計得較為複雜，以呈現不同模型之間的能力差異。

情境： 「申請單位『The Fiery Grill』是一家高級餐廳，主打柴燒窯烤和明火燒烤。店內裝設了全新訂製的滅火系統，但尚未通過第三方認證。餐廳設有小型挑高舞台，計劃安排不插電現場演奏，並由自家員工提供代客泊車服務。申請單位沒有過往營業記錄。」核保準則： 優先順序：責任風險分為以下三類： - A 類 (關鍵)：火災、結構失效、安全系統故障。- B 類 (標準)：一般場所責任險 (例如滑倒)。- C 類 (特定)：車輛責任險。疊加因素：若某項「疊加風險」(會加劇其他風險的條件) 存在，必須提升至最高優先順位。 經驗不足：缺乏過往營業記錄屬於一般負面因素，但不構成主要風險。車輛責任：C 類風險 (代客泊車) 僅在採用未經審核的第三方承包商時，才列為主要風險。工作： 請根據上述情境與核保準則，找出唯一的首要風險，接著引用相關準則，以兩句話說明為何該風險排在首位。

4. 查看回覆，比較「」(左側窗格) 和「」(右側窗格) 的輸出內容。

兩者在精確度上應該會有明顯差異。 模型 (左側) 可能會快速回覆，但答案較籠統，例如指出整體危害 (「火災」)。 模型 (右側) 則能鎖定具體細節，提供更具參考價值的精確答案 (例如指出「滅火系統未經認證」)。此外，您可以觀察到 Pro 模型的說明更為詳盡，可能引用多項準則，展現更深層的推理能力。

點選「Check my progress」確認目標已達成。

比較、評估和管理提示詞。

工作 4：透過 Gemini 使用多模態提示詞

在這項工作中，您會使用 Vertex AI Studio 的主要提示詞介面和 Gemini 模型，分析圖像並從中擷取資訊。您將瞭解如何設計提示詞來執行各種分析工作，例如根據圖像內容生成說明、擷取文字及回答問題。

1. 返回「Vertex AI Studio」頁面。

2. 依序點選左上角的「新增」>「對話」。

3. 將提示詞名稱改為「時刻表圖片分析」。

4. 點選提示詞輸入框左下方的「+」按鈕，然後選取「從 Cloud Storage 匯入」。

5. 在選單中依序選取預先建構的 Cloud Storage bucket 和 timetable.png 檔案。

6. 在右側的「模型設定」面板中：

   • 確認已選取「」模型。
   • 確定「區域」設為「全球」。

7. 接著可以要求模型對圖像執行幾項工作。在提示詞輸入欄位中插入的圖像下方，貼上以下提示詞：

1. 1. 提供簡短的圖片名稱 (不超過 5 字)。2. 用一到兩句話描述圖片內容。3. 擷取圖中所有可見文字，以格式清晰的清單呈現航班時刻表，包含「時間」和「城市」欄位。

8. 點選「提交 (Enter 鍵)」來提交提示詞，並查看模型的回覆。

9. 接著，您可以提出需根據擷取資訊推論才能回答的問題。請提交下列提示詞：

根據圖中的航班時刻表，所列航班在上午 11:30 前起飛的百分比為何？如果可以，請顯示計算過程。

10. 點選「提交 (Enter 鍵)」按鈕並查看回覆。

11. 快速觀察溫度參數對結果的影響。在「模型設定」面板執行以下操作：

    • 將「溫度參數」調整為 0.8。
    • 重新提交與步驟 9「完全相同的提示詞」(「根據圖中的航班時刻表...百分比...」)。
    • 觀察說明的風格、語氣自信程度或細節是否有變化。
    • 觀察完畢後，將「溫度參數」調回 0.2 等較低數值，以獲得更可預測的回覆。

注意：溫度參數能控制隨機性。較低的數值 (如 0.0 到 0.2) 可讓模型提供符合事實的回覆；較高的數值 (如 0.7 以上) 則會產生更多樣或更具創意的輸出內容，但可能不適合用於講求精確的資料擷取或分析作業。

點選「Check my progress」確認目標已達成。

在 Vertex AI Studio 使用 Gemini 分析圖像。

工作 5：在 Vertex AI Studio 生成媒體內容

除了生成文字，Vertex AI Studio 也提供強大工具，讓您能直接用提示詞生成各類媒體，或進一步調整現有素材。在這項工作中，您會瞭解如何生成圖像和語音。

使用 Imagen 生成圖像

首先來生成圖像。

1. 在頁面左上角，點選「發起新對話」旁的下拉式選單，然後依序按一下「圖像」>「生成媒體」>「圖像」。

2. 在底部的文字提示詞區域中，輸入描述性的提示詞：

   一張單隻蜜蜂的寫實特寫相片。畫面中，蜜蜂正從鮮豔的紫色薰衣草花朵上採集花粉，背景則是柔焦處理的花園景色。

3. 在右側的「設定」面板中：

   • 確認「模型」已設為「Imagen 4」或最新的支援模型。
   • 在「顯示比例」部分，選取「1:1」。
   • 將第一次生成作業的「結果數量」設為 4。
   • 檢查「安全性」設定 (例如「人物生成」、「Safety filter threshold」)。由於此提示詞不涉及人物，您可以保留預設值或視需要自行調整。

4. 點選「執行」按鈕，提交提示詞。

5. 不久後，生成的圖像就會顯示在主要區域中。

6. 點選其中一個生成的圖像縮圖，即可開啟詳細資料檢視畫面。

7. 在右側的「圖像詳細資料」窗格中：
   • 查看可用的「AI 動作」，例如「圖像修復」(使用遮罩新增/移除元素)、「外擴」(外擴圖像) 和「匯出圖像」(可放大圖像)。
   • 留意「偵測到 SynthID」是否標示綠色勾號。
   • (選用)：選取「圖像修復」或「外擴」，用這兩個動作探索 Imagen 的功能。

什麼是 SynthID？

SynthID 是 Google DeepMind 開發的技術，可將數位浮水印直接嵌入 AI 生成圖像的像素中。這種浮水印經過特殊設計，人眼無法辨識，但可由演算法偵測。SynthID 可協助辨識 AI 生成圖像，促進資訊公開和負責任的 AI 做法，即使圖像後續經過修改 (例如壓縮或套用濾鏡)，辨識功能依然有效。

點選「Check my progress」確認目標已達成。

探索 Vertex AI Media Studio。

使用 Chirp 生成語音 (選用)

如果想瞭解 AI 生成的語音：

1. 在頂端的小型垂直工具列中，點選像是麥克風的「語音」圖示，切換至語音生成工具，即可開啟 Chirp 介面。

2. 如果專案尚未啟用 Cloud Text-to-Speech API，您可能會收到啟用這項 API 的提示。如果尚未啟用，請點選「啟用」，然後等待 API 啟用 (可能需要一點時間)。

3. 介面準備就緒後，請在底部的文字提示詞區域中，輸入要合成語音的文字。例如：

歡迎來到 Google Cloud 生成式 AI 的世界

4. 在右側的「設定」面板中：

   • 選取「模型」，例如 Chirp 3. HD Voices。
   • 從「語言」下拉式選單中選擇所需選項，例如「英文 (美國)」。
   • 從下拉式選單中選取「語音」。您可以試聽幾種不同的聲音，瞭解各自的特色。
   • 如有需要，歡迎探索各種「進階選項」。

5. 點選「執行」按鈕。

6. 處理完畢後，應該就能直接在介面中播放生成的音訊。

恭喜！

恭喜！在本實驗室中，您已成功運用 Vertex AI Studio 完成保險情境的生成式 AI 應用程式原型，體驗從初步設計與部署，到進階提示工程與模型比較的每個環節。您也練習了如何針對特定分析工作，進一步修正文字輸出結果，並探索圖像和語音生成等強大的多模態功能。這些基礎技巧有助您在 Google Cloud 建構更精密的生成式 AI 解決方案。

後續步驟/瞭解詳情

• 如要深入瞭解您探索過的生成式 AI 模型功能，例如用於文字和圖像分析的 Gemini、Imagen、Veo 和 Chirp 等，請參閱官方 Vertex AI Model Garden 說明文件。
• 想進一步提升提示工程技能，不妨參閱 Google Cloud 詳盡的提示設計策略指南，掌握最佳做法和進階技巧。
• 如要瞭解如何將這些生成式 AI 功能整合至應用程式並自動執行，請參閱 Vertex AI SDK 說明文件。
• 歡迎參加更多 Google Skills 的生成式 AI 實驗室和課程，繼續精進專業能力。

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 4 月 7 日

實驗室上次測試日期：2026 年 4 月 7 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。