使用 Gemini API 构建多轮对话（聊天）

iOS+ Android Web Flutter

使用 Gemini API，您可以构建跨多个回合的自由形式对话。Vertex AI in Firebase SDK 通过管理对话状态来简化该流程，因此与 generateContentStream() 或 generateContent() 不同，您无需自行存储对话记录。

使用 Gemini API 的其他方式

• 可选择试用 Gemini API 的替代“Google AI”版本
  使用 Google AI Studio 和 Google AI 客户端 SDK 免费访问（在可用的情况下，且受限）。 这些 SDK 应仅用于移动应用和 Web 应用中的原型设计。

  熟悉 Gemini API 的运作方式后，请迁移到我们的 Vertex AI in Firebase SDK（本文档）。这些 SDK 提供了许多对移动应用和 Web 应用至关重要的其他功能，例如使用 Firebase App Check 保护 API 免遭滥用，以及支持请求中的大型媒体文件。

• 可选地调用服务器端 Vertex AI Gemini API（例如使用 Python、Node.js 或 Go）
  对于 Gemini API，请使用服务器端 Vertex AI SDK、Firebase Genkit 或 Firebase Extensions。

准备工作

请完成 Vertex AI in Firebase SDK 入门指南（如果尚未完成）。请确保您已执行以下所有操作：

1. 设置新的或现有的 Firebase 项目，包括使用 Blaze 定价方案和启用所需的 API。

2. 将您的应用与 Firebase 相关联，包括注册您的应用并将 Firebase 配置添加到您的应用。

3. 在应用中添加 SDK 并初始化 Vertex AI 服务和生成式模型。

将应用连接到 Firebase、添加 SDK 并初始化 Vertex AI 服务和生成式模型后，您就可以调用 Gemini API 了。

发送聊天提示请求

如需构建多轮对话（例如聊天），请先通过调用 startChat() 初始化聊天。然后，使用 sendMessageStream()（或 sendMessage()）发送新用户消息，这也会将消息和回复附加到聊天记录中。

与对话内容相关联的 role 有两个可能的选项：

• user：提供提示的角色。此值是调用 sendMessageStream()（或 sendMessage()）的默认值，如果传递其他角色，该函数会抛出异常。

• model：提供回答的角色。使用现有 history 调用 startChat() 时，可以使用此角色。

注意： 如果您想为模型提供更多初始上下文，以便根据您的具体需求和应用场景来引导其行为，不妨考虑设置系统指令。

选择是流式传输回答 (sendMessageStream) 还是等待系统生成完整结果 (sendMessage)。

流式传输

您可以通过不等待模型生成的完整结果，而是使用流式处理部分结果，从而实现更快的互动。

不直播

或者，您也可以等待整个结果，而不是流式传输；只有在模型完成整个生成过程后，才会返回结果。

了解如何选择适合您的用例和应用的 Gemini 模型和（可选）位置。

您还可以执行以下操作

• 了解如何在向模型发送长提示之前计算令牌数。
• 设置 Cloud Storage for Firebase，以便在多模式请求中添加大型文件，并获得更可控的解决方案，以便在问题中提供文件。 文件可以是图片、PDF、视频和音频。
• 开始考虑为正式版做好准备，包括设置 Firebase App Check，以保护 Gemini API 免遭未经授权的客户端滥用。

试用 Gemini API 的其他功能

• 根据纯文本提示生成文本。
• 从多模态提示（包括文本、图片、PDF、视频和音频）生成文本。
• 根据文本和多模态提示生成结构化输出（例如 JSON）。
• 使用函数调用将生成式模型连接到外部系统和信息。

了解如何控制内容生成

• 了解提示设计，包括最佳实践、策略和示例提示。
• 配置模型参数，例如温度和输出 token 数上限。
• 使用安全设置来调整收到可能被视为有害的回答的可能性。

您还可以使用 Vertex AI Studio 对提示和模型配置进行实验。

详细了解 Gemini 型号

了解适用于各种用例的模型及其配额和价格。

就您使用 Vertex AI in Firebase 的体验提供反馈