À l'aide de Gemini API, vous pouvez créer des conversations de format libre dans plusieurs tours. Le SDK Vertex AI in Firebase simplifie le processus en gérant l'état de la conversation. Ainsi, contrairement à generateContentStream()
ou generateContent()
, vous n'avez pas besoin de stocker vous-même l'historique de la conversation.
Avant de commencer
Si vous ne l'avez pas déjà fait, suivez le guide de démarrage pour les SDK Vertex AI in Firebase. Assurez-vous d'avoir effectué les opérations suivantes :
Configurez un projet Firebase nouveau ou existant, en utilisant le forfait Blaze et en activant les API requises.
connecter votre application à Firebase, y compris l'enregistrer et y ajouter votre configuration Firebase ;
Ajoutez le SDK et initialisez le service Vertex AI et le modèle génératif dans votre application.
Une fois que vous avez connecté votre application à Firebase, ajouté le SDK et initialisé le service Vertex AI et le modèle génératif, vous pouvez appeler Gemini API.
Envoyer une requête d'invite de chat
Pour créer une conversation multitours (telle qu'un chat), commencez par initialiser le chat en appelant startChat()
. Utilisez ensuite sendMessageStream()
(ou sendMessage()
) pour envoyer un nouveau message utilisateur, qui ajoutera également le message et la réponse à l'historique des discussions.
Il existe deux options possibles pour role
associées au contenu d'une conversation:
user
: rôle qui fournit les requêtes. Cette valeur est la valeur par défaut pour les appels àsendMessageStream()
(ousendMessage()
), et la fonction génère une exception si un autre rôle est transmis.model
: rôle qui fournit les réponses. Ce rôle peut être utilisé lorsque vous appelezstartChat()
avec unhistory
existant.
Indiquez si vous souhaitez diffuser la réponse (sendMessageStream
) ou attendre la réponse jusqu'à ce que le résultat complet soit généré (sendMessage
).
Streaming
Vous pouvez accélérer les interactions en n'attendant pas le résultat complet de la génération du modèle, et en utilisant plutôt le streaming pour gérer les résultats partiels.
Sans streaming
Vous pouvez également attendre l'intégralité du résultat au lieu de le diffuser. Le résultat n'est renvoyé qu'une fois que le modèle a terminé l'ensemble du processus de génération.
Découvrez comment choisir un modèle Gemini et éventuellement un emplacement adapté à votre cas d'utilisation et à votre application.
Qu'est-ce que tu sais faire d'autre ?
- Apprenez à compter les jetons avant d'envoyer de longues requêtes au modèle.
- Configurez Cloud Storage for Firebase pour pouvoir inclure de gros fichiers dans vos requêtes multimodales à l'aide d'URL Cloud Storage. Les fichiers peuvent inclure des images, des PDF, des vidéos et des fichiers audio.
- Commencez à réfléchir à la préparation pour la production, y compris à la configuration de Firebase App Check pour protéger Gemini API contre les utilisations abusives de clients non autorisés.
Essayez d'autres fonctionnalités de Gemini API
- Générez du texte à partir de requêtes textuelles uniquement.
- Générer du texte à partir de requêtes multimodales (y compris du texte, des images, des PDF, des vidéos et de l'audio)
- Générez une sortie structurée (comme JSON) à partir de requêtes textuelles et multimodales.
- Utilisez l'appel de fonction pour connecter des modèles génératifs à des systèmes et des informations externes.
Découvrez comment contrôler la génération de contenu
- Comprendre la conception des requêtes, y compris les bonnes pratiques, les stratégies et les exemples de requêtes.
- Configurez les paramètres du modèle, tels que la température et le nombre maximal de jetons de sortie.
- Utilisez les paramètres de sécurité pour ajuster la probabilité d'obtenir des réponses pouvant être considérées comme dangereuses.
En savoir plus sur les modèles Gemini
Découvrez les modèles disponibles pour différents cas d'utilisation, ainsi que leurs quotas et tarifs.Envoyer des commentaires sur votre expérience avec Vertex AI in Firebase