Files API

‫Gemini יכול לעבד סוגים שונים של נתוני קלט, כולל טקסט, תמונות ואודיו, בו-זמנית.

במדריך הזה מוסבר איך לעבוד עם קובצי מדיה באמצעות Files API. הפעולות הבסיסיות זהות לקובצי אודיו, תמונות, סרטונים, מסמכים ולסוגי קבצים נתמכים אחרים.

להנחיות לגבי כתיבת הנחיות לקבצים, עיין בסעיף מדריך לכתיבת הנחיות לקבצים.

העלאת קובץ

אפשר להשתמש ב-Files API כדי להעלות קובץ מדיה. תמיד צריך להשתמש ב-Files API כשגודל הבקשה הכולל (כולל הקבצים, הנחיית הטקסט, הוראות המערכת וכו') גדול מ-100 MB. לקובצי PDF, המגבלה היא 50 MB.

בדוגמת הקוד הבאה, קובץ מועלה ואז נעשה בו שימוש בקריאה ל-interactions.create.

from google import genai

client = genai.Client()

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

interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input=[
        {"type": "text", "text": "Describe this audio clip"},
        {"type": "audio", "uri": myfile.uri, "mime_type": myfile.mime_type}
    ]
)

print(interaction.output_text)

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-3.5-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();

file, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", nil)
if err != nil {
    log.Fatal(err)
}
defer client.Files.Delete(ctx, file.Name)

interaction, err := client.Interactions.Create(ctx, "gemini-3.5-flash", &genai.InteractionRequest{
    Input: []interface{}{
        genai.NewPartFromFile(*file),
        genai.NewPartFromText("Describe this audio clip"),
    },
}, nil)

if err != nil {
    log.Fatal(err)
}

// Print the model's text response
for _, step := range interaction.Steps {
    if step.Type == "model_output" {
        for _, part := range step.Content {
            if part.Type == "text" {
                fmt.Println(part.Text)
            }
        }
    }
}

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: $GEMINI_API_KEY" \
    -H 'Content-Type: application/json' \
    -H "Api-Revision: 2026-05-20" \
    -d '{
      "model": "gemini-3.5-flash",
      "input": [
        {"type": "text", "text": "Describe this audio clip"},
        {"type": "audio", "uri": '$file_uri', "mime_type": "'${MIME_TYPE}'"}
      ]
    }' 2> /dev/null > response.json

cat response.json
echo

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

אחזור מטא-נתונים של קובץ

כדי לוודא שה-API שמר בהצלחה את הקובץ שהועלה ולקבל את המטא-נתונים שלו, אפשר לקרוא ל-files.get.

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)

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();

file, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", nil)
if err != nil {
    log.Fatal(err)
}

gotFile, err := client.Files.Get(ctx, file.Name)
if err != nil {
    log.Fatal(err)
}
fmt.Println("Got file:", gotFile.Name)

# 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

הצגת רשימת הקבצים שהועלו

הקוד הבא מקבל רשימה של כל הקבצים שהועלו:

from google import genai

client = genai.Client()

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

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();

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

echo "My files: "

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

מחיקת קבצים שהועלו

קבצים נמחקים אוטומטית אחרי 48 שעות. אפשר גם למחוק קובץ שהועלה באופן ידני:

from google import genai

client = genai.Client()

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

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();

file, err := client.Files.UploadFromPath(ctx, "path/to/sample.mp3", nil)
if err != nil {
    log.Fatal(err)
}
client.Files.Delete(ctx, file.Name)

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

נתוני שימוש

אפשר להשתמש ב-Files API כדי להעלות קובצי מדיה ולבצע פעולות שונות בהם. באמצעות Files API אפשר לאחסן עד 20 GB של קבצים לכל פרויקט, עם גודל מקסימלי של 2 GB לכל קובץ. הקבצים מאוחסנים למשך 48 שעות. במהלך התקופה הזו, אפשר להשתמש ב-API כדי לקבל מטא-נתונים על הקבצים, אבל אי אפשר להוריד את הקבצים. ‫Files API זמין בחינם בכל האזורים שבהם Gemini API זמין.

שיטות להצגת הנחיות לקבצים

בקטע הזה מפורטות הנחיות ושיטות מומלצות לשימוש בקובצי מדיה עם הנחיות ל-Gemini API.

היכולת להשתמש בסוגים שונים של נתונים בהנחיות מאפשרת לכם גמישות רבה יותר מבחינת המשימות שאתם יכולים לבצע באמצעות Gemini API. לדוגמה, אפשר לשלוח למודל תמונה של ארוחה טעימה ולבקש ממנו לכתוב פוסט קצר בבלוג על הארוחה.

הנחיה

תשובה

תכתוב פוסט קצר ומעניין לבלוג על סמך התמונה הזו. הוא צריך לכלול תיאור של הארוחה בתמונה ולספר על התהליך שלי בהכנת ארוחות מראש.

הכנת ארוחות מראש היא דרך מצוינת לחסוך זמן וכסף, והיא גם יכולה לעזור לכם לאכול בריא יותר. הארוחה הזו היא דוגמה מצוינת לארוחה בריאה וטעימה שאפשר להכין מראש. הארוחה הזו כוללת אורז מלא, ירקות צלויים ועוף טריאקי. האורז המלא הוא פחמימה בריאה ומורכבת שתספק לכם אנרגיה לאורך זמן. הירקות הצלויים הם דרך מצוינת לקבל את המנה היומית של ויטמינים ומינרלים, ועוף הטריאקי הוא אופציה טעימה ועשירה בחלבון. הכנת הארוחה הזו היא פשוטה מאוד. מבשלים את האורז החום, צולים את הירקות ומבשלים את העוף טריאקי. אחרי שהכול מוכן, מחלקים את הארוחה לקופסאות אחסון ומאחסנים אותן במקרר. בבוקר עמוס, אפשר פשוט לקחת קופסה ולצאת לדרך. אם אתם מחפשים ארוחה בריאה וטעימה שאפשר להכין מראש, זו אופציה מצוינת. הוא עשיר ברכיבים תזונתיים ובטעם, ואין ספק שהוא ישאיר אתכם שבעים ומרוצים. שיהיה לכם תיאבון בריא וטעים!

אם אתם מתקשים לקבל את הפלט הרצוי מהנחיות שמשתמשות בקובצי מדיה, יש כמה אסטרטגיות שיכולות לעזור לכם לקבל את התוצאות הרצויות. בקטעים הבאים מפורטות גישות עיצוב וטיפים לפתרון בעיות שיעזרו לכם לשפר הנחיות שמשתמשות בקלט רב-אופני.

כדי לשפר את ההנחיות המולטימודאליות, כדאי לפעול לפי השיטות המומלצות הבאות:

• מידע בסיסי על תכנון הנחיות

  • הוראות ספציפיות: חשוב לנסח הוראות ברורות ותמציתיות, שלא משאירות מקום לפרשנות מוטעית.
  • להוסיף כמה דוגמאות להנחיה: כדאי להשתמש בדוגמאות ריאליסטיות כדי להמחיש את מה שרוצים להשיג.
  • פירוט שלב אחר שלב: חלוקת משימות מורכבות למטרות משנה שקל יותר לנהל, והנחיית המודל בתהליך.
  • מציינים את פורמט הפלט: בהנחיה, מבקשים שהפלט יהיה בפורמט הרצוי, כמו Markdown, ‏ JSON, ‏ HTML ועוד.
  • כשמזינים הנחיות עם תמונה אחת, כדאי להזין את התמונה לפני הטקסט: אמנם Gemini יכול לעבד קלט של תמונות וטקסט בכל סדר, אבל בהנחיות עם תמונה אחת, יכול להיות שהביצועים יהיו טובים יותר אם התמונה (או הסרטון) תופיע לפני ההנחיה הכתובה. עם זאת, בהנחיות שבהן צריך לשלב בין תמונות לטקסט כדי שההנחיה תהיה ברורה, כדאי להשתמש בסדר הכי טבעי.

• פתרון בעיות בהנחיה מולטימודאלית

  • אם המודל לא שואב מידע מהחלק הרלוונטי בתמונה: כדאי להוסיף רמזים לגבי ההיבטים של התמונה שמהם אתם רוצים שההנחיה תשלוף מידע.
  • אם התוצאה של המודל גנרית מדי (לא מותאמת מספיק לקלט של התמונה או הסרטון): בתחילת ההנחיה, כדאי לבקש מהמודל לתאר את התמונות או הסרטון לפני שמספקים את הוראות המשימה, או לבקש מהמודל להתייחס למה שמופיע בתמונה.
  • כדי לפתור בעיות בחלק מסוים: מבקשים מהמודל לתאר את התמונה או להסביר את ההיגיון שלו, כדי להבין מה הייתה ההבנה הראשונית של המודל.
  • אם ההנחיה שלכם מניבה תוכן הזוי: נסו להפחית את הגדרת רמת האקראיות או לבקש מהמודל תיאורים קצרים יותר, כדי להקטין את הסיכוי שהוא יסיק פרטים נוספים.
  • כוונון פרמטרי הדגימה: כדאי להתנסות בהגדרות שונות של רמת אקראיות ובבחירות שונות של Top-K כדי להתאים את היצירתיות של המודל.

ההוראות צריכות להיות ספציפיות

ההנחיות הכי מוצלחות הן הנחיות ברורות ומפורטות. אם יש לכם פלט ספציפי בראש, עדיף לכלול את הדרישה הזו בהנחיה כדי לוודא שתקבלו את הפלט הרצוי.

אם תבקשו מהמודל רק "לתאר את התמונה הזו" של לוח מידע בשדה תעופה, יכול להיות שתקבלו תיאור כללי. אם אתם רוצים שהמודל ינתח את השעה והעיר שמופיעות בתמונה, אתם יכולים לכלול את הבקשה הזו ישירות בהנחיה.

הנחיה	התשובה מהמודל
מה מופיע בתמונה?	תמונה של לוח טיסות נכנסות ויוצאות בשדה תעופה.

הנחיה מעודכנת	תשובה משופרת
Parse the time and city from the airport board shown in this image into a list.	‫10:50 מוסקבה ‫11:05 אדינבורו ‫11:05 לונדון ‫11:10 בוקרשט ‫11:30 קייב ‫11:35 דבלין ‫11:45 איסט מידלנדס ‫12:15 סופיה 12:30 London ‫12:30 ניוקאסל ‫12:40 סנט פטרסבורג ‫12:40 לונדון ‫12:45 מנצ'סטר

הוספת כמה דוגמאות

מודל Gemini יכול לקבל כמה קלטים, ולהשתמש בהם כדוגמאות כדי להבין את הפלט שאתם רוצים. הוספת הדוגמאות האלה יכולה לעזור למודל לזהות את הדפוסים ולהחיל את הקשר בין התמונות והתשובות שצוינו על הדוגמה החדשה. השיטה הזו נקראת גם למידה עם מעט דוגמאות.

בדוגמה הבאה, הפלט הראשוני כתוב בצורת משפט, והוא כולל גם את המדינה (ברזיל). נניח שאתם רוצים שהפלט יהיה בפורמט או בסגנון אחר, ושהוא יכלול רק את העיר ולא את המדינה. הוספה של דוגמאות ללמידה עם הקשר לשאילתה יכולה לעזור למודל להגיב בצורה הרצויה.

הנחיה	התשובה מהמודל
לזהות את העיר שבה נמצא ציון הדרך.	האתר המפורסם הוא פסל ישו הגואל בריו דה ז'ניירו, ברזיל.

הנחיה מעודכנת	תשובה משופרת
לזהות את העיר שבה נמצא ציון הדרך.	העיר: רומא, נקודת ציון: הקולוסיאום.
	city: Beijing, landmark: Forbidden City
	city: Rio de Janeiro, landmark: Christ the Redeemer statue

תסביר לי את זה שלב אחרי שלב

במשימות מורכבות שדורשות גם הבנה חזותית וגם חשיבה רציונלית, כדאי לפצל את המשימה לשלבים קטנים ופשוטים יותר. אפשרות אחרת היא לבקש מהמודל ישירות בהנחיה "לחשוב שלב אחרי שלב".

הנחיה	התשובה מהמודל
מתי ייגמר לי נייר הטואלט?	בקרוב, נשארו לך רק 3 גלילים.

הנחיה מעודכנת	תשובה משופרת
קודם כל, תספור כמה גלילי נייר טואלט יש בתמונה הזו. לאחר מכן, קובעים כמה נייר טואלט אדם ממוצע משתמש ביום. תחשב כמה זמן יספיקו גלילי נייר הטואלט האלה.	בתמונה הזו יש 3 גלילי נייר טואלט. אדם ממוצע משתמש בכ-20 דפים של נייר טואלט ביום. אם כל גליל מכיל 200 דפים, כל גליל יספיק לכ-10 ימים. לכן, 3 הגלילות יספיקו בערך לחודש.

בעיות מתמטיות או סוגים אחרים של בעיות מילוליות הן דוגמאות מצוינות לשאלות שבהן כדאי לבקש מהמודל לחשוב שלב אחר שלב.

הנחיה	תשובה
מהו האיבר הרביעי בסדרה?	-135

התשובה של המודל שגויה. כדי לשפר את התשובה, אפשר לבקש מהמודל לנתח את הבעיה לפני שהוא עונה על ההנחיה.

הנחיה

תשובה

קודם מנתחים את הנוסחה שבתמונה. לאחר מכן, על סמך הנוסחה, ענה על השאלה 'מה האיבר הרביעי בסדרה?'.

לוחצים כדי להרחיב את התוצאה $$ b(n) = b(n-1) * (-3) $$ $$ b(1) = 15 $$ מציבים n = 4 בנוסחה: $$ b(4) = b(4-1) * (-3) $$ $$ b(4) = b(3) * (-3) $$ אנחנו לא יודעים את הערך של b(3), לכן נציב n = 3 בנוסחה: $$ b(3) = b(3-1) * (-3) $$ $$ b(3) = b(2) * (-3) $$ אנחנו לא יודעים את הערך של b(2), אז נציב n = 2 בנוסחה: $$ b(2) = b(2-1) * (-3) $$ $$ b(2) = b(1) * (-3) $$ אנחנו יודעים שהערך של b(1) הוא 15, אז נציב אותו בנוסחה: $$ b(2) = 15 * (-3) $$ $$ b(2) = -45 $$ עכשיו, אחרי שיש לנו את הערך של b(2), נציב אותו בנוסחה של b(3): $$ b(3) = b(2) * (-3) $$ $$ b(3) = -45 * (-3) $$ $$ b(3) = 135 $$ עכשיו, אחרי שיש לנו את הערך של b(3), נציב אותו בנוסחה של b(4): $$ b(4) = b(3) * (-3) $$ $$ b(4) = 135 * (-3) $$ $$ b(4) = -405 $$ לכן, האיבר הרביעי בסדרה הוא ‎-405.

התשובה של המודל נכונה. כדי שהתשובה תהיה תמציתית יותר, אפשר לבקש מהמודל לחשוב שלב אחר שלב.

הנחיה מעודכנת	תשובה משופרת
מהו האיבר הרביעי בסדרה? תחשוב שלב אחרי שלב.	האיבר הראשון הוא 15. האיבר השני הוא b(1) * (-3) = 15 * (-3) = -45. האיבר השלישי הוא b(2) * (-3) = -45 * (-3) = 135. האיבר הרביעי הוא b(3) * (-3) = 135 * (-3) = -405.

ציון פורמט הפלט

בעיה נפוצה היא הצורך שפלט המודל יהיה בפורמט מסוים (למשל, Markdown,‏ JSON,‏ HTML), במיוחד אם הפלט של המודל צריך להיות מוזן למשימה במורד הזרם. אפשר לנסות ליצור פלט בפורמט הזה על ידי מתן הנחיה למודל לעשות זאת. הנה שתי דוגמאות:

הנחיה	התשובה מהמודל
תנתח את הטבלה בתמונה הזו לפורמט Markdown	```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 | ```

הנחיה	התשובה מהמודל
צריך לציין את כל המאפיינים הבאים: רכיבים, סוג המטבח, צמחוני או לא, בפורמט JSON	```json { "ingredients": [ "rice", "shrimp", "clams", "mussels", "peas", "tomatoes", "onions", "garlic", "olive oil", "paprika", "salt", "pepper" ], "type of cuisine": "Spanish", "vegetarian": false } ```

כשמזינים הנחיות ליצירת תמונה אחת, כדאי להוסיף את התמונה בהתחלה

‫Gemini יכול לפרש תמונה וטקסט בכל סדר בהנחיה, אבל יכול להיות שמיקום של תמונה אחת לפני הנחיית הטקסט יוביל לתוצאות טובות יותר. בדוגמאות הבאות, אפשר לראות שהתמונה מופיעה לפני הטקסט בכל הנחיה.

פתרון בעיות בהנחיות מולטי-מודאליות

אם התשובה שקיבלתם לא מועילה, יכול להיות שתצטרכו לפתור בעיות בהנחיה. הנה כמה אסטרטגיות שאפשר לנסות.

אם המודל לא שואב מידע מהחלק הרלוונטי בתמונה

כדי לקבל תשובה ספציפית יותר, אפשר לציין אילו היבטים של התמונה רוצים שההנחיה תתייחס אליהם כדי להשיב.

הנחיה	התשובה מהמודל
כמה ימים יספיקו חיתולים לתינוק?	החיתולים יספיקו ל-198 ימים לפני שיגמרו.

הנחיה מעודכנת	תשובה משופרת
כמה זמן יספיקו החיתולים האלה עד שאצטרך לקנות חדשים? משתמשים במשקל שמופיע על האריזה כדי לקבוע את גיל הילד, ומשתמשים במספר הכולל של החיתולים באריזה. מחלקים את המספר הכולל במספר החיתולים שהילד או הילדה משתמשים בהם ביום.	הקופסה מכילה 198 חיתולים. על הקופסה מצוין שהחיתולים מיועדים לילדים במשקל 10-17 ק"ג. הגיל הממוצע של ילדים בטווח המשקל הזה הוא בדרך כלל בין שנה לשנתיים. ילד בן שנתיים משתמש בדרך כלל ב-6 חיתולים ביום, ולכן החיתולים יספיקו לכ-33 ימים (198/6).

אם הפלט של המודל גנרי מדי ולא מותאם מספיק לקלט של התמונה

כדי לעזור למודל להתאים את התשובה שלו לתמונות, כדאי לבקש ממנו לתאר את התמונות לפני שהוא מבצע את משימת החשיבה הרציונלית.

הנחיה	התשובה מהמודל
מה המשותף לתמונות האלה?	כל ארבע התמונות הן דוגמאות לצילום נוף.

הנחיה מעודכנת

תשובה משופרת

קודם כל, תתאר בפירוט מה רואים בכל תמונה. מה המשותף לתמונות האלה?

התמונה הראשונה מציגה אדם אורז מזוודה. התמונה השנייה מציגה מסדרון ריק בקניון. התמונה השלישית מציגה גליל נייר טואלט. התמונה הרביעית מציגה ים סוער וחשוך. המשותף לכל התמונות האלה הוא שהן דוגמאות למרחבים לימינליים. מרחבים לימינליים הם מקומות או מצבים שנמצאים בין שני מקומות או מצבים אחרים. לרוב הן מתאפיינות בתחושת חוסר ודאות או דו-משמעות. התמונה הראשונה מראה את האדם כשהוא בבית וכשהוא בטיול. בתמונה השנייה מוצג המסדרון שבין שתי חנויות. התמונה השלישית היא של נייר טואלט, שיכול לייצג חדר אמבטיה. חדר אמבטיה הוא מרחב מעבר בין תחום פרטי לתחום ציבורי. זה מקום שבו אנחנו מתכוננים להיכנס לעולם החיצוני או לצאת ממנו. בתמונה הרביעית מוצג הים, פעם רגוע ופעם סוער. מרחבים לימינליים יכולים להיות מרגשים ומטרידים בו-זמנית. הם יכולים להיות מקום של התחלות חדשות או מקום של סיומים. הם יכולים להיות מקום למחשבה או מקום לפעולה.

אפשר גם לנסות לבקש מהמודל באופן מפורש להתייחס למה שרואים בתמונה.

הנחיה מעודכנת

תשובה משופרת

מה המשותף לתמונות האלה? להתייחס למה שרואים בתמונות בתשובה.

כל התמונות קשורות לנסיעות. בתמונה הראשונה רואים אדם אורז מזוודה, בתמונה השנייה רואים מסדרון ריק בקניון, בתמונה השלישית רואים ערימה של נייר טואלט ובתמונה הרביעית רואים ים סוער וחשוך. כל התמונות האלה קשורות לנסיעות, כי הן מציגות דברים שאנשים צריכים או משתמשים בהם כשהם נוסעים. בתמונה הראשונה רואים אדם אורז מזוודה, וזה משהו שאנשים עושים כשהם יוצאים לטיול. בתמונה השנייה רואים מסדרון ריק בקניון, וזה מקום שאנשים לרוב הולכים אליו כדי לקנות דברים לנסיעות שלהם. בתמונה השלישית רואים ערימה של נייר טואלט, וזה משהו שאנשים לרוב משתמשים בו כשהם נוסעים. בתמונה הרביעית רואים ים סוער וחשוך, וזה משהו שאנשים לרוב נתקלים בו כשהם נוסעים.

אותם טיפים רלוונטיים גם לפלט קריאייטיבי מתמונות. בדוגמה הבאה עם הארנב, בקשה מפורשת מהמודל לכלול היבטים מהתמונה יכולה לשפר את הפלט.

הנחיה	התשובה מהמודל
תכתוב שיר על התמונה הזו?	ארנב קטן, רך וחום, קופץ בשדה, למעלה ולמטה. האוזניים שלך כל כך ארוכות, הזנב שלך כל כך קטן, אתה היצור הכי חמוד מכולם. אתה מכרסם את העשב, כל כך ירוק ומתוק, ואז קופץ כשאתה רואה אותי. But I'll always be your friend, Little bunny, until the very end.

הנחיה מעודכנת

תשובה משופרת

תכתוב לי שיר תיאורי ודרמטי על התמונה הזו, ותציין את המיקום.

ארנב קטן על הדשא, אוזניים ארוכות, חדות כל כך. מה אתה רואה שם, מרחוק, לאן אתה בוהה? האם זה הכחול של האוקיינוס, שנוצץ בגוון השמש? או הגלים שמתנפצים ורועמים, קצב שאתה אוהב? ארנב קטן, תגיד לי את האמת, מה כל כך מושך את תשומת הלב שלך? האם זה בריזת המלח, או קולות השחפים שמשמחים אותך? אולי זה הגודל של הכל, עולם כל כך גדול וקטן. מקום שבו החלומות יכולים להתרוצץ, ושבו אפשר לזרוע הרפתקאות. ארנב קטן, מעניין על מה אתה חולם, כשאתה יושב על הדשא, כל כך רגוע. האם תרצה לחקור את המעמקים, או להישאר על היבשה, שבה תוכל לקפוץ? לא משנה מה זה, ארנב קטן, תשמור על ניצוץ התמיהה הזה בוער בעוצמה. כי בחלומות ובשאיפות שלך, טמון עולם שמחכה ליצירה שלך.

פתרון בעיות שקשורות לחלק בהנחיה שנכשל

יכול להיות שקשה לדעת אם ההנחיה נכשלה כי המודל לא הבין את התמונה מלכתחילה, או שהוא הבין את התמונה אבל לא ביצע את שלבי החשיבה הרציונלית הנכונים לאחר מכן. כדי להבחין בין הסיבות האלה, אפשר לבקש מהמודל לתאר מה יש בתמונה.

בדוגמה הבאה, אם המודל מגיב עם חטיף שנראה מפתיע בשילוב עם תה (למשל, פופקורן), אפשר קודם לפתור את הבעיה כדי לקבוע אם המודל זיהה נכון שהתמונה מכילה תה.

הנחיה	הנחיה לפתרון בעיות
איזה נשנוש אפשר להכין בדקה שיתאים לזה?	מה רואים בתמונה?

אסטרטגיה נוספת היא לבקש מהמודל להסביר את החשיבה הרציונלית שלו. כך תוכלו להבין איזה חלק מהחשיבה הרציונלית לא עבד, אם בכלל.

הנחיה	הנחיה לפתרון בעיות
איזה נשנוש אפשר להכין בדקה שיתאים לזה?	תציע לי חטיף שאפשר להכין בדקה אחת ויתאים לזה. נשמח לקבל הסבר.

המאמרים הבאים

• אתם יכולים לנסות לכתוב הנחיות מולטימודאליות משלכם באמצעות Google AI Studio.
• מידע על שימוש ב-Gemini Files API להעלאת קובצי מדיה ולצירוף שלהם להנחיות זמין במדריכים בנושא Vision, Audio וDocument processing.
• הנחיות נוספות לעיצוב הנחיות, כמו כוונון פרמטרים של דגימה, זמינות בדף אסטרטגיות להנחיות.