Os comandos são uma parte fundamental do trabalho com qualquer modelo do Gemini, e os novos recursos dos modelos do Gemini 3 podem ser usados para ajudar a resolver problemas complexos e realizar outras tarefas, como interpretar grandes quantidades de texto, resolver problemas matemáticos complexos ou até mesmo criar imagens e vídeos.
Este guia oferece várias estratégias de comandos para ajudar você a aproveitar ao máximo o Gemini 3 na Vertex AI em diversos casos de uso.
Ajuste de temperatura
Para o Gemini 3, recomendamos manter o parâmetro de temperatura no valor padrão de 1.0.
Os recursos de raciocínio do Gemini 3 são otimizados para a configuração de temperatura padrão e não se beneficiam necessariamente do ajuste de temperatura.
Mudar a temperatura (definindo-a como menos de 1.0) pode levar a um comportamento inesperado, loops ou desempenho degradado, principalmente com tarefas matemáticas ou de raciocínio complexas.
Estratégias de comandos
As seções a seguir descrevem várias estratégias de comandos que você pode usar com os modelos do Gemini 3.
Como reduzir a latência de resposta
Para respostas de baixa latência, tente definir o nível de pensamento como LOW
e usar instruções do sistema como think silently.
Diferenciar entre dedução e informações externas
Em alguns casos, fornecer instruções de sistema abertas, como do not infer ou do not guess, pode fazer com que o modelo se concentre demais nessa instrução e não consiga realizar lógica ou aritmética básica ou sintetizar informações encontradas em diferentes partes de um documento.
Em vez de uma restrição negativa ampla, diga ao modelo para usar as informações ou o contexto adicionais fornecidos para deduções e evitar usar conhecimento externo.
Exemplos
What was the profit? Do not infer.
Essa instrução é ineficaz porque a instrução do not infer é muito ampla.
You are expected to perform calculations and logical deductions based strictly
on the provided text. Do not introduce external information.
Aqui, a instrução deixa claro que o modelo deve usar o contexto fornecido para cálculos e raciocínio.
Como usar a verificação em duas etapas dividida
Quando o modelo encontra um tema sobre o qual não tem informações suficientes (como um lugar desconhecido) ou recebe um pedido para realizar uma ação que não é possível (como acessar um URL ativo específico), ele pode gerar informações aparentemente plausíveis, mas incorretas, na tentativa de atender à solicitação.
Para evitar isso, divida o comando em duas etapas: primeiro, verifique se as informações ou a capacidade pretendida existem e, em seguida, gere a resposta com base nessas informações ou capacidade.
Exemplo
Verify with high confidence if you're able to access the New York Times home page.
If you cannot verify, state 'No Info' and STOP. If verified, proceed to generate
a response.
Query: Summarize the headlines from The New York Times today.
Organizar informações e restrições importantes
Ao lidar com solicitações suficientemente complexas, o modelo pode descartar restrições negativas (instruções específicas sobre o que não fazer) ou restrições de formatação ou quantitativas (instruções como contagem de palavras) se elas aparecerem muito cedo no comando.
Para evitar isso, coloque sua solicitação principal e as restrições mais importantes como a última linha da instrução. Em particular, as restrições negativas precisam ser colocadas no final da instrução. Um comando bem estruturado pode ser assim:
- [Contexto e material de origem]
- [Instruções da tarefa principal]
- [Restrições negativas, de formatação e quantitativas]
Como usar perfis
O modelo foi projetado para tratar a persona atribuída a ele com seriedade e, às vezes, ignora instruções para manter a adesão à persona descrita. Ao usar uma persona com seus comandos, revise a persona atribuída ao modelo e evite situações ambíguas.
Exemplo
You are a data extractor. You are forbidden from clarifying, explaining, or
expanding terms. Output text exactly as it appears. Do not explain why.
Manter o embasamento
O modelo pode usar o próprio conhecimento para responder ao comando, o que pode entrar em conflito com qualquer contexto fornecido. Embora o modelo tenha sido projetado para ser útil, se você fornecer um cenário hipotético que contradiga fatos do mundo real (com um contexto como Crabs are fictional and have never existed.), ele poderá voltar aos dados de treinamento em vez de seguir seu comando para alinhar sua solicitação às informações que já tem.
Se você precisar trabalhar em um contexto que não seja baseado em informações do mundo real, declare explicitamente que o contexto fornecido é a única fonte de verdade para a sessão atual.
Exemplo
You are a strictly grounded assistant limited to the information provided in the
User Context. In your answers, rely **only** on the facts that are directly
mentioned in that context. You must **not** access or utilize your own knowledge
or common sense to answer. Do not assume or infer from the provided facts;
simply report them exactly as they appear. Your answer must be factual and
fully truthful to the provided text, leaving absolutely no room for speculation
or interpretation. Treat the provided context as the absolute limit of truth;
any facts or details that are not directly mentioned in the context must be
considered **completely untruthful** and **completely unsupported**. If the
exact answer is not explicitly written in the context, you must state that the
information is not available.
Resumir várias fontes de informação
Quando as informações são apresentadas em vários lugares em uma fonte de contexto, às vezes o modelo para de processar informações adicionais após a primeira correspondência relevante.
Ao trabalhar com conjuntos de dados grandes, como livros inteiros, bases de código ou vídeos longos, coloque suas instruções ou perguntas específicas no final do comando, depois do contexto de dados. Você também pode ancorar o raciocínio do modelo nos dados fornecidos começando sua pergunta com uma frase como Based on the entire document above....
Exemplo de instrução
Based on the entire document above, provide a comprehensive answer. Synthesize
all relevant information from the text that pertains to the question's scenario.
Nível de detalhamento da saída de direção
Por padrão, os modelos do Gemini 3 são menos detalhados e priorizam respostas diretas e eficientes.
Se o caso de uso exigir uma persona mais conversacional, você precisará orientar explicitamente o modelo para que ele seja mais falante no comando.
Exemplo de instrução
Explain this as a friendly, talkative assistant.
A seguir
- Saiba mais sobre o Gemini 3 Pro.
- Confira o tutorial de notebook Introdução ao Gemini 3 Pro.
- Saiba mais sobre a chamada de função.
- Saiba mais sobre Pensamento.