Membangun percakapan multi-giliran (chat) dengan GeminiIAP API

iOS+ Android Web Flutter

Dengan Gemini API, Anda dapat membuat percakapan bebas format di beberapa giliran. Vertex AI in Firebase SDK menyederhanakan proses dengan mengelola status percakapan, sehingga tidak seperti generateContentStream() atau generateContent(), Anda tidak perlu menyimpan histori percakapan sendiri.

Opsi lainnya untuk menggunakan Gemini API

• Secara opsional, bereksperimenlah dengan versi "Google AI" alternatif dari Gemini API
  Dapatkan akses tanpa biaya (dalam batas dan jika tersedia) menggunakan Google AI Studio dan SDK klien Google AI. SDK ini harus digunakan untuk hanya membuat prototipe di aplikasi seluler dan web.

  Setelah Anda memahami cara kerja Gemini API, migrasikan ke Vertex AI in Firebase SDK kami (dokumentasi ini), yang memiliki banyak fitur tambahan yang penting untuk aplikasi seluler dan web, seperti melindungi API dari penyalahgunaan menggunakan Firebase App Check dan dukungan untuk file media berukuran besar dalam permintaan.

• Secara opsional, panggil sisi server Vertex AI Gemini API (seperti dengan Python, Node.js, atau Go)
  Gunakan SDK Vertex AI sisi server, Firebase Genkit, atau Firebase Extensions untuk Gemini API.

Sebelum memulai

Jika belum melakukannya, selesaikan panduan memulai untuk Vertex AI in Firebase SDK. Pastikan Anda telah melakukan semua hal berikut:

1. Siapkan project Firebase baru atau yang sudah ada, termasuk menggunakan paket harga Blaze dan mengaktifkan API yang diperlukan.

2. Hubungkan aplikasi ke Firebase, termasuk mendaftarkan aplikasi dan menambahkan konfigurasi Firebase ke aplikasi.

3. Tambahkan SDK dan lakukan inisialisasi layanan Vertex AI dan model generatif di aplikasi Anda.

Setelah menghubungkan aplikasi ke Firebase, menambahkan SDK, dan melakukan inisialisasi layanan Vertex AI dan model generatif, Anda siap memanggil Gemini API.

Mengirim permintaan perintah chat

Untuk membuat percakapan multi-giliran (seperti chat), mulailah dengan melakukan inisialisasi chat dengan memanggil startChat(). Kemudian, gunakan sendMessageStream() (atau sendMessage()) untuk mengirim pesan pengguna baru, yang juga akan menambahkan pesan dan respons ke histori chat.

Ada dua kemungkinan opsi untuk role yang terkait dengan konten dalam percakapan:

• user: peran yang memberikan perintah. Nilai ini adalah default untuk panggilan ke sendMessageStream() (atau sendMessage()), dan fungsi akan menampilkan pengecualian jika peran yang berbeda diteruskan.

• model: peran yang memberikan respons. Peran ini dapat digunakan saat memanggil startChat() dengan history yang ada.

Catatan: Jika Anda ingin memberikan lebih banyak konteks awal untuk model guna membantu mengarahkan perilakunya berdasarkan kebutuhan dan kasus penggunaan tertentu, pertimbangkan untuk menetapkan petunjuk sistem.

Pilih apakah Anda ingin melakukan streaming respons (sendMessageStream) atau menunggu respons hingga seluruh hasilnya dihasilkan (sendMessage).

Streaming

Anda dapat mencapai interaksi yang lebih cepat dengan tidak menunggu seluruh hasil dari pembuatan model, dan sebagai gantinya menggunakan streaming untuk menangani hasil sebagian.

Tanpa streaming

Atau, Anda dapat menunggu seluruh hasil, bukan streaming; hasil hanya ditampilkan setelah model menyelesaikan seluruh proses pembuatan.

Pelajari cara memilih model Gemini dan secara opsional lokasi yang sesuai untuk kasus penggunaan dan aplikasi Anda.

Kamu bisa apa lagi?

• Pelajari cara menghitung token sebelum mengirim perintah panjang ke model.
• Siapkan Cloud Storage for Firebase agar Anda dapat menyertakan file besar dalam permintaan multimodal dan memiliki solusi yang lebih terkelola untuk menyediakan file dalam perintah. File dapat mencakup gambar, PDF, video, dan audio.
• Mulailah memikirkan persiapan produksi, termasuk menyiapkan Firebase App Check untuk melindungi Gemini API dari penyalahgunaan oleh klien yang tidak sah.

Mencoba kemampuan lain Gemini API

• Buat teks dari perintah khusus teks.
• Buat teks dari perintah multimodal (termasuk teks, gambar, PDF, video, dan audio).
• Buat output terstruktur (seperti JSON) dari prompt teks dan multimodal.
• Gunakan panggilan fungsi untuk menghubungkan model generatif ke sistem dan informasi eksternal.

Pelajari cara mengontrol pembuatan konten

• Memahami desain perintah, termasuk praktik terbaik, strategi, dan contoh perintah.
• Mengonfigurasi parameter model seperti suhu dan token output maksimum.
• Gunakan setelan keamanan untuk menyesuaikan kemungkinan mendapatkan respons yang mungkin dianggap berbahaya.

Anda juga dapat bereksperimen dengan perintah dan konfigurasi model menggunakan Vertex AI Studio.

Pelajari model Gemini lebih lanjut

Pelajari model yang tersedia untuk berbagai kasus penggunaan serta kuota dan harganya.

Berikan masukan tentang pengalaman Anda dengan Vertex AI in Firebase