| Przykłady na tej stronie zakładają, że masz już za sobą kroki opisane w artykule Pierwsze kroki: dostęp do Gemini API przez platformę modeli podstawowych Apple. |
Z tego przewodnika dowiesz się, jak wysyłać różne typy żądań do Gemini API za pomocą platformy modeli podstawowych Apple przy użyciu pakietu SDK Firebase AI Logic na platformy Apple.
Na tej stronie znajdziesz przykłady wysyłania tych typów żądań:
- Generowanie tekstu na podstawie danych wejściowych zawierających tylko tekst
- Generowanie tekstu podczas sesji wieloetapowej (czatu)
- Generowanie tekstu na podstawie danych multimodalnych (np. obrazów)
- Generowanie obrazów na podstawie danych wejściowych zawierających tylko tekst
Generowanie tekstu
Modele Gemini obsługują te funkcje generowania wygenerowanego tekstu reklamy:
- Generowanie tekstu na podstawie danych wejściowych zawierających tylko tekst
- Generowanie tekstu podczas sesji wieloetapowej (czatu)
- Generowanie tekstu na podstawie danych multimodalnych (np. obrazów)
Modele obsługujące tę funkcję
gemini-4-hydrogengemini-4-argongemini-4-carbongemini-3.8-flashgemini-3.5-flash-lite(oraz starszygemini-3.1-flash-lite)
Starsze modele Gemini 3.x Flash ogólnego zastosowania obsługują tę funkcję, ale nie zalecamy ich używania ze względu na zbliżające się daty wyłączenia lub automatyczne przekierowywanie do nowszych modeli.
Generowanie tekstu na podstawie danych wejściowych zawierających tylko tekst
|
Kliknij dostawcę Gemini API, aby wyświetlić na tej stronie treści i kod dotyczące tego dostawcy. |
Możesz poprosić model Gemini o wygenerowanie tekstu reklamy, podając prompta zawierającego tylko dane wejściowe w postaci tekstu.
import FoundationModels
import FirebaseCore
import FirebaseAILogic
// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-4-hydrogen")
// Provide a prompt that contains text.
let prompt = "Write a story about a magic backpack."
// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)
// Generate a text response to the prompt.
let response = try await session.respond(to: prompt)
print(response.content)
Odpowiadaj na bieżąco
Możesz przyspieszyć interakcje, nie czekając na cały wynik wygenerowany przez model, i zamiast tego używać strumieniowania do obsługi wyników częściowych. Aby przesyłać odpowiedź strumieniowo, użyj streamResponse(to:) zamiast respond(to:).
// imports
// initialization of Gemini API backend service and a `geminiLanguageModel`
// Provide a prompt that contains text.
let prompt = "Write a story about a magic backpack."
// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)
// Generate a text response to the prompt.
// To stream the response, use `streamResponse(to:)` instead of `respond(to:)`
let stream = session.streamResponse(to: "Write a story about a magic backpack.")
var response = ""
for try await snapshot in stream {
// The snapshot contains *all* content generated so far.
response = snapshot.content
}
Generowanie tekstu podczas sesji wieloetapowej (czat)
|
Kliknij dostawcę Gemini API, aby wyświetlić na tej stronie treści i kod dotyczące tego dostawcy. |
import FoundationModels
import FirebaseCore
import FirebaseAILogic
// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-4-hydrogen")
// Create a session by injecting the model into Apple's `LanguageModelSession`.
// The session maintains state between each request.
let session = LanguageModelSession(model: model)
// Generate a text response to an initial prompt.
let response = try await session.respond(to: "Hello! I'd like to learn more about Albert Einstein.")
print(response.content) // Example response from model: "What would you like to know?"
// Continue using the existing session. Each prompt and response is added to the transcript.
let response2 = try await session.respond(to: "When was he born?")
print(response2.content) // Example response from model: "March 14, 1879"
generowanie tekstu na podstawie danych multimodalnych (np. obrazów);
|
Kliknij dostawcę Gemini API, aby wyświetlić na tej stronie treści i kod dotyczące tego dostawcy. |
Możesz poprosić model Gemini o wygenerowanie tekstu, podając prompta z tekstem i plikiem, np. obrazem lub plikiem PDF.
import FoundationModels
import FirebaseCore
import FirebaseAILogic
// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-4-hydrogen")
// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)
let cgImage: CGImage = // ... fetch CGImage from your datasource.
let response = try await session.respond {
"What are the dominant colors of this image, in order?"
Attachment(cgImage)
}
print(response.content)
Odpowiadaj na bieżąco
Możesz przyspieszyć interakcje, nie czekając na cały wynik wygenerowany przez model, i zamiast tego używać strumieniowania do obsługi wyników częściowych. Aby przesyłać odpowiedź strumieniowo, użyj streamResponse zamiast respond.
// imports
// initialization of Gemini API backend service and a `geminiLanguageModel`
// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)
let cgImage: CGImage = // ... fetch CGImage from your datasource.
let stream = session.streamResponse {
"What are the dominant colors of this image, in order?"
Attachment(cgImage)
}
var response = ""
for try await snapshot in stream {
// The snapshot contains *all* content generated so far.
response = snapshot.content
}
print(response)
generować obrazy (za pomocą modeli Nano Banana),
|
Kliknij dostawcę Gemini API, aby wyświetlić na tej stronie treści i kod dotyczące tego dostawcy. |
Modele obsługujące tę funkcję
gemini-nano-banana-2.1(Nano Banana 2.1)gemini-3.1-flash-image(Nano Banana 2)gemini-3.1-flash-lite-image(Nano Banana 2 Lite)gemini-3-pro-image(Nano Banana Pro)
Możesz poprosić model Gemini Nano Banana o wygenerowanie obrazu, podając prompta w formie tekstowej.
Poniższy przykład pokazuje, jak wygenerować tylko obraz, ale modele Nano Banana mogą generować zarówno obrazy, jak i tekst.
import FoundationModels
import FirebaseCore
import FirebaseAILogic
// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports image output.
let model = ai.geminiLanguageModel(name: "gemini-nano-banana-2.1"
options:
GeminiGenerationOptions(responseModalities: .image)
)
let session = LanguageModelSession(model: model)
let response = try await session.respond(
to: "Generate an image of the Eiffel tower with fireworks in the background."
)
var generatedImage: CIImage?
// Find the image in the transcriptEntries.
for entry in response.transcriptEntries {
if case let .response(response) = entry {
for segment in response.segments {
if case let .attachment(attachment) = segment,
case let .image(image) = attachment.content {
generatedImage = image.ciImage
}
}
}
}
Generowanie uporządkowanych danych wyjściowych JSON
|
Kliknij dostawcę Gemini API, aby wyświetlić na tej stronie treści i kod dotyczące tego dostawcy. |
Modele obsługujące tę funkcję
gemini-4-hydrogengemini-4-argongemini-4-carbongemini-3.8-flashgemini-3.5-flash-lite(oraz starszygemini-3.1-flash-lite)gemini-3-pro-image(Nano Banana Pro)
Starsze modele Gemini 3.x Flash ogólnego zastosowania obsługują tę funkcję, ale nie zalecamy ich używania ze względu na zbliżające się daty wyłączenia lub automatyczne przekierowywanie do nowszych modeli.
Modele Gemini domyślnie zwracają odpowiedzi w postaci nieustrukturyzowanego tekstu. Jednak w niektórych przypadkach wymagany jest tekst uporządkowany, np. JSON. Możesz na przykład używać odpowiedzi do innych zadań, które wymagają ustalonego schematu danych.
Możesz skonfigurować model tak, aby formatował odpowiedź zgodnie z podanym przez Ciebie schematem JSON. Szczegółowe informacje, sprawdzone metody i przypadki użycia dotyczące generowania uporządkowanych danych wyjściowych JSON znajdziesz w ogólnym przewodniku Generowanie uporządkowanych danych wyjściowych.
import FoundationModels
import FirebaseCore
import FirebaseAILogic
@Generable(description: "Basic profile information about a cat")
struct CatProfile {
var name: String
@Guide(description: "The age of the cat", .range(0 ... 20))
var age: Int
@Guide(description: "A one sentence profile about the cat's personality")
var profile: String
}
// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "GEMINI_MODEL_NAME")
let session = LanguageModelSession(model: model)
let response = try await session.respond(
to: "Generate a cute rescue cat profile with an Elvish theme",
generating: CatProfile.self
)
let cat = response.content
Prześlij opinię na temat dostępu do Gemini API w ramach platformy Foundation Models firmy Apple