Khi sử dụng API Gemini, bạn có thể tạo các cuộc trò chuyện dạng tự do trên
nhiều chặng. Vertex AI cho Firebase SDK giúp đơn giản hoá quy trình bằng cách quản lý
trạng thái của cuộc trò chuyện, không giống như với generateContentStream() hoặc
generateContent(), bạn không phải tự lưu trữ lịch sử cuộc trò chuyện.
Trước khi bắt đầu
Nếu bạn chưa làm như vậy, hãy làm theo hướng dẫn bắt đầu sử dụng Vertex AI cho Firebase SDK. Hãy đảm bảo rằng bạn đã hoàn thành tất cả các bước sau:
Thiết lập một dự án Firebase mới hoặc hiện có, bao gồm cả việc sử dụng Gói giá linh hoạt và bật các API bắt buộc.
Kết nối ứng dụng của bạn với Firebase, bao gồm cả việc đăng ký ứng dụng và thêm Cấu hình Firebase cho ứng dụng của bạn.
Thêm SDK và khởi chạy dịch vụ Vertex AI và mô hình tạo sinh trong ứng dụng của bạn.
Sau khi bạn kết nối ứng dụng của mình với Firebase, thêm SDK và khởi chạy dịch vụ Vertex AI và mô hình tạo sinh, bạn đã sẵn sàng gọi Gemini API.
Gửi yêu cầu lời nhắc trò chuyện
Để tạo một cuộc trò chuyện nhiều lượt (chẳng hạn như trò chuyện), hãy bắt đầu bằng cách khởi tạo
trò chuyện bằng cách gọi startChat(). Sau đó sử dụng
sendMessageStream() (hoặc sendMessage()) để gửi tin nhắn cho người dùng mới.
cũng sẽ thêm tin nhắn và câu trả lời vào lịch sử trò chuyện.
Có hai lựa chọn cho role được liên kết với nội dung trong một
cuộc trò chuyện:
user: vai trò đưa ra lời nhắc. Đây là giá trị mặc định cho lệnh gọi đếnsendMessageStream()(hoặcsendMessage()) và hàm gửi ra trường hợp ngoại lệ nếu vai trò khác được chuyển.model: vai trò đưa ra câu trả lời. Vai trò này có thể được dùng khi gọistartChat()bằnghistoryhiện có.
Chọn xem bạn muốn truyền trực tuyến câu trả lời (sendMessageStream) hay đợi
cho phản hồi cho đến khi tạo toàn bộ kết quả (sendMessage).
Phát trực tuyến
Bạn có thể đạt được các tương tác nhanh hơn bằng cách không phải chờ toàn bộ kết quả từ việc tạo mô hình và thay vào đó sử dụng luồng để xử lý một phần kết quả.
Ví dụ này cho thấy cách sử dụng sendMessageStream() để truyền trực tuyến câu trả lời từ
mô hình:
Không truyền trực tuyến
Hoặc, bạn có thể chờ toàn bộ kết quả thay vì truy cập trực tuyến; thời gian kết quả chỉ được trả về sau khi mô hình hoàn tất toàn bộ quá trình tạo của chúng tôi.
Dưới đây là ví dụ minh hoạ cách sử dụng sendMessage() để gửi thông báo cho người dùng mới:
Tìm hiểu cách chọn một mô hình Gemini và không bắt buộc phải chọn một vị trí phù hợp với trường hợp sử dụng và ứng dụng của bạn.
Bạn có thể làm gì khác?
- Tìm hiểu cách tính mã thông báo trước khi gửi các câu lệnh dài đến mô hình.
- Thiết lập Cloud Storage cho Firebase để bạn có thể đưa các tệp lớn vào yêu cầu đa phương thức bằng cách sử dụng URL của Cloud Storage. Tệp có thể bao gồm hình ảnh, PDF, video và âm thanh.
- Hãy bắt đầu nghĩ đến việc chuẩn bị sản xuất, bao gồm thiết lập tính năng Kiểm tra ứng dụng Firebase để bảo vệ Gemini API khỏi hành vi sai trái của khách hàng trái phép.
Dùng thử các tính năng khác của Gemini API
- Tạo văn bản từ lời nhắc chỉ có văn bản.
- Tạo văn bản từ câu lệnh đa phương thức (bao gồm văn bản, hình ảnh, PDF, video và âm thanh).
- Sử dụng tính năng gọi hàm để kết nối các mô hình tạo sinh sang các hệ thống và thông tin bên ngoài.
Tìm hiểu cách kiểm soát việc tạo nội dung
- Tìm hiểu về thiết kế lời nhắc, bao gồm các phương pháp hay nhất, chiến lược và ví dụ về câu lệnh.
- Định cấu hình các thông số của mô hình như nhiệt độ và mã thông báo đầu ra tối đa.
- Sử dụng cài đặt an toàn để điều chỉnh khả năng nhận được phản hồi có thể bị coi là gây hại.
Tìm hiểu thêm về các mô hình Gemini
Tìm hiểu về những mô hình có sẵn cho nhiều trường hợp sử dụng và hạn mức và giá.Gửi ý kiến phản hồi trải nghiệm của bạn khi dùng Vertex AI cho Firebase