使用 Gemini-API 打造多輪對話 (聊天)

iOS+ Android 網頁版 Flutter

使用 Gemini API 時，您可以建立跨多輪的任意形式對話。Vertex AI in Firebase SDK 會管理對話狀態，因此您不必自行儲存對話記錄，這點與 generateContentStream() 或 generateContent() 不同。

其他與 Gemini API 相關的選項

• 您可以選擇嘗試 Gemini API
  的「Google AI」替代版本，使用 Google AI Studio 和 Google AI 用戶端 SDK 取得免付費存取權 (在限制範圍內及適用情況下)。這些 SDK 應僅用於行動應用程式和網頁應用程式的原型設計。

  熟悉 Gemini API 的運作方式後，請遷移至我們的 Vertex AI in Firebase SDK (本說明文件)，其中提供許多對行動和網頁應用程式重要的額外功能，例如使用 Firebase App Check 保護 API 免遭濫用，以及支援要求中的大型媒體檔案。

• 視需要呼叫 Vertex AI Gemini API 伺服器端 (例如使用 Python、Node.js 或 Go)
  使用伺服器端 Vertex AI SDK、Genkit 或 Firebase Extensions 來處理 Gemini API。

事前準備

如果您尚未完成，請參閱入門指南，瞭解如何設定 Firebase 專案、將應用程式連結至 Firebase、新增 SDK、初始化 Vertex AI 服務，以及建立 GenerativeModel 例項。

傳送即時通訊提示要求

如要建立多輪對話 (例如即時通訊)，請先呼叫 startChat() 來初始化即時通訊。接著使用 sendMessageStream() (或 sendMessage()) 傳送新使用者訊息，這也會將訊息和回應附加到即時通訊記錄。

與對話內容相關聯的 role 有兩種可能的選項：

• user：提供提示的角色。這個值是呼叫 sendMessageStream() (或 sendMessage()) 的預設值，如果傳遞不同的角色，函式就會擲回例外狀況。

• model：提供回應的角色。這個角色可用於以現有 history 呼叫 startChat()。

注意： 如果您想為模型提供更多初始內容，以便根據您的特定需求和用途調整模型行為，請考慮設定系統指示。

選擇要串流回應 (sendMessageStream)，還是等待回應產生完整結果 (sendMessage)。

串流 不使用串流

您可以不等待模型產生的完整結果，改用串流處理部分結果，以便加快互動速度。

本範例說明如何使用 startChat() 和 sendMessageStream() 串流模型的回應：

import FirebaseVertexAI

// Initialize the Vertex AI service
let vertex = VertexAI.vertexAI()

// Create a `GenerativeModel` instance with a model that supports your use case
let model = vertex.generativeModel(modelName: "gemini-2.0-flash")

// Optionally specify existing chat history
let history = [
  ModelContent(role: "user", parts: "Hello, I have 2 dogs in my house."),
  ModelContent(role: "model", parts: "Great to meet you. What would you like to know?"),
]

// Initialize the chat with optional chat history
let chat = model.startChat(history: history)

// To stream generated text output, call sendMessageStream and pass in the message
let contentStream = try chat.sendMessageStream("How many paws are in my house?")
for try await chunk in contentStream {
  if let text = chunk.text {
    print(text)
  }
}

或者，您可以等待整個結果，而不是串流；只有在模型完成整個產生程序後，系統才會傳回結果。

本範例說明如何使用 startChat() 和 sendMessage() 傳送新使用者訊息：

import FirebaseVertexAI

// Initialize the Vertex AI service
let vertex = VertexAI.vertexAI()

// Create a `GenerativeModel` instance with a model that supports your use case
let model = vertex.generativeModel(modelName: "gemini-2.0-flash")

// Optionally specify existing chat history
let history = [
  ModelContent(role: "user", parts: "Hello, I have 2 dogs in my house."),
  ModelContent(role: "model", parts: "Great to meet you. What would you like to know?"),
]

// Initialize the chat with optional chat history
let chat = model.startChat(history: history)

// To generate text output, call sendMessage and pass in the message
let response = try await chat.sendMessage("How many paws are in my house?")
print(response.text ?? "No text in response.")

瞭解如何選擇適合用途和應用程式的模型，以及選用的位置。

你還可以做些什麼？

• 瞭解如何在向模型傳送長提示之前，計算符記。
• 設定 Cloud Storage for Firebase，這樣您就能在多模態要求中加入大型檔案，並透過更有條理的解決方案在提示中提供檔案。檔案可包含圖片、PDF、影片和音訊。
• 開始著手準備正式版，包括設定 Firebase App Check，以防範未經授權的用戶端濫用 Gemini API。此外，請務必詳閱製作檢查清單。

試用其他功能

• 使用文字提示來生成文字。
• 使用多模態提示 (包括文字、圖片、PDF、影片和音訊) 來生成文字。
• 從文字和多模態提示產生結構化輸出內容 (例如 JSON)。
• 使用文字提示生成圖像。
• 使用函式呼叫，將生成模型連結至外部系統和資訊。

瞭解如何控管內容產生

• 瞭解提示設計，包括最佳做法、策略和提示範例。
• 設定模型參數，例如溫度和輸出符記數量上限 (適用於 Gemini)，或顯示比例和人物生成 (適用於 Imagen)。
• 使用安全性設定，調整可能會收到有害回應的機率。

您也可以使用 Vertex AI Studio 實驗提示和模型設定。

進一步瞭解支援的型號

瞭解可用於各種用途的模型，以及相關配額和價格。

針對 Vertex AI in Firebase 的使用體驗提供意見回饋