Gemini API のシステム指示とプロンプト設計 — 出力品質を劇的に上げる実践テクニック

import google.generativeai as genai
 
genai.configure(api_key="YOUR_GEMINI_API_KEY")
 
model = genai.GenerativeModel(
    model_name="gemini-2.0-flash",
    system_instruction="""あなたはシニアバックエンドエンジニアです。
以下のルールに従って回答してください:
- 回答は必ず日本語で書く
- コードを含む場合は必ずコメントを付ける
- 「できません」と言わず、代替案を提示する
- 技術的な回答は根拠を1文で添える"""
)
 
response = model.generate_content("Python でファイルを非同期に読み込む方法を教えてください")
print(response.text)

model = genai.GenerativeModel(
    model_name="gemini-2.0-flash",
    system_instruction="""入力されたテキストを分析し、必ず以下のJSON形式のみで応答してください。
マークダウンのコードブロックや余分なテキストは含めないこと。
 
{
  "sentiment": "positive" | "negative" | "neutral",
  "confidence": 0.0から1.0の数値,
  "key_phrases": ["フレーズ1", "フレーズ2"],
  "summary": "50文字以内の要約"
}"""
)
 
response = model.generate_content("今日は天気が良くて気分も最高です！仕事も順調に進んでいます。")
print(response.text)
# 出力例: {"sentiment": "positive", "confidence": 0.95, "key_phrases": ["天気が良い", "気分が最高", "仕事が順調"], "summary": "天気と仕事の両方が好調で気分が良い"}

# 短い回答が必要なケース
quick_model = genai.GenerativeModel(
    model_name="gemini-2.0-flash",
    system_instruction="""質問に対して最大3文で簡潔に回答してください。
前置きや説明は不要です。直接回答から始めてください。"""
)
 
# 詳細な説明が必要なケース
detail_model = genai.GenerativeModel(
    model_name="gemini-2.0-flash",
    system_instruction="""質問に対して以下の構成で回答してください:
1. 結論（1文）
2. 理由・根拠（2〜3点）
3. 具体例またはコード
4. 注意点または補足"""
)

model = genai.GenerativeModel(
    model_name="gemini-2.0-flash",
    system_instruction="""セキュリティの専門家として回答してください。
 
禁止事項と代替対応:
- 機密情報（パスワード・秘密鍵等）を直接記述しない → 代わりに「環境変数から読み込む」「シークレットマネージャーを使う」と案内する
- 古い暗号化手法（MD5・SHA-1等）を推奨しない → 代わりに現在のベストプラクティスを提示する
- 「セキュリティ上の懸念があります」だけで終わらない → 必ず具体的な対処法を続ける"""
)

import google.generativeai as genai
 
genai.configure(api_key="YOUR_GEMINI_API_KEY")
model = genai.GenerativeModel(model_name="gemini-2.0-flash")
 
def classify_with_few_shot(text: str) -> str:
    """
    Few-Shot Learning でサポートチケットを分類する。
    例示を含めることで、新しい入力も同じ形式で分類される。
    """
    prompt = f"""以下の例を参考に、サポートチケットをカテゴリに分類してください。
 
例1:
入力: ログインできません。パスワードを入力してもエラーになります。
出力: カテゴリ: 認証エラー, 緊急度: 高
 
例2:
入力: ダッシュボードの表示が少し遅い気がします。
出力: カテゴリ: パフォーマンス, 緊急度: 低
 
例3:
入力: 請求書のPDFが開けません。
出力: カテゴリ: ファイル操作エラー, 緊急度: 中
 
分類対象:
入力: {text}
出力:"""
 
    response = model.generate_content(prompt)
    return response.text.strip()
 
# テスト
result = classify_with_few_shot("メールが送れないというお問い合わせです")
print(result)
# 出力例: カテゴリ: 送信エラー, 緊急度: 高

# 分類・コード生成・データ抽出 → temperature を低くする（再現性重視）
precise_model = genai.GenerativeModel(
    model_name="gemini-2.0-flash",
    generation_config=genai.types.GenerationConfig(
        temperature=0.1,  # ほぼ決定論的な出力
        max_output_tokens=512
    )
)
 
# アイデア出し・コピー生成・創作 → temperature を高くする（多様性重視）
creative_model = genai.GenerativeModel(
    model_name="gemini-2.0-flash",
    generation_config=genai.types.GenerationConfig(
        temperature=1.0,  # より多様な出力
        max_output_tokens=1024
    )
)

import google.generativeai as genai
import time
from google.api_core import exceptions as google_exceptions
 
def safe_generate(model, prompt: str, max_retries: int = 3) -> str:
    """
    エラー処理付きのコンテンツ生成関数。
    レート制限・一時エラーは自動リトライ、それ以外は例外を再スローする。
    """
    for attempt in range(max_retries):
        try:
            response = model.generate_content(prompt)
            return response.text
 
        except google_exceptions.ResourceExhausted:
            # レート制限: 指数バックオフで待機
            wait_time = 2 ** attempt * 10  # 10秒 → 20秒 → 40秒
            print(f"レート制限。{wait_time}秒待機中... (試行 {attempt + 1}/{max_retries})")
            time.sleep(wait_time)
 
        except google_exceptions.ServiceUnavailable:
            # 一時的なサービス停止
            wait_time = 5 * (attempt + 1)
            print(f"サービス一時停止。{wait_time}秒後リトライ...")
            time.sleep(wait_time)
 
        except google_exceptions.InvalidArgument as e:
            # プロンプトの問題（リトライしても解決しない）
            print(f"無効なリクエスト: {e}")
            raise
 
    # 全リトライ失敗
    raise RuntimeError(f"最大リトライ数({max_retries})を超えました")