Gemini 4 Argon 現已推出，立即試用。

Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

Files API

Gemini 可同時處理多種輸入資料，包括文字、圖片和音訊。

本指南說明如何使用 Files API 處理媒體檔案。音訊檔案、圖片、影片、文件和其他支援的檔案類型，基本操作方式都相同。

如需檔案提示指南，請參閱「檔案提示指南」一節。

上傳檔案

您可以使用 Files API 上傳媒體檔案。如果要求總大小 (包括檔案、文字提示詞、系統指令等) 超過 100 MB，請一律使用 Files API。PDF 檔案大小上限為 50 MB。

下列程式碼會上傳檔案，然後在呼叫 interactions.create 時使用該檔案。

Python

from google import genai

client = genai.Client()

myfile = client.files.upload(file="path/to/sample.mp3")

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input=[
        {"type": "text", "text": "Describe this audio clip"},
        {"type": "audio", "uri": myfile.uri, "mime_type": myfile.mime_type}
    ]
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

async function main() {
  const myfile = await client.files.upload({
    file: "path/to/sample.mp3",
    config: { mime_type: "audio/mpeg" },
  });

  const interaction = await client.interactions.create({
    model: "gemini-3.8-flash",
    input: [
      { type: "text", text: "Describe this audio clip" },
      { type: "audio", uri: myfile.uri, mime_type: myfile.mimeType }
    ]
  });
  console.log(interaction.output_text);
}

await main();

Java

import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.AudioContent;
import com.google.genai.gaos.models.interactions.AudioContentMimeType;
import com.google.genai.gaos.models.interactions.Content;
import com.google.genai.gaos.models.interactions.CreateModelInteraction;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.interactions.Model;
import com.google.genai.gaos.models.interactions.TextContent;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;
import com.google.genai.types.File;
import com.google.genai.types.UploadFileConfig;
import java.util.Arrays;
import java.util.List;

Client client = new Client();

File myFile =
    client.files.upload(
        new java.io.File("path/to/sample.mp3"),
        UploadFileConfig.builder().mimeType("audio/mp3").build());

Content textContent = TextContent.builder().text("Describe this audio clip").build();
Content audioContent =
    AudioContent.builder()
        .uri(myFile.uri().orElse(""))
        .mimeType(AudioContentMimeType.of(myFile.mimeType().orElse("audio/mp3")))
        .build();

List<Content> contents = Arrays.asList(textContent, audioContent);

CreateModelInteraction params =
    CreateModelInteraction.builder()
        .model(Model.of("gemini-3.8-flash"))
        .input(InteractionsInput.ofContent(contents))
        .build();

Interaction interaction =
    client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();

System.out.println(interaction.outputText().orElse(""));

Go

package main

import (
    "context"
    "fmt"
    "log"

    "google.golang.org/genai"
    "google.golang.org/genai/interactions/models/interactions"
    "google.golang.org/genai/interactions/models/operations"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    myFile, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", &genai.UploadFileConfig{
        MIMEType: "audio/mp3",
    })
    if err != nil {
        log.Fatal(err)
    }

    res, err := client.Interactions.Create(ctx, operations.CreateInteractionRequest{
        Body: operations.NewCreateInteractionRequestBody(interactions.CreateModelInteraction{
            Model: interactions.Model("gemini-3.8-flash"),
            Input: interactions.NewInteractionsInput([]interactions.Content{
                interactions.NewContent(interactions.TextContent{
                    Text: "Describe this audio clip",
                }),
                interactions.NewContent(interactions.AudioContent{
                    URI:      genai.Ptr(myFile.URI),
                    MimeType: interactions.AudioContentMimeType(myFile.MIMEType).ToPointer(),
                }),
            }),
        }),
    })
    if err != nil {
        log.Fatal(err)
    }
    if res.Interaction.OutputText != nil {
        fmt.Println(*res.Interaction.OutputText)
    }
}

REST

AUDIO_PATH="path/to/sample.mp3"
MIME_TYPE=$(file -b --mime-type "${AUDIO_PATH}")
NUM_BYTES=$(wc -c < "${AUDIO_PATH}")
DISPLAY_NAME=AUDIO

tmp_header_file=upload-header.tmp

# Initial resumable request defining metadata.
# The upload url is in the response headers dump them to a file.
curl "${BASE_URL}/upload/v1beta/files" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -D "${tmp_header_file}" \
  -H "X-Goog-Upload-Protocol: resumable" \
  -H "X-Goog-Upload-Command: start" \
  -H "X-Goog-Upload-Header-Content-Length: ${NUM_BYTES}" \
  -H "X-Goog-Upload-Header-Content-Type: ${MIME_TYPE}" \
  -H "Content-Type: application/json" \
  -d "{'file': {'display_name': '${DISPLAY_NAME}'}}" 2> /dev/null

upload_url=$(grep -i "x-goog-upload-url: " "${tmp_header_file}" | cut -d" " -f2 | tr -d "\r")
rm "${tmp_header_file}"

# Upload the actual bytes.
curl "${upload_url}" \
  -H "Content-Length: ${NUM_BYTES}" \
  -H "X-Goog-Upload-Offset: 0" \
  -H "X-Goog-Upload-Command: upload, finalize" \
  --data-binary "@${AUDIO_PATH}" 2> /dev/null > file_info.json

file_uri=$(jq ".file.uri" file_info.json)
echo file_uri=$file_uri

# Now create an interaction using the Interactions API
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
    -H "x-goog-api-key: $GEMINI_API_KEY" \
    -H 'Content-Type: application/json' \
    -d '{
      "model": "gemini-3.8-flash",
      "input": [
        {"type": "text", "text": "Describe this audio clip"},
        {"type": "audio", "uri": '$file_uri', "mime_type": "'${MIME_TYPE}'"}
      ]
    }' 2> /dev/null > response.json

cat response.json
echo

jq ".outputs[] | select(.type == \"text\") | .text" response.json

取得檔案的中繼資料

您可以呼叫 files.get，確認 API 是否成功儲存上傳的檔案，並取得檔案的中繼資料。

Python

from google import genai

client = genai.Client()

myfile = client.files.upload(file='path/to/sample.mp3')
file_name = myfile.name
myfile = client.files.get(name=file_name)
print(myfile)

JavaScript

import {
  GoogleGenAI,
} from "@google/genai";

const client = new GoogleGenAI({});

async function main() {
  const myfile = await client.files.upload({
    file: "path/to/sample.mp3",
    config: { mime_type: "audio/mpeg" },
  });

  const fileName = myfile.name;
  const fetchedFile = await client.files.get({ name: fileName });
  console.log(fetchedFile);
}

await main();

Java

import com.google.genai.Client;
import com.google.genai.types.File;
import com.google.genai.types.UploadFileConfig;

Client client = new Client();

File myFile =
    client.files.upload(
        new java.io.File("path/to/sample.mp3"),
        UploadFileConfig.builder().mimeType("audio/mp3").build());

String fileName = myFile.name().orElse("");
File fileMetadata = client.files.get(fileName, null);
System.out.println(fileMetadata);

Go

package main

import (
    "context"
    "fmt"
    "log"

    "google.golang.org/genai"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    myFile, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", &genai.UploadFileConfig{
        MIMEType: "audio/mp3",
    })
    if err != nil {
        log.Fatal(err)
    }

    fileMetadata, err := client.Files.Get(ctx, myFile.Name, nil)
    if err != nil {
        log.Fatal(err)
    }
    fmt.Println(fileMetadata)
}

REST

# file_info.json was created in the upload example
name=$(jq -r ".file.name" file_info.json)
# Get the file of interest to check state
curl https://generativelanguage.googleapis.com/v1beta/$name \
-H "x-goog-api-key: $GEMINI_API_KEY" > file_info.json
# Print some information about the file you got
name=$(jq -r ".name" file_info.json)
echo name=$name
file_uri=$(jq -r ".uri" file_info.json)
echo file_uri=$file_uri

列出上傳的檔案

下列程式碼會取得所有已上傳檔案的清單：

Python

from google import genai

client = genai.Client()

print('My files:')
for f in client.files.list():
    print(' ', f.name)

JavaScript

import {
  GoogleGenAI,
} from "@google/genai";

const client = new GoogleGenAI({});

async function main() {
  const listResponse = await client.files.list({ config: { pageSize: 10 } });
  for await (const file of listResponse) {
    console.log(file.name);
  }
}

await main();

Java

import com.google.genai.Client;
import com.google.genai.types.File;

Client client = new Client();

System.out.println("My files:");
for (File f : client.files.list(null)) {
  System.out.println("  " + f.name().orElse(""));
}

Go

package main

import (
    "context"
    "fmt"
    "log"

    "google.golang.org/genai"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    fmt.Println("My files:")
    for f, err := range client.Files.All(ctx) {
        if err != nil {
            log.Fatal(err)
        }
        fmt.Println(" ", f.Name)
    }
}

REST

echo "My files: "

curl "https://generativelanguage.googleapis.com/v1beta/files" \
  -H "x-goog-api-key: $GEMINI_API_KEY"

刪除上傳的檔案

檔案會在 48 小時後自動刪除，您也可以手動刪除上傳的檔案：

Python

from google import genai

client = genai.Client()

myfile = client.files.upload(file='path/to/sample.mp3')
client.files.delete(name=myfile.name)

JavaScript

import {
  GoogleGenAI,
} from "@google/genai";

const client = new GoogleGenAI({});

async function main() {
  const myfile = await client.files.upload({
    file: "path/to/sample.mp3",
    config: { mime_type: "audio/mpeg" },
  });

  const fileName = myfile.name;
  await client.files.delete({ name: fileName });
}

await main();

Java

import com.google.genai.Client;
import com.google.genai.types.File;
import com.google.genai.types.UploadFileConfig;

Client client = new Client();

File myFile =
    client.files.upload(
        new java.io.File("path/to/sample.mp3"),
        UploadFileConfig.builder().mimeType("audio/mp3").build());

client.files.delete(myFile.name().orElse(""), null);

Go

package main

import (
    "context"
    "log"

    "google.golang.org/genai"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    myFile, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", &genai.UploadFileConfig{
        MIMEType: "audio/mp3",
    })
    if err != nil {
        log.Fatal(err)
    }

    if _, err := client.Files.Delete(ctx, myFile.Name, nil); err != nil {
        log.Fatal(err)
    }
}

REST

curl --request "DELETE" https://generativelanguage.googleapis.com/v1beta/$name \
  -H "x-goog-api-key: $GEMINI_API_KEY"

使用資訊

您可以使用 Files API 上傳媒體檔案並與其互動。使用 Files API 時，每個專案最多可儲存 20 GB 的檔案，每個檔案的大小上限為 2 GB。檔案會保存 48 小時。

在這段期間，您可以使用 API 取得檔案的中繼資料。但無法下載使用者上傳的檔案。您可以使用 files.download 方法，下載模型生成的檔案，例如影片。在所有支援 Gemini API 的地區，都能免付費使用 Files API。

檔案提示策略

本節提供使用 Gemini API 提示搭配媒體檔案的指南和最佳做法。

提示中可使用多種資料類型，讓您能更彈性地運用 Gemini API 處理各種工作。例如，您可以向模型傳送美味餐點的相片，並要求模型撰寫關於該餐點的簡短網誌。

提示

回應

根據這張圖片，撰寫一篇簡短有趣的網誌文章。內容應包含相片中餐點的說明，並談談我的備餐歷程。

事先準備餐點不僅能節省時間和金錢，也有助於健康飲食。這道餐點不僅健康美味，而且可以提前準備，是絕佳的例子。

這道餐點包含糙米、烤蔬菜和照燒雞肉。糙米是健康的複合碳水化合物，可提供持久能量。烤蔬菜富含每日所需的維生素和礦物質，照燒雞肉則美味可口，且含有豐富的蛋白質。

這道餐點的準備方式也很簡單。只要煮好糙米飯、烤蔬菜，以及烹調照燒雞肉，所有食材都煮熟後，分裝到備餐容器中，然後放入冰箱冷藏。這樣就能在忙碌的早晨隨時取用。

如果你想吃健康美味的餐點，又想提前準備，這道料理是絕佳選擇。這道料理營養豐富、美味可口，絕對能讓你飽足又滿意。

祝你備餐順利，吃得健康又美味！

如果使用媒體檔案的提示無法產生所需輸出內容，可以採取一些策略來取得所需結果。以下各節提供設計方法和疑難排解提示，協助您改善使用多模態輸入內容的提示。

如要改善多模態提示，請參考下列最佳做法：

提示設計基礎知識
- 提供明確的指示：清楚簡潔地說明指示，盡量避免誤解。
- 在提示中加入幾個範例：使用實際的少量樣本範例，說明您想達成的目標。
- 逐步分解：將複雜任務分解為可管理的小目標，引導模型完成程序。
- 指定輸出格式：在提示中要求輸出內容採用所需格式，例如 Markdown、JSON、HTML 等。
- 單一圖片提示詞請先放圖片：Gemini 可以處理任何順序的圖片和文字輸入內容，但如果提示詞只包含一張圖片，將圖片 (或影片) 放在文字提示詞前面，可能會有較好的效果。不過，如果提示需要圖片和文字高度交錯才能有意義，請使用最自然的順序。
排解多模態提示詞問題
- 如果模型未從圖片的相關部分擷取資訊：請在提示中加入提示，說明您希望提示從圖片的哪些部分擷取資訊。
- 如果模型輸出內容太籠統 (未根據輸入的圖片/影片量身打造)： 在提示詞開頭，先要求模型描述圖片或影片，再提供工作指示，或要求模型參考圖片內容。
- 如要排解失敗的部分：請模型描述圖片或說明推論過程，評估模型初步理解的程度。
- 如果提示詞導致幻覺內容：請嘗試調低溫度設定，或要求模型提供較短的說明，降低模型推斷額外細節的可能性。
- 調整取樣參數：嘗試不同的溫度設定和 Top-K 選項，調整模型的創意程度。

指令應明確具體

提示越清楚詳細，生成結果就越符合需求。如果您有特定的輸出內容，最好在提示中加入該要求，確保能取得想要的輸出內容。

如果要求模型「描述這張圖片」，模型可能會生成一般描述。如果需要模型從圖片中剖析時間和城市，可以直接在提示中加入這項要求。

提示詞	模型回應
描述這張圖片。	圖片：機場抵達與起飛時刻資訊看板。

更新提示	提升回應品質
Parse the time and city from the airport board shown in this image into a list.	10:50 莫斯科 11:05 愛丁堡 11:05 倫敦 11:10 布加勒斯特基輔時間 11:30 11:35 都柏林 11:45 東密德蘭 12:15 Sofia 12:30 倫敦 12:30 新堡 12:40 聖彼得堡 12:40 倫敦 12:45 曼徹斯特

更新提示

提升回應品質

Parse the time and city from the airport board shown in this image into a list.

10:50 莫斯科

11:05 愛丁堡

11:05 倫敦

11:10 布加勒斯特

基輔時間 11:30

11:35 都柏林

11:45 東密德蘭

12:15 Sofia

12:30 倫敦

12:30 新堡

12:40 聖彼得堡

12:40 倫敦

12:45 曼徹斯特

新增幾個範例

Gemini 模型可接受多項輸入內容，並將其做為範例，瞭解您想要的輸出內容。加入這些範例有助於模型找出模式，並將指定圖片和回覆之間的關係套用至新範例。這也稱為「少量樣本」學習。

在下列範例中，初始輸出內容是以句子形式撰寫，且包含國家/地區 (巴西)。假設您希望輸出內容採用不同的格式或風格，且只要城市名稱，不要國家/地區名稱。在提示中加入少量樣本範例，可引導模型以您期望的方式回覆。

提示	模型回覆
判斷地標所在的城市。	這個地標是巴西里約熱內盧的救世基督像。

更新後的提示	改善回覆品質
判斷地標所在的城市。	城市：羅馬，地標：羅馬競技場。
	city: Beijing, landmark: Forbidden City
	城市：里約熱內盧，地標：救世基督像

逐步分解

對於需要視覺理解和推論的複雜工作，建議將工作拆解成較小、較簡單的步驟。或者，您也可以直接在提示中要求模型「逐步思考」，這也是有效的方法。

提示詞	模型回應
衛生紙什麼時候會用完？	不久後，你只剩下 3 捲。

更新提示	改善回覆品質
首先，請計算這張圖片中有多少捲衛生紙。接著，判斷一般人每天使用的衛生紙量。計算這些捲筒衛生紙可以使用多久。	這張圖片中有 3 捲衛生紙。一般人每天會使用約 20 張衛生紙。如果每捲有 200 張，則每捲約可使用 10 天。因此，3 卷紙巾約可使用一個月。

數學問題或其他類型的文字題很適合要求模型逐步思考。

提示	回應
這個數列的第 4 項是什麼？	-135

模型回覆的內容有誤。如要改善這項問題，可以要求模型先剖析問題，再回答提示。

提示	回應
請先剖析圖片中的公式。然後根據公式回答「這個序列的第 4 個項是什麼？」。	按一下即可展開結果 $$ b(n) = b(n-1) * (-3) $$ $$ b(1) = 15 $$ 將 n = 4 代入公式： $$ b(4) = b(4-1) * (-3) $$ $$ b(4) = b(3) * (-3) $$ 我們不知道 b(3) 的值，因此將 n = 3 代入公式： $$ b(3) = b(3-1) * (-3) $$ $$ b(3) = b(2) * (-3) $$ 我們不知道 b(2) 的值，因此將 n = 2 代入公式： $$ b(2) = b(2-1) * (-3) $$ $$ b(2) = b(1) * (-3) $$ 我們知道 b(1) 的值是 15，因此將其代入公式： $$ b(2) = 15 * (-3) $$ $$ b(2) = -45 $$ 現在我們知道 b(2) 的值，將其代入 b(3) 的公式： $$ b(3) = b(2) * (-3) $$ $$ b(3) = -45 * (-3) $$ $$ b(3) = 135 $$ 現在我們知道 b(3) 的值，因此可代入 b(4) 的公式： $$ b(4) = b(3) * (-3) $$ $$ b(4) = 135 * (-3) $$ $$ b(4) = -405 $$ 因此，這個數列的第 4 項是 -405。

提示

回應

請先剖析圖片中的公式。

然後根據公式回答「這個序列的第 4 個項是什麼？」。

按一下即可展開結果

$$ b(n) = b(n-1) * (-3) $$

$$ b(1) = 15 $$

將 n = 4 代入公式：
$$ b(4) = b(4-1) * (-3) $$

$$ b(4) = b(3) * (-3) $$
我們不知道 b(3) 的值，因此將 n = 3 代入公式：
$$ b(3) = b(3-1) * (-3) $$

$$ b(3) = b(2) * (-3) $$
我們不知道 b(2) 的值，因此將 n = 2 代入公式：
$$ b(2) = b(2-1) * (-3) $$

$$ b(2) = b(1) * (-3) $$
我們知道 b(1) 的值是 15，因此將其代入公式：
$$ b(2) = 15 * (-3) $$

$$ b(2) = -45 $$
現在我們知道 b(2) 的值，將其代入 b(3) 的公式：
$$ b(3) = b(2) * (-3) $$

$$ b(3) = -45 * (-3) $$

$$ b(3) = 135 $$
現在我們知道 b(3) 的值，因此可代入 b(4) 的公式：
$$ b(4) = b(3) * (-3) $$

$$ b(4) = 135 * (-3) $$

$$ b(4) = -405 $$

因此，這個數列的第 4 項是 -405。

模型回覆正確。現在，為了讓回覆更精簡，您可以要求模型逐步思考。

更新提示	提升回應品質
這個數列的第 4 項為何？請逐步思考。	第一個詞是 15。第二項是 b(1) * (-3) = 15 * (-3) = -45。第三項是 b(2) * (-3) = -45 * (-3) = 135。第四項是 b(3) * (-3) = 135 * (-3) = -405。

更新提示

提升回應品質

這個數列的第 4 項為何？請逐步思考。

第一個詞是 15。

第二項是 b(1) * (-3) = 15 * (-3) = -45。

第三項是 b(2) * (-3) = -45 * (-3) = 135。

第四項是 b(3) * (-3) = 135 * (-3) = -405。

指定輸出格式

常見的問題是模型輸出內容必須採用特定格式 (例如 Markdown、JSON、HTML)，尤其是當模型輸出內容需要由下游工作擷取時。您可以指示模型在提示中以該格式輸出內容。以下是兩個例子：

提示詞	模型回應
將這張圖片中的表格剖析為 Markdown 格式	```none \| Subject \| Status \| Time \| Start date \| Due on \| \| ------- \| ------ \| ---- \| ---------- \| ------ \| \| Math \| Done \| 1.5 hrs \| 11/29/2023 \| 12/1/2023 \| \| Geography \| Done \| 30 min \| 12/2/2023 \| 12/4/2023 \| \| Physics \| In progress \| 2 hrs \| 12/3/2023 \| 12/5/2023 \| \| Biology \| Not started \| 6 hrs \| 11/2/2016 \| 12/6/2023 \| ```

提示	模型回覆
提供下列所有屬性的清單：食材、菜餚類型、是否為素食，以 JSON 格式呈現	```json { "ingredients": [ "rice", "shrimp", "clams", "mussels", "peas", "tomatoes", "onions", "garlic", "olive oil", "paprika", "salt", "pepper" ], "type of cuisine": "Spanish", "vegetarian": false } ```

提示

模型回覆

提供下列所有屬性的清單：

食材、菜餚類型、是否為素食，以 JSON 格式呈現

```json { "ingredients": [ "rice", "shrimp", "clams", "mussels", "peas", "tomatoes", "onions", "garlic", "olive oil", "paprika", "salt", "pepper" ], "type of cuisine": "Spanish", "vegetarian": false } ```

在單圖提示中，先提供圖片

雖然 Gemini 可以解讀提示中的圖片和文字，但將單一圖片放在文字提示詞之前，可能會得到更理想的結果。在下列範例中，您會發現每個提示中的圖片都排在文字前面。

排解多模態提示問題

如果回覆不符合需求，可能需要調整提示。你可以嘗試以下幾種策略。

如果模型未從圖片的相關部分擷取資訊

如要取得更具體的回覆，可以指出您希望提示從圖片的哪些方面擷取資訊，以提供回覆。

提示詞	模型回應
這些尿布夠寶寶用幾天？	這些尿布可使用 198 天。

更新後的提示	提升回應品質
這些尿布可以用多久？請根據外盒標示的重量判斷嬰兒年齡，並使用盒內尿布總數。將總數除以孩子每天使用的尿布數量。	包裝盒內含 198 片尿布。包裝盒上註明尿布適合體重 22 至 37 磅的兒童。這個體重範圍的兒童平均年齡可能介於 1 到 2 歲。 2 歲幼童通常每天會用掉 6 片尿布，因此 198 片尿布大約可用 33 天 (198/6)。

更新後的提示

提升回應品質

這些尿布可以用多久？

請根據外盒標示的重量判斷嬰兒年齡，並使用盒內尿布總數。

將總數除以孩子每天使用的尿布數量。

包裝盒內含 198 片尿布。包裝盒上註明尿布適合體重 22 至 37 磅的兒童。

這個體重範圍的兒童平均年齡可能介於 1 到 2 歲。

2 歲幼童通常每天會用掉 6 片尿布，因此 198 片尿布大約可用 33 天 (198/6)。

模型輸出內容過於籠統，未針對輸入圖片調整

如要協助模型根據圖片調整回覆，請先要求模型描述圖片，再執行推論工作。

提示詞	模型回應
這些圖片有什麼共通點？	這四張圖片都是風景攝影範例。

更新提示	提升回應品質
首先，請詳細描述每張圖片的內容。這些圖片有什麼共通點？	第一張圖片顯示有人正在打包行李箱。第二張圖片顯示購物中心空無一人的走廊。第三張圖片顯示一捲衛生紙。第四張圖片顯示狂風暴雨中的大海。這些圖片的共通點是，它們都是過渡空間的例子。過渡空間是指介於兩個地點或情境之間的地點或情境。通常會帶有不確定或模稜兩可的感覺。第一張圖片顯示使用者在家和出遊時的狀態。第二張圖片顯示兩間商店之間的走廊。第三張圖片是衛生紙，代表浴室。浴室是私人和公共領域之間的過渡空間。我們在這裡準備進入或離開外部世界。第四張圖片顯示海面介於平靜和暴風雨之間。過渡空間既令人興奮，又令人不安。可以是新的開始，也可以是結束。可以是反思或行動的場所。

更新提示

提升回應品質

首先，請詳細描述每張圖片的內容。這些圖片有什麼共通點？

第一張圖片顯示有人正在打包行李箱。第二張圖片顯示購物中心空無一人的走廊。第三張圖片顯示一捲衛生紙。第四張圖片顯示狂風暴雨中的大海。

這些圖片的共通點是，它們都是過渡空間的例子。過渡空間是指介於兩個地點或情境之間的地點或情境。通常會帶有不確定或模稜兩可的感覺。

第一張圖片顯示使用者在家和出遊時的狀態。第二張圖片顯示兩間商店之間的走廊。第三張圖片是衛生紙，代表浴室。浴室是私人和公共領域之間的過渡空間。我們在這裡準備進入或離開外部世界。

第四張圖片顯示海面介於平靜和暴風雨之間。

過渡空間既令人興奮，又令人不安。可以是新的開始，也可以是結束。可以是反思或行動的場所。

您也可以嘗試明確要求模型參考圖片中的內容。

更新提示	改善回覆品質
這些圖片有什麼共通點？在回覆中提及圖片內容。	所有圖片都與旅遊相關。第一張圖片顯示有人正在打包行李箱，第二張圖片顯示購物中心空蕩蕩的走廊，第三張圖片顯示一疊衛生紙，第四張圖片顯示黑暗且波濤洶湧的海面。這些圖片都與旅遊相關，因為都是人們在旅遊時需要或使用的物品。第一張圖片顯示有人在打包行李箱，這是人們旅行時會做的事。第二張圖片顯示購物中心空蕩蕩的走廊，這是人們經常前往購買旅行用品的地方。第三張圖片顯示一疊衛生紙，這是人們旅行時經常使用的物品。第四張圖片顯示狂風暴雨的海面，這是人們旅行時經常會遇到的情況。

更新提示

改善回覆品質

這些圖片有什麼共通點？在回覆中提及圖片內容。

所有圖片都與旅遊相關。第一張圖片顯示有人正在打包行李箱，第二張圖片顯示購物中心空蕩蕩的走廊，第三張圖片顯示一疊衛生紙，第四張圖片顯示黑暗且波濤洶湧的海面。

這些圖片都與旅遊相關，因為都是人們在旅遊時需要或使用的物品。第一張圖片顯示有人在打包行李箱，這是人們旅行時會做的事。第二張圖片顯示購物中心空蕩蕩的走廊，這是人們經常前往購買旅行用品的地方。第三張圖片顯示一疊衛生紙，這是人們旅行時經常使用的物品。第四張圖片顯示狂風暴雨的海面，這是人們旅行時經常會遇到的情況。

同樣的訣竅也適用於圖片的創意輸出內容。在以下兔子範例中，明確要求模型納入圖片中的元素，可以提升輸出結果。

提示詞	模型回應
可以根據這張圖片寫一首詩嗎？	小兔兔，柔軟又棕色，在田野中跳躍，上上下下。長長的耳朵，小小的尾巴，你是最可愛的生物。你啃著青草，又綠又甜，一看到我就蹦蹦跳跳地跑開。但我永遠是你的朋友，小兔子，直到最後。

提示詞

模型回應

可以根據這張圖片寫一首詩嗎？

小兔兔，柔軟又棕色，
在田野中跳躍，上上下下。
長長的耳朵，小小的尾巴，
你是最可愛的生物。

你啃著青草，又綠又甜，
一看到我就蹦蹦跳跳地跑開。
但我永遠是你的朋友，
小兔子，直到最後。

更新提示	改善回覆品質
請根據這張圖片撰寫一首描述性強烈且充滿戲劇性的詩，並加入地點。	綠地上的小兔，耳朵又長又尖。你看到什麼？在遠處，你凝視的地方？是海洋的藍色，在陽光下閃閃發光？還是海浪拍打的轟隆聲，你最愛的節奏？小兔兒，請告訴我，是什麼吸引了你？是鹹鹹的海風，還是海鷗的叫聲？或許是萬物浩瀚，世界如此廣大，卻又如此渺小。夢想在此自由翱翔，冒險種子在此播撒。小兔，我好奇你夢見了什麼，你坐在草地上，如此寧靜。你渴望探索深海，還是想留在陸地，盡情跳躍？無論如何，小兔子，請讓好奇心持續閃耀。在你的夢想和抱負中，蘊藏著等待你創造的世界。

更新提示

改善回覆品質

請根據這張圖片撰寫一首描述性強烈且充滿戲劇性的詩，並加入地點。

綠地上的小兔，
耳朵又長又尖。
你看到什麼？
在遠處，你凝視的地方？

是海洋的藍色，
在陽光下閃閃發光？
還是海浪拍打的轟隆聲，
你最愛的節奏？

小兔兒，請告訴我，
是什麼吸引了你？
是鹹鹹的海風，
還是海鷗的叫聲？

或許是萬物浩瀚，
世界如此廣大，卻又如此渺小。
夢想在此自由翱翔，
冒險種子在此播撒。

小兔，我好奇你夢見了什麼，
你坐在草地上，如此寧靜。
你渴望探索深海，
還是想留在陸地，盡情跳躍？

無論如何，小兔子，
請讓好奇心持續閃耀。
在你的夢想和抱負中，
蘊藏著等待你創造的世界。

疑難排解提示詞失敗的部分

如果提示失敗，很難判斷是因為模型一開始就不理解圖片，還是理解圖片但後續未執行正確的推論步驟。如要釐清原因，請要求模型描述圖像內容。

在以下範例中，如果模型回覆的點心與茶搭配起來很奇怪 (例如爆米花)，您可以先進行疑難排解，判斷模型是否正確辨識出圖片中含有茶。

提示詞	疑難排解提示
有什麼 1 分鐘內就能做好的點心，可以搭配這道料理？	描述這張圖片的內容。

另一種策略是要求模型說明推論過程。這有助於縮小範圍，找出推理過程中的問題 (如有)。

提示詞	疑難排解提示
有什麼點心可以在 1 分鐘內做好，而且適合搭配這道料理？	有什麼點心可以在 1 分鐘內做好，而且適合搭配這道菜？請說明原因。

後續步驟

使用 Google AI Studio 撰寫自己的多模態提示。
如要瞭解如何使用 Gemini Files API 上傳媒體檔案並加入提示，請參閱「Vision」、「音訊」和「文件處理」指南。
如需更多提示設計指南 (例如調整取樣參數)，請參閱「提示策略」頁面。

Files API

上傳檔案

Python

JavaScript

Java

Go

REST

取得檔案的中繼資料

Python

JavaScript

Java

Go

REST

列出上傳的檔案

Python

JavaScript

Java

Go

REST

刪除上傳的檔案

Python

JavaScript

Java

Go

REST

使用資訊

檔案提示策略

提示設計基礎知識

排解多模態提示詞問題

指令應明確具體

新增幾個範例

逐步分解

指定輸出格式

在單圖提示中，先提供圖片

排解多模態提示問題

如果模型未從圖片的相關部分擷取資訊

模型輸出內容過於籠統，未針對輸入圖片調整

疑難排解提示詞失敗的部分

後續步驟