Créez des conversations multitours (chat) avec l'API Gemini


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 :

  1. Configurez un projet Firebase nouveau ou existant, en utilisant le forfait Blaze et en activant les API requises.

  2. connecter votre application à Firebase, y compris l'enregistrer et y ajouter votre configuration Firebase ;

  3. 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 à sendMessageStream() (ou sendMessage()), 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 appelez startChat() avec un history 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

Découvrez comment contrôler la génération de contenu

Vous pouvez également tester des requêtes et des configurations de modèle à l'aide de Vertex AI Studio.

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