GSP1154

總覽

Vertex AI 是全方位的機器學習開發平台，提供預測式和生成式 AI 功能，方便您訓練、評估及部署預測機器學習模型來預測趨勢。此外，您可以利用平台探索、調整及提供生成式 AI 模型來生成內容。舉例來說，保險公司不斷尋求提升效率的方法，希望改良理賠處理和風險評估等程序。針對這類挑戰，Vertex AI Studio 提供強大的工具，可快速設計出生成式 AI 解決方案的原型。

有了 Vertex AI Studio，您就能快速測試及自訂生成式 AI 模型，並用於應用程式。這個平台提供各種工具和資源，包括符合直覺的使用者介面 (UI)，即使沒有豐富的機器學習相關背景，也能輕鬆開始使用生成式 AI。

本實驗室會引導您逐步探索 Vertex AI Studio，協助您發揮 Gemini 等先進生成式 AI 模型的潛力。您將扮演保險公司員工，協助設計風險分析助理原型。您會瞭解如何將提示詞構想轉化為可部署的應用程式、設計縝密的提示詞來達到特定生成結果，並運用多模態功能分析各種類型的資料 (包括圖像)，所有這些核心工作都能直接在 Google Cloud 控制台完成，不必透過 API 或 Python SDK 執行。

目標

本實驗室的內容包括：

• 根據提示詞建立應用程式。
• 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：根據提示詞建立應用程式

在這項工作中，您會瞭解如何透過 Vertex AI Studio，運用生成式 AI 助理將構想轉化為可實際運作的原型。這項工作會著重在保險業的應用實例：建立提示詞，協助保險專員總結客戶資訊來生成風險分析報告，並根據此提示詞建構簡單的應用程式。

1. 在 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」>「Chat」，即可進入提示詞編輯器頁面。

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。設定系統指令後，就會套用至整個要求。這類指令一旦加進提示詞中，就會在使用者與模型的來往對話持續生效。
• 「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，運用多模態功能與模型互動。

3. 新的未命名提示詞頁面載入後，點選「未命名的提示詞」，並重新命名為 Insurance Risk Summary - Prototype。

4. 在「系統指令」方塊中輸入以下內容，為 AI 助理指派保險情境相關角色：

   You are an expert AI assistant for an insurance underwriting department.Your primary goal is to help underwriters by accurately and concisely summarizing client information and highlighting potential risk factors. Maintain a professional and objective tone. Focus only on the information provided in the prompt. Do not invent details.

5. 在系統指令下方，頁面底部的主要提示詞區域中，貼上以下內容：

   Customer Notes for 'SafeHarbor Warehousing': "The applicant is seeking coverage for their 50,000 sq ft warehouse. The business is 5 years old. The building is a concrete tilt-up structure, originally built in 2010. They store a variety of non-hazardous dry goods. Fire safety measures include a full sprinkler system, a centrally monitored fire alarm, and documented annual inspections by a certified third party. Security measures include a 24/7 centrally monitored burglar alarm, comprehensive security camera coverage of the interior and exterior, a fully fenced perimeter, and nightly patrols by a contracted security guard service. The company reports no major property or liability losses in their 5-year history. They have specifically asked to ensure their new automated shelving and retrieval system, installed last month, is adequately covered under the policy." Your Task: 1. Briefly summarize the key details of the 'SafeHarbor Warehousing' business and its existing safety measures. 2. Based *only* on the notes provided, identify any immediate questions an underwriter should ask or potential risk factors they should consider further. Present the summary first, then the questions/risk factors as bullet points.

6. 在「模型設定」部分：

   • 確認已選取「」模型，點選該模型即可變更。
   • 如果尚未設定，請在「區域」選單選取「全球」。

7. 點選「提交」箭頭按鈕或按下 Enter 鍵，查看模型的回覆。

8. 點選提示詞名稱旁的「儲存」按鈕。

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

注意：首次儲存提示詞可能需要幾分鐘。

10. 提示詞儲存完畢後，接著要學習如何將草擬的提示詞轉換成原型應用程式。請點選頁面右上方的「程式碼」按鈕。

11. 在畫面上顯示的選單中，依序選取「Deploy」>「部署為應用程式」。

12. 在隨即出現的「部署至 Cloud Run」對話方塊中，執行下列操作：

• 如果系統提示「Enable services」(例如 Cloud Build API、Cloud Run API)，點按「啟用必要 API」，等待系統啟用這些 API。

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

13. 部署作業隨即會開始，可能需要幾分鐘才能完成。您可能會在 UI 中看到類似下方的狀態更新：

注意：部署程序有可能在第一次嘗試時失敗。如果部署作業開始時，尚未完全傳播建構服務的基礎權限，這時部署程序通常就會失敗。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. 點按「管理網頁應用程式」對話方塊中的「更新應用程式」按鈕。
3. 接著會出現確認對話方塊。點選「確認」即可開始更新程序。

14. 完成後，點選「管理網頁應用程式」方塊中的「關閉」按鈕。

15. 執行以下步驟來開啟新部署的應用程式：再次點選「程式碼」按鈕，從下拉式選單中選取「開啟應用程式」。您部署的生成式 AI 應用程式就會在新的瀏覽器分頁開啟。

16. 您現在應會看到標題為「歡迎使用 Vertex AI 生成式 AI 應用程式！」的網頁，並顯示提示詞標題「Insurance Risk Summary - Prototype」。

17. 在「Chatbot」部分底部的「Type a message...」輸入欄位中，輸入新的測試訊息，例如：

    New Customer Inquiry: "Applicant 'Coastal Goods Delivery' has a fleet of 10 delivery vans, all equipped with GPS and telematics. They operate within a 100-mile radius of their depot. Drivers undergo annual safety training. They had one minor fender bender last year, no injuries, $1500 damages. What are the primary risk considerations?" Please summarize key points and identify potential risks.

18. 點選提交箭頭按鈕，將訊息傳送至應用程式。

19. 觀察部署的應用程式回覆，該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輸入內容。

注意：如應用程式頁面上的警告所示，這個應用程式預設允許未經驗證的存取要求。在實際工作環境中，您需設置適當的安全性設定。本實驗室使用預設值即可，您可以放心探索。

20. 您已完成整個循環：
    • 在 Vertex AI Studio 設計提示詞。
    • 按幾下滑鼠，就成功轉化提示詞，運用 Cloud Run 部署為無伺服器應用程式。
    • 透過網頁介面直接開啟生成式 AI 模型並互動，這展現了 Vertex AI Studio 的強大之處，能快速設計出生成式 AI 功能的原型並部署完成。

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

在工作 1 中，您已設計出初始提示詞的原型。接著，您將深入瞭解如何修正提示詞，讓生成式模型生成更精確、受控且實用的內容，這也是提示工程的核心技能。您將繼續以保險為主題，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

首先，您會建立新的提示詞，用以探索提示詞設計的詳細程序。

1. 確認您目前位於 Vertex AI Studio 的主要區域。如果您先前在查看工作 1 中部署的應用程式，請關閉該瀏覽器分頁，並返回 Google Cloud 控制台。

2. 依序選取左上方的「新增」>「Chat」，即可進入新的提示詞編輯器頁面。

3. 點選「未命名的提示詞」，並重新命名為 Insurance Claim Data Extraction。

4. 熟悉這部分的情境：「保險理賠人員經常會收到未整理過的新理賠案件備註或電子郵件，他們需要快速從中擷取重要資訊，並輸入理賠管理系統。」

5. 在「系統指令」方塊中，輸入下列內容：

   You are an AI assistant specializing in parsing and extracting specific data points from unstructured insurance claim notifications.Your goal is to identify and list key information accurately. If a piece of information is not found, clearly state "Not found". Output the extracted information in a key: value format, with each key on a new line.

6. 在主要提示詞區域中，貼上以下未經整理的理賠備註樣本：

   Claim Notification Received: "Hi team, just got a call from Mrs. Eleanor Vance, policy #POL458892. She reported a kitchen fire that occurred on May 12th, 2025, around 3 PM. The main damage seems to be to the oven and surrounding cabinets. She mentioned smoke damage in the kitchen and dining area too. She thinks the total damage might be around $7,500. Her contact is 555-0123. No injuries reported, thankfully." Extract the following: - Policy Number - Claimant Name - Date of Loss - Time of Loss - Type of Loss - Brief Description of Damage - Estimated Loss Amount - Injuries Reported

7. 在「模型設定」部分：

   • 選取「」模型。
   • 將「溫度參數」設為 0.1，以便擷取更符合事實、創意度較低的內容。
   • 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. 點按「提交」箭頭按鈕，查看輸出內容。這種初次操作時未提供明確樣本，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」>「Chat」。

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，貼上以下未經整理的備註：
   Claim Notification Received: "Email from John Sterling (policy POL77521) re: water damage at his shop. Happened sometime last night, May 10th, 2025. A pipe burst in the ceiling. Stockroom is flooded, some damage to inventory. He's not sure on the cost yet, maybe $5k-$10k? No one was there, so no injuries." Extract the following: - Policy Number - Claimant Name - Date of Loss - Time of Loss - Type of Loss - Brief Description of Damage - Estimated Loss Amount - Injuries Reported
   • 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：
   Policy Number: POL77521 Claimant Name: John Sterling Date of Loss: May 10th, 2025 Time of Loss: Night Type of Loss: Water damage Brief Description of Damage: Pipe burst in ceiling, stockroom flooded, some damage to inventory. Estimated Loss Amount: $5,000 - $10,000 Injuries Reported: No
   • 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：清除提示詞也一併清除了系統指令，因此請再次將指令貼到「系統指令」方塊：

   You are an AI assistant specializing in parsing and extracting specific data points from unstructured insurance claim notifications.Your goal is to identify and list key information accurately. If a piece of information is not found, clearly state "Not found". Output the extracted information in a key: value format, with each key on a new line.

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：
   Claim Notification Received: "Hi team, just got a call from Mrs. Eleanor Vance, policy #POL458892. She reported a kitchen fire that occurred on May 12th, 2025, around 3 PM. The main damage seems to be to the oven and surrounding cabinets. She mentioned smoke damage in the kitchen and dining area too. She thinks the total damage might be around $7,500. Her contact is 555-0123. No injuries reported, thankfully."

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：

   Extract the following data points from the provided claim notification: - Policy Number - Claimant Name - Date of Loss - Time of Loss - Type of Loss - Brief Description of Damage - Estimated Loss Amount - Injuries Reported

8. 在「模型設定」部分：

   • 選取「」模型。
   • 將「溫度參數」設為 0.1，以便擷取更符合事實、創意度較低的內容。
   • 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」箭頭按鈕。請比較這項新輸出內容與先前嘗試的零樣本提示結果。由於使用少量樣本和結構化輸入法，請注意準確度是否明顯提升，或格式是否更符合需求。

測試提示詞設定

接著，來看看「模型設定」部分的各項參數如何影響模型回覆。請確認使用少量樣本的「Insurance Claim Data Extraction」提示詞已啟用。

注意：「Insurance Claim Data Extraction」提示詞的設計重點在於，確保模型回覆準確，結構也符合需求。如要確認「溫度參數」和「Top-P」等參數的效果，建議使用有創意的提示詞。

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」>「Chat」。

2. 將提示詞命名為 Insurance Story。

3. 在提示詞文字方塊中，貼上以下內容：

Write the *first paragraph* of a short story about a homeowner who just used a futuristic AI insurance app to file a claim. The claim was for a bizarre and unexpected incident.

接下來，您需要測試模型設定。

測試模型設定

1. 測試「溫度參數」：

   • 說明：溫度參數會決定隨機程度。較低的值 (如 0.0 到 0.2) 可提高輸出內容的精確度與確定性，較高的值 (如 1.5 到 2) 則可讓模型的回覆更多樣或更有創意。
   • 試試看：將「溫度參數」改為 1.5，並點選「提交」，注意是否有任何變化。接著，將「溫度參數」改回 0.1，提示詞維持不變，然後再次點選「提交」。

2. 測試「輸出詞元限制」：

   • 說明：這項設定會限制模型回覆時最多可生成多少詞元 (字詞片段)。
   • 試試看：將「輸出詞元限制」設為非常小的數字，例如 500，提示詞維持不變，然後點選「提交」，觀察輸出內容是否遭到截斷，最後再重設回長度上限 (預設值) 65535。

3. 測試「Top-P」：

   • 說明：「Top-P」(核心取樣) 也會決定隨機程度。模型只會考慮機率最高的詞元，且這些詞元的機率總和必須超過 Top-P 值。如果值為 1.0，模型會考量所有詞元。降低 Top-P (例如設為 0.8) 可讓輸出內容更精準，與調低溫度參數的效果相似。
   • 試試看：將「溫度參數」設為 0.1，或稍微調高至 0.5，方便更清楚觀察 Top-P 效果，再將「Top-P」設為 0.8，提示詞維持不變，然後點選「提交」。接著，將「Top-P」設為 1.0，提示詞還是維持不變，然後點選「提交」，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」：這些設定預設為啟用狀態，可封鎖有害內容。在本實驗室中，請使用預設設定。
   • 「思考預算」：這個參數會限制模型在生成回覆時，可使用的思考詞元數量。一般來說，詞元數量越多，推論就越詳細，有助於處理較複雜的工作。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。
   • 「Structured output」：強制模型在生成回覆時，嚴格遵循預先定義的結構 (例如 JSON)。
   • 「Grounding: Google」：將模型連結至 Google 搜尋或地圖，讓模型能根據即時的公開資訊回答問題。
   • 「Grounding: Your data」：讓模型能從您自己的資料來源 (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

有了可用的提示詞後，通常會想嘗試變更指令或模型設定，看看是否能提升回覆品質，這就是 Vertex AI Studio「比較」功能的用途。這個部分會用到我們剛才建立的提示詞。

1. 依序選取左上方的「新增」>「Chat」，即可進入新的提示詞編輯器頁面。

2. 將這個新提示詞命名為 Insurance Risk Factor Identification。

3. 設定以下簡單的基本提示詞：

   • 在「系統指令」方塊中，輸入下列內容：
   You are an insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. Be concise.
   • 在主要提示詞區域中，貼上以下內容：
   Scenario: "The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking." Based on this scenario, list three primary risk factors an underwriter should consider.
   • 在右側的「設定」部分中：
     • 選取「」模型。
     • 將「溫度參數」設為 0.2。
     • 確定「區域」設為「全球」。

4. 點按「提交」箭頭按鈕，然後查看模型的初始回覆。

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 Insurance Risk Factor Identification 提示詞及對應的回覆，請點選右上方的三點圖示 (在提示詞名稱旁邊)，然後選取「Compare」。

注意：出現提示訊息時，請依序點選「不儲存而直接離開」>「繼續」。

7. 「比較」介面隨即開啟。系統會將 Insurance Risk Factor Identification 提示詞、設定和最新回覆複製到頁面的兩側，方便您比較不同版本，查看模型設定和系統指令的差異。

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：

You are an expert insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. For each risk factor, also briefly suggest a potential mitigation strategy or question for the underwriter. Be clear and structured.

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：

Scenario: "The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking." Based on this scenario, list three primary risk factors an underwriter should consider.

3. 等待兩個提示詞生成回覆，然後並排查看。修改指令後，第二個提示詞現在是否包含緩解策略或問題？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。

與不同溫度參數設定做比較

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，將指令還原為與左側相同的內容。

You are an insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. Be concise.

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：

Scenario: "The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking." Based on this scenario, list three primary risk factors an underwriter should consider.

4. 觀察回覆的差異。在第二個提示詞中，較高的溫度參數 2.0 是否導致模型列出的風險因素較不精確、推測性更高，或是與 0.2 溫度參數輸出結果相比，有明顯差異？注意：雖然將溫度參數值設得這麼高，可能會導致輸出內容的一致性或相關性降低，卻可看出這項參數具有極大影響力。

比較不同模型和設定

現在，您需要比較基礎模型與其他模型/設定，觀察推論或輸出內容風格的差異。

1. 在右側提示詞區塊中，開啟「模型設定」窗格，然後做出下列調整：

   • 將「模型」變更為「」
   • 將「溫度參數」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」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。這個提示詞刻意設計得較為複雜，目的在於展現不同模型的能力差異。

Scenario: "The applicant, 'The Fiery Grill,' is an upscale restaurant specializing in wood-fired ovens and open-flame grilling. They have a brand new, custom-built fire suppression system, but it has not been certified by a third party. The restaurant will feature live acoustic music on a small, raised stage. They also want to offer valet parking, managed by their own staff. The applicant has no prior business history."Underwriting Guidelines: Priority Hierarchy: Liability risks are classed as: - Class A (Critical): Fire, structural failure, failure of safety systems.- Class B (Standard): General premises liability (e.g., slip-and-fall).- Class C (Niche): Auto/Vehicle liability.Compounding Factors: A "compounding risk" (a condition that makes another risk worse) must be elevated to the highest priority.Inexperience: Lack of prior business history is a general negative factor but does not create a primary risk on its own.Auto Liability: Class C risks (Valet) are only considered a primary risk if the applicant is using an unvetted, third-party contractor.Task: Based on the scenario and the underwriting guidelines, identify the single, #1 highest-priority risk. Then, write a 2-sentence justification that explains why it is the #1 risk, citing the specific guideline(s) that apply.

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) 應會具體指出特定風險 (「滅火系統未經認證」)，提供更精確、可做為行動依據的答案。請留意 Pro 模型的回覆，這類模型的理由說明較為詳盡，可能會引用多項準則來展現推論深度。

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」>「Chat」。

3. 將提示詞名稱改為 Timetable Image Analysis。

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. 您現在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. Provide a concise title for this image (under 5 words). 2. Describe the image in one or two sentences. 3. Extract all visible text from the image. Present the flight schedule as a clearly formatted list with columns for "Time" and "City".

8. 提交提示詞並查看模型的回覆。

9. 接著，您可以提出需要根據擷取資訊推論才能回答的問題。請提交下列提示詞：

Based on the flight schedule shown in the image, what percentage of the listed flights depart before 11:30 AM? Show your calculation if possible.

10. 點選「提交」按鈕，然後查看回覆。

11. 快速觀察溫度參數對結果的影響。然後，在「模型設定」面板中：

    • 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」(「Based on the flight schedule... percentage...」)。
    • 注意說明的風格、可信度或細節是否有變化。
    • 觀察後，將「溫度參數」設回較低的值，例如 0.2，取得更符合預期的回覆。

注意：溫度參數會決定隨機程度。較低的值 (如 0.0 到 0.2) 可讓模型提供符合事實的回覆，較高的值 (如 0.7 到 1.0) 則可讓模型的回覆更多樣或更有創意，但可能不太適合用於需要精確擷取或分析資料的情況。

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

Vertex AI Studio 提供強大的工具，可直接透過文字提示詞，或是調整現有媒體來生成各種類型的媒體內容，而不只是生成文字內容。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「Vertex AI Studio」頁面的左上角，依序點選「新增」>「Image」。

2. 在底部的文字提示詞區域中，輸入描述性的提示詞：

   A close-up, photorealistic image of a single honeybee collecting pollen from a vibrant purple lavender flower, with a softly blurred garden background.

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「Person generation」、「Safety filter threshold」)，並保留預設值，或自行調整這則並非以人物為主的提示詞。

4. 點選「提交」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「Image details」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「SynthID detected」是否以綠色勾號標示。
   • (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。這類浮水印經過特殊設計，人眼無法辨識，但演算法可以偵測到。這種浮水印可以協助識別 AI 生成的圖像，推動落實資訊公開和負責任的 AI 做法，即便圖像日後經過修改 (例如壓縮或套用濾鏡) 也能識別。

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. 在最左側的小型垂直工具列中，點選看起來像麥克風的「音訊」圖示，切換至語音生成工具，Chirp 介面隨即會開啟。

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：

Welcome to the world of generative AI on Google Cloud

4. 在右側的「設定」面板中：

   • 選取「模型」，例如「Chirp 3. HD Voices」。
   • 選擇想要的「語言」，例如「English (US)」。
   • 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「提交」按鈕。

6. 處理完畢後，您應該可以在介面中直接播放生成的音訊。

恭喜！

恭喜！在這個實驗室中，您成功使用 Vertex AI Studio 為保險情境設計出生成式 AI 應用程式的原型，其中包括初步設計、部署，以及進階提示工程與比較。您也練習為特定分析工作修正文字輸出內容，並瞭解如何運用出色的多模態功能，包含生成圖像和語音。這些基礎技巧都可協助您在 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。
• 歡迎參閱 Google Cloud 的提示詞設計策略指南，瞭解最佳做法和進階技巧，精進提示工程技能。
• 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。
• 您可以透過更多 Google Cloud Skills Boost 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：2025 年 9 月 17 日

實驗室上次測試日期：2025 年 9 月 17 日

Copyright 2025 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。