| Примеры на этой странице предполагают, что вы выполнили инструкции из статьи Начало работы: доступ к Gemini API через фреймворк Foundation Models от Apple. |
В этом руководстве рассказывается, как отправлять запросы разных типов в Gemini API через фреймворк Foundation Models от Apple с помощью Firebase AI Logic SDK для платформ Apple.
На этой странице приведены примеры отправки следующих типов запросов:
- Генерирование текста на основе текстового запроса
- Как генерировать текст в многоэтапном сеансе (чате)
- Как генерировать текст на основе мультимодальных входных данных (например, изображений)
- Как генерировать изображения по текстовому запросу
Сгенерировать текст
Модели Gemini поддерживают следующие возможности генерации текста:
- Генерирование текста на основе текстового запроса
- Как генерировать текст в многоэтапном сеансе (чате)
- Как генерировать текст на основе мультимодальных входных данных (например, изображений)
Модели, поддерживающие эту функцию
gemini-4-hydrogengemini-4-argongemini-4-carbongemini-3.8-flashgemini-3.5-flash-lite(и более старая версияgemini-3.1-flash-lite)
Более старые модели Gemini 3.x Flash общего назначения поддерживают эту функцию, но мы не рекомендуем их использовать, поскольку они скоро будут отключены и/или запросы к ним будут автоматически перенаправляться к более новым моделям.
Генерировать текст на основе текстового запроса
|
Нажмите на название своего поставщика Gemini API, чтобы посмотреть контент и код, относящиеся к нему. |
Вы можете попросить модель Gemini сгенерировать текст, используя только текстовый запрос.
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)
Включить потоковую передачу ответов
Чтобы ускорить взаимодействие, не ждите, пока модель сгенерирует весь результат, а используйте потоковую передачу для обработки частичных результатов. Чтобы получить ответ в виде потока, используйте streamResponse(to:) вместо 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
}
Как генерировать текст в ходе многоэтапного сеанса (чата)
|
Нажмите на название своего поставщика Gemini API, чтобы посмотреть контент и код, относящиеся к нему. |
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"
Генерировать текст на основе мультимодальных входных данных (например, изображений).
|
Нажмите на название своего поставщика Gemini API, чтобы посмотреть контент и код, относящиеся к нему. |
Вы можете попросить модель Gemini сгенерировать текст, используя текстовый запрос и файл, например изображение или 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)
Включить потоковую передачу ответов
Чтобы ускорить взаимодействие, не ждите, пока модель сгенерирует весь результат, а используйте потоковую передачу для обработки частичных результатов. Чтобы получить ответ в виде потока, используйте streamResponse вместо 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)
Генерировать изображения (с помощью моделей Nano Banana)
|
Нажмите на название своего поставщика Gemini API, чтобы посмотреть контент и код, относящиеся к нему. |
Модели, поддерживающие эту функцию
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)
Вы можете попросить модель Gemini Nano Banana создать изображение, используя только текстовый запрос.
В примере ниже показано, как сгенерировать только изображение, но модели Nano Banana могут генерировать и изображения, и текст.
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
}
}
}
}
Генерировать структурированные выходные данные в формате JSON
|
Нажмите на название своего поставщика Gemini API, чтобы посмотреть контент и код, относящиеся к нему. |
Модели, поддерживающие эту функцию
gemini-4-hydrogengemini-4-argongemini-4-carbongemini-3.8-flashgemini-3.5-flash-lite(и более старая версияgemini-3.1-flash-lite)gemini-3-pro-image(Nano Banana Pro)
Более старые модели Gemini 3.x Flash общего назначения поддерживают эту функцию, но мы не рекомендуем их использовать, поскольку они скоро будут отключены и/или запросы к ним будут автоматически перенаправляться к более новым моделям.
По умолчанию модели Gemini возвращают ответы в виде неструктурированного текста. Однако в некоторых случаях требуется структурированный текст, например JSON. Например, если вы используете ответ для других задач, требующих установленной схемы данных.
Вы можете настроить модель так, чтобы она форматировала ответ в соответствии с предоставленной вами схемой JSON. Подробные сведения, рекомендации и примеры использования для создания структурированных выходных данных JSON можно найти в общем руководстве Генерирование структурированных выходных данных.
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
Оставить отзыв о доступе к Gemini API через фреймворк Foundation Models от Apple