評估提示品質

實作 Prompt API 時，請務必確保提示的品質和可靠性。

如要評估提示品質，請為您的用途開發一組完整的輸入內容和預期輸出內容。

如要評估提示是否符合各 Gemini Nano 模型版本的品質標準，建議按照下列工作流程操作：

1. 執行評估資料集並記錄輸出內容。
2. 手動評估結果，或使用 LLM-as-a-judge。
   1. 如果評估結果未達到品質標準，請反覆修正提示。舉例來說，您可以要求 Gemini Pro 等功能更強大的 LLM，根據實際輸出內容與所需輸出內容的差異，改善提示。

提示工程可提升工作成效，因此反覆調整提示至關重要。建議至少重複上述步驟 3 到 5 次。請注意，這種做法有其極限，因為最佳化最終會帶來遞減回報。

或者，如要大規模快速改善提示，可以使用以資料為準的最佳化工具，指定裝置端模型 (例如 gemma-3n-e4b-it)。

安全性

為確保 Gemini Nano 為使用者提供安全結果，我們實施了多層防護措施，以限制有害或非預期的結果：

• 原生模型安全：所有 Gemini 模型 (包括 Gemini Nano) 都經過訓練，可直接提供安全防護。也就是說，安全考量是模型的核心要素，而非事後才加入。
• 輸入和輸出內容的安全篩選器：系統會先根據安全篩選器評估輸入提示和 Gemini Nano 執行階段產生的結果，再將結果提供給應用程式。這有助於防止不安全內容通過篩選，同時確保內容品質不受影響。

不過，每款應用程式都有自己的使用者安全內容標準，因此您應評估應用程式特定用途的安全風險，並據此進行測試。

其他資源

• 你的 AI 有多厲害？ - 這篇網誌文章說明如何使用 Gen AI Evaluation Service。
• 生成式 AI 評估服務總覽 - 說明文件，介紹如何評估生成式 AI 模型，以支援模型比較、提示改善和微調等工作。
• 執行以運算為基礎的評估管道 - 說明如何評估模型成效。