Gemini Flash Lite Latest

Gemini Flash-Lite 适合把每天反复出现的小任务交给模型：判断工单类型、从邮件中找出订单号、缩短一段产品介绍，或把零散记录整理成固定格式。它侧重响应速度和高频处理，便于嵌入需要及时反馈的业务流程。

处理分类任务时，可以先列出允许的类别及各自定义，再给出几个边界案例。例如将售后咨询分为退款、物流、使用方法与其他，并要求每次只返回一个类别及一句判断依据。做信息提取时，明确字段、日期格式和缺失值规则，能减少下游程序清洗结果的工作。

它也适合批量内容整理：把用户评价归纳为优点、问题与建议，将长标题压缩为移动端短标题，或者把不同措辞的商品属性统一为标准字段。材料中的事实与用户要求应分开写，避免把原文里的指令误当成任务要求。

对于依赖多步推理、复杂代码修改或大量相互关联约束的任务，可以先让它完成材料归类和线索抽取，再把整理结果交给更适合深入分析的模型。latest 会随服务更新；需要长期复现实验结果时，可选择固定版本并保存测试样例。

可以这样提交工单分类任务：

“请将以下咨询分类为退款、物流、使用方法或其他。先遵循类别定义，信息不足时选其他。输出 JSON，字段为 category、reason、order_id；订单号未提供时填 null。类别定义：……咨询内容：……”

提取结果怎样接入程序？先给出准确字段及可选值，并在应用侧检查 JSON 格式和必填项。

长材料怎样处理更稳？按自然段或记录拆分，保留编号，分别提取后再汇总。类别经常混淆时，补充正反例通常比增加笼统要求更有效。