Tworzenie rozmów wielostronnych (czatu) za pomocą interfejsu Gemini API

iOS+ Android Sieć Flutter

Za pomocą Gemini API możesz prowadzić rozmowy w dowolnej formie na przestrzeni wielu tur. Pakiet SDK Vertex AI in Firebase upraszcza ten proces, zarządzając stanem rozmowy, dzięki czemu w odróżnieniu od pakietów SDK generateContentStream() i generateContent() nie musisz samodzielnie przechowywać historii rozmów.

Inne opcje dotyczące Gemini API

• Opcjonalnie możesz wypróbować alternatywną wersję „Google AI” usługi Gemini API
  . Możesz uzyskać bezpłatny dostęp (w ograniczonym zakresie i w miejscach, w których jest dostępny) za pomocą pakietów SDK klienta Google AI Studio i Google AI. Pakiety SDK powinny być używane tylko do tworzenia prototypów w aplikacjach mobilnych i internetowych.

  Gdy już poznasz działanie interfejsu Gemini API, przenieś się na nasze pakiety SDK Vertex AI in Firebase (ta dokumentacja), które zawierają wiele dodatkowych funkcji ważnych dla aplikacji mobilnych i internetowych, takich jak ochrona interfejsu API przed nadużyciami za pomocą Firebase App Check oraz obsługa dużych plików multimedialnych w żądaniach.

• Opcjonalnie wywołaj Vertex AI Gemini API po stronie serwera (np. w przypadku Pythona, Node.js lub Go)
  Użyj pakietu Vertex AISDK po stronie serwera Firebase Genkit lub Firebase Extensions dla Gemini API.

Zanim zaczniesz

Jeśli jeszcze tego nie zrobisz, zapoznaj się z przewodnikiem po pakietach SDK Vertex AI in Firebase. Upewnij się, że wykonałeś/wykonałaś te czynności:

1. Skonfiguruj nowy lub istniejący projekt Firebase, w tym użyj abonamentu Blaze i włącz wymagane interfejsy API.

2. Połącz aplikację z Firebase, w tym zarejestruj ją i dodaj do niej konfigurację Firebase.

3. Dodaj pakiet SDK i zainicjuj w aplikacji usługę Vertex AI oraz model generatywny.

Po połączeniu aplikacji z Firebase, dodaniu pakietu SDK i inicjalizacji usługi Vertex AI oraz modelu generatywnego możesz wywołać funkcję Gemini API.

Wyślij prośbę o prompt na czacie

Aby prowadzić rozmowę z wieloma zwrotami (np. na czacie), zacznij od zainicjowania czatu, wywołując funkcję startChat(). Następnie użyj sendMessageStream() (lub sendMessage()), aby wysłać nową wiadomość użytkownika. Zostanie też dołączona wiadomość i odpowiedź do historii czatu.

Istnieją 2 opcje pola role związane z treścią rozmowy:

• user: rola, która dostarcza promptów. Jest to wartość domyślna w przypadku wywołań funkcji sendMessageStream() (lub sendMessage()), a w przypadku przekazania innej roli funkcja zgłasza wyjątek.

• model: rola, która dostarcza odpowiedzi. Tej roli można używać podczas wywoływania funkcji startChat() z istniejącą funkcją history.

Uwaga: jeśli chcesz podać więcej wstępnego kontekstu dla modelu, aby ułatwić mu działanie na podstawie Twoich konkretnych potrzeb i przypadków użycia, rozważ ustawienie instrukcji dotyczących systemu.

Wybierz, czy chcesz wyświetlić odpowiedź w czasie (sendMessageStream), czy poczekać na odpowiedź, aż zostanie wygenerowany cały wynik (sendMessage).

Streaming

Aby uzyskać szybsze interakcje, nie czekaj na pełny wynik wygenerowany przez model, ale zamiast tego użyj strumieniowego przetwarzania wyników częściowych.

Bez przesyłania strumieniowego

Możesz też poczekać na cały wynik zamiast strumieniowego przesyłania. Wynik zostanie zwrócony dopiero po zakończeniu całego procesu generowania.

Dowiedz się, jak wybrać model Gemini i opcjonalnie lokalizację odpowiednią do Twojego przypadku użycia i aplikacji.

Co jeszcze możesz zrobić?

• Dowiedz się, jak liczyć tokeny przed wysłaniem długich promptów do modelu.
• Skonfiguruj Cloud Storage for Firebase, aby móc dołączać duże pliki do żądań multimodalnych za pomocą adresów URL Cloud Storage. Pliki mogą zawierać obrazy, pliki PDF, filmy i dźwięk.
• Zacznij myśleć o przygotowaniu usługi do wdrożenia, w tym o skonfigurowaniu Firebase App Check, aby chronić Gemini API przed nadużyciami przez nieautoryzowanych klientów.

Wypróbuj inne funkcje urządzenia Gemini API

• Generuj tekst na podstawie promptów tekstowych.
• generować tekst na podstawie promptów multimodalnych (w tym tekstu, obrazów, plików PDF, filmów i plików audio);
• Generuj uporządkowane dane wyjściowe (np. JSON) zarówno na podstawie promptów tekstowych, jak i multimodalnych.
• Aby połączyć modele generatywne z zewnętrznymi systemami i informacjami, użyj wywołania funkcji.

Dowiedz się, jak kontrolować generowanie treści

• Poznaj projektowanie promptów, w tym sprawdzone metody, strategie i przykładowe prompty.
• Skonfiguruj parametry modelu, takie jak temperatura i maksymalna liczba tokenów wyjściowych.
• Użyj ustawień bezpieczeństwa, aby dostosować prawdopodobieństwo otrzymywania odpowiedzi, które mogą być uważane za szkodliwe.

Możesz też eksperymentować z promptami i konfiguracjami modeli za pomocą narzędzia Vertex AI Studio.

Więcej informacji o modelach Gemini

Dowiedz się więcej o modelach dostępnych w różnych przypadkach użycia oraz ich limitach i cenach.

Prześlij opinię o tym, jak oceniasz korzystanie z usługi Vertex AI in Firebase