Gemini API 搭配 Agent Platform（原 Vertex AI）探索 GenAI

課程概述

把 Gemini 接進應用前，先試試看同一個問題換種問法，回答會差多少。這篇先用圖形介面調整提示，再改用 API 呼叫，讓你看清楚輸入、參數和回應各在哪裡。文字與圖片的範例也會一起走過。

名稱提醒：Vertex AI 已在 2026 年 4 月改名為 Gemini Enterprise Agent Platform（簡稱 Agent Platform），Vertex AI Studio 同時改名為 Agent Studio。本文用現行名稱；課程影片與 Lab 畫面若仍顯示舊名，指的是同一個產品。

你將學到

• 在 Agent Studio（原 Vertex AI Studio）中使用圖形介面測試 Gemini 模型
• 透過 REST API 或 Google Gen AI SDK for Python 呼叫 Gemini API（官方課程的 Lab 用的是這套 SDK，另有一個 Function Calling 的 Lab，本文不展開）
• 設計有效的 Prompt，包含 Zero-shot 與 Few-shot 技巧
• 使用多模態功能分析圖片與文件
• 理解 Gemini 模型家族的差異與選擇策略

核心概念

Gemini 模型家族

表格超出欄寬時，可左右捲動；鍵盤可聚焦表格後用左右方向鍵查看。

注意：Gemini Nano 是裝置端模型：Android 上透過 AICore／ML Kit GenAI API 使用，Chrome 則透過瀏覽器的內建 AI API 使用；它無法透過 Agent Platform 或 Gemini API 呼叫。本課程聚焦於 Agent Platform，實際可選用的是 Flash 與 Pro。

大多數場景建議從 Flash 開始，只有在效果不佳時才考慮升級到 Pro。（版本提醒：Gemini 的型號更新很快，這裡只談 Flash／Pro 的分層邏輯。2026 年 10 月 12 日查證時，Agent Platform 模型清單上正式發布的 Gemini 3 系列文字模型都屬於 Flash 與 Flash-Lite，Pro 層級的 Gemini 3.1 Pro 列在預先發布區；Gemini 2.5 Pro／Flash／Flash-Lite 的退役日是 2026 年 10 月 20 日。實際可用的型號與退役日，請以官方的模型清單與模型生命週期表為準。）

Agent Studio

Agent Studio 是 Google Cloud Console 裡的圖形化 GenAI 開發環境，不用寫任何程式碼就能：

• 測試不同 Prompt 並比較回應品質
• 調整模型設定：思考層級（thinking level）、結構化輸出與安全篩選（Gemini 3.6 Flash 起的 Flash 系列模型與 3.5 Flash-Lite 會忽略自訂的 temperature、top-K、top-P）
• 上傳圖片測試多模態能力
• 一鍵取得對應的 API 呼叫程式碼

Prompt 設計基礎

Prompt 寫得好不好，幾乎決定了 GenAI 應用的成敗。幾個核心技巧：

• 角色設定 — 告訴模型「你是一位…」，框定回答範圍
• 明確指令 — 具體說明期望的格式、長度、語言
• Zero-shot — 直接提問，不提供範例
• Few-shot — 提供 2-3 個輸入/輸出範例，引導模型學習模式
• Chain-of-thought — 要求模型「一步一步思考」，提升推理品質

多模態能力

Gemini 原生就支援多模態，意思是你可以在同一個請求裡混搭好幾種輸入：

• 上傳一張架構圖，要求 Gemini 分析並提出改善建議
• 傳入一段影片，請 Gemini 摘要關鍵內容
• 結合文字描述與參考圖片，生成更精確的回應

%%{init: {"flowchart": {"curve": "linear", "nodeSpacing": 24, "rankSpacing": 32}}}%%
flowchart TD
  TASK["定義任務、輸出 Schema<br/>與固定的代表性測試集"] --> FLASH["先用 Flash 測試角色、指令、<br/>範例、參數與安全設定"]
  FLASH --> GATE{"正確性、安全性、延遲<br/>與成本都達標？"}
  GATE -->|"是"| VERSION["版本化 Prompt、模型代碼<br/>參數與測試結果"]
  GATE -->|"否"| CAUSE{"主要問題來自哪裡？"}
  CAUSE -->|"指令或格式不清"| PROMPT["補限制、輸出格式與 Few-shot 範例"]
  CAUSE -->|"模型能力不足"| MODEL["用相同測試集比較 Pro<br/>並確認成本增幅值得"]
  PROMPT --> RETEST["重新跑固定案例與失敗邊界"]
  MODEL --> RETEST
  VERSION --> PROD["以 SDK、工作負載身分與監控上線"]

實作重點

• 在 Agent Studio 測試好 Prompt 後，可點擊「取得程式碼」直接複製 Python / curl 範例
• API 呼叫需先啟用 Gemini Enterprise Agent Platform API（原 Vertex AI API，服務名仍是 aiplatform.googleapis.com），並設定正確的 GCP 專案與區域
• 取樣參數（temperature、top-P、top-K）：值越低輸出越固定、越高越多樣。Gemini 的 temperature 範圍是 0.0 到 2.0、預設 1.0，官方對 Gemini 3 強烈建議維持預設值；Gemini 3.6 Flash 起的 Flash 系列模型與 3.5 Flash-Lite 會忽略自訂的 temperature、top-K、top-P，官方改用 thinking level 與結構化輸出控制穩定度（查證日 2026-10-12）
• 常見錯誤：Prompt 過於模糊導致回應品質不穩定，應加入明確的限制條件
• 安全性：生產環境務必透過 VPC Service Controls 限制 API 存取範圍

Skill Badge 指引

Lab 連結：Explore Generative AI in Agent Platform（原名 Explore Generative AI with the Gemini API in Vertex AI）— 完成此 lab 可獲得 Skill Badge

延伸學習

• Gemini 輔助數據分析 — 將 Gemini 應用在資料分析場景
• 在 BigQuery 中使用 Gemini 模型 — 在 SQL 查詢中直接呼叫 Gemini
• GCP GenAI 課程：Prompt Engineering — 把進階 Prompt 工程技巧再練熟一點