ตัวเลือกการกำหนดค่าสำหรับประสบการณ์การใช้งานแบบไฮบริดในแอป Android

หน้านี้จะอธิบายตัวเลือกการกำหนดค่าต่อไปนี้สำหรับประสบการณ์การใช้งานแบบผสม

• ตั้งค่าโหมดการอนุมาน

• พิจารณาว่ามีการใช้การอนุมานในอุปกรณ์หรือในระบบคลาวด์

• ระบุโมเดลที่จะใช้

• ใช้การกำหนดค่าโมเดลเพื่อควบคุมคำตอบ

ตรวจสอบว่าคุณได้ทำตามคู่มือเริ่มต้นใช้งานสำหรับการสร้างประสบการณ์แบบผสมผสานแล้ว

ตั้งค่าโหมดการอนุมาน

ตัวอย่างในคู่มือเริ่มต้นใช้งานใช้โหมด PREFER_ON_DEVICE แต่โหมดนี้เป็นเพียงหนึ่งในโหมดการอนุมาน 4 โหมดที่พร้อมใช้งาน

โหมดการอนุมานที่ใช้ได้มีดังนี้

• PREFER_ON_DEVICE: พยายามใช้โมเดลในอุปกรณ์หากพร้อมใช้งานและรองรับประเภทคำขอ ไม่เช่นนั้น ให้บันทึกข้อผิดพลาดในอุปกรณ์ แล้วเปลี่ยนกลับไปใช้โมเดลที่โฮสต์ในระบบคลาวด์โดยอัตโนมัติ

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.PREFER_ON_DEVICE)
  

  Java

  InferenceMode mode = InferenceMode.PREFER_ON_DEVICE;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

• ONLY_ON_DEVICE: พยายามใช้โมเดลในอุปกรณ์หากพร้อมใช้งานและรองรับประเภทคำขอ หรือแสดงข้อยกเว้น

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.ONLY_ON_DEVICE)
  

  Java

  InferenceMode mode = InferenceMode.ONLY_ON_DEVICE;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

• PREFER_IN_CLOUD: พยายามใช้โมเดลที่โฮสต์ในระบบคลาวด์หากอุปกรณ์ออนไลน์อยู่และโมเดลพร้อมใช้งาน หากอุปกรณ์ออฟไลน์อยู่ ให้เปลี่ยนไปใช้โมเดลในอุปกรณ์ ในกรณีอื่นๆ ทั้งหมดที่ดำเนินการไม่สำเร็จ ให้ส่งข้อยกเว้น

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.PREFER_IN_CLOUD)
  

  Java

  InferenceMode mode = InferenceMode.PREFER_IN_CLOUD;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

• ONLY_IN_CLOUD: พยายามใช้โมเดลที่โฮสต์ในระบบคลาวด์หากอุปกรณ์ออนไลน์อยู่และโมเดลพร้อมใช้งาน หรือแสดงข้อยกเว้น

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.ONLY_IN_CLOUD)
  

  Java

  InferenceMode mode = InferenceMode.ONLY_IN_CLOUD;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

พิจารณาว่าจะใช้การอนุมานในอุปกรณ์หรือในระบบคลาวด์

หากโหมดการอนุมานเป็น PREFER_ON_DEVICE หรือ PREFER_IN_CLOUD การทราบว่ามีการใช้โหมดใดสำหรับคำขอหนึ่งๆ อาจเป็นประโยชน์ ข้อมูลนี้ได้มาจากพร็อพเพอร์ตี้ inferenceSource ของการตอบกลับแต่ละรายการ

เมื่อคุณเข้าถึงพร็อพเพอร์ตี้นี้ ค่าที่แสดงผลจะเป็น ON_DEVICE หรือ IN_CLOUD

// ...

print("You used: ${result.response.inferenceSource}")

print(result.response.text)

// ...

System.out.println("You used: " + result.getResponse().getInferenceSource());

System.out.println(result.getResponse().getText());

ระบุโมเดลที่จะใช้

คุณสามารถระบุโมเดลที่จะใช้เมื่อสร้างอินสแตนซ์ generativeModel (Kotlin | Java)

• ระบุโมเดลที่โฮสต์ในระบบคลาวด์:

  • หากโหมดการอนุมานเป็น PREFER_ON_DEVICE, PREFER_IN_CLOUD หรือ ONLY_IN_CLOUD คุณต้องระบุโมเดลที่โฮสต์ในระบบคลาวด์ที่จะใช้อย่างชัดเจน SDK ไม่มีโมเดลที่โฮสต์ในระบบคลาวด์เริ่มต้น

  • ดูชื่อโมเดลสำหรับโมเดล Gemini ที่โฮสต์ในระบบคลาวด์ที่รองรับทั้งหมด

• ระบุโมเดลในอุปกรณ์:

  • หากโหมดการอนุมานเป็น PREFER_ON_DEVICE, PREFER_IN_CLOUD หรือ ONLY_ON_DEVICE คุณสามารถเลือกระบุ "หมวดหมู่" ของโมเดลในอุปกรณ์ที่จะใช้ใน onDeviceConfig ได้ หมวดหมู่คือการรวมกันของระยะการเผยแพร่และลักษณะประสิทธิภาพ

  • ค่าหมวดหมู่ที่รองรับมีดังต่อไปนี้
    AICore จะเลือกโมเดลในอุปกรณ์ที่ตรงตามเงื่อนไขของหมวดหมู่ที่ระบุและอุปกรณ์รองรับโดยอัตโนมัติ ตัวอย่างเช่น หากคุณระบุ PREVIEW และอุปกรณ์เป็น Pixel 9 ระบบจะเลือก Gemini Nano 4 Full [เวอร์ชันตัวอย่าง] (nano-v4-full) โดยอัตโนมัติ

    • STABLE: โมเดลในอุปกรณ์ที่เสถียรล่าสุด

      • ผ่านการทดสอบอย่างเต็มรูปแบบและพร้อมใช้งานในอุปกรณ์ของผู้บริโภค

      • เช่น Gemini Nano 3 (nano-v3) หรือ Gemini Nano 2 (nano-v2)

      • การตั้งค่าเริ่มต้นสำหรับโมเดลในอุปกรณ์หากไม่ได้ระบุ OnDeviceModelOption ไว้

    • PREVIEW: โมเดลในอุปกรณ์เวอร์ชันตัวอย่างล่าสุดที่มีความสามารถด้านประสิทธิภาพเต็มรูปแบบ

      • ออกแบบมาเพื่อความสามารถในการให้เหตุผลที่สูงขึ้นและงานที่ซับซ้อน

      • เช่น Gemini Nano 4 Full [เวอร์ชันตัวอย่าง] (nano-v4-full ซึ่งอิงตาม Gemma 4 E4B)

    • PREVIEW_FAST: โมเดลในอุปกรณ์เวอร์ชันตัวอย่างล่าสุดที่ทำงานได้รวดเร็ว

      • เพิ่มประสิทธิภาพเพื่อความเร็วสูงสุดและเวลาในการตอบสนองที่ต่ำลง

      • เช่น Gemini Nano 4 Fast [เวอร์ชันตัวอย่าง] (nano-v4-fast ซึ่งอิงตาม Gemma 4 E2B)

val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel(
        // Specify a cloud-hosted model.
        // Required for `PREFER_ON_DEVICE`, `PREFER_IN_CLOUD`, and `ONLY_IN_CLOUD` inference modes.
        modelName = "CLOUD_MODEL_NAME",
        onDeviceConfig = OnDeviceConfig(
            mode = InferenceMode.INFERENCE_MODE,
            // (Optional) Specify an on-device model category.
            // AICore will auto-select an on-device model based on this category.
            // If not specified, AICore will auto-select the default stable on-device model.
            modelOption = OnDeviceModelOption.ON-DEVICE_MODEL_CATEGORY)
    )

GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
    .generativeModel(
        // Specify a cloud-hosted model.
        // Required for `PREFER_ON_DEVICE`, `PREFER_IN_CLOUD`, and `ONLY_IN_CLOUD` inference modes.
        "CLOUD_MODEL_NAME",
        /* config = */ null,
        /* safetySettings = */ null,
        /* tools = */ null,
        /* toolConfig = */ null,
        /* systemInstruction = */ null,
        /* requestOptions = */ new RequestOptions(),
        new OnDeviceConfig(
                /* mode = */ InferenceMode.INFERENCE_MODE,
                /* maxOutputTokens = */ null,
                /* temperature = */ null,
                /* topK = */ null,
                /* seed = */ null,
                /* candidateCount = */ 1,
                // (Optional) Specify an on-device model category.
                // AICore will auto-select an on-device model based on this category.
                // If not specified, AICore will auto-select the default stable on-device model.
                /* modelOption = */ OnDeviceModelOption.ON-DEVICE_MODEL_CATEGORY)
    );

GenerativeModelFutures model = GenerativeModelFutures.from(ai);

ใช้การกำหนดค่าโมเดลเพื่อควบคุมคำตอบ

ในคำขอแต่ละรายการที่ส่งไปยังโมเดล คุณสามารถส่งการกำหนดค่าโมเดลเพื่อควบคุมวิธีที่โมเดลสร้างคำตอบได้ โมเดลที่โฮสต์ในระบบคลาวด์และโมเดลในอุปกรณ์มีการกำหนดค่าที่แตกต่างกันและมีตัวเลือกการกำหนดค่าที่แตกต่างกัน ดังนี้

• โมเดลที่โฮสต์ในระบบคลาวด์: ตั้งค่าการกำหนดค่าโดยใช้ generationConfig (Kotlin | Java) ดูข้อมูลเกี่ยวกับพารามิเตอร์ที่ใช้ได้

• โมเดลในอุปกรณ์: ตั้งค่าการกำหนดค่าโดยใช้ onDeviceConfig (Kotlin | Java) ดูข้อมูลเกี่ยวกับพารามิเตอร์ที่ใช้ได้ (Kotlin | Java)

ระบบจะคงการกำหนดค่าไว้ตลอดอายุการใช้งานของอินสแตนซ์ หากต้องการใช้การกำหนดค่าอื่น ให้สร้างอินสแตนซ์ GenerativeModel ใหม่ด้วยการกำหนดค่านั้น

ต่อไปนี้เป็นตัวอย่างการตั้งค่าการกำหนดค่าสำหรับโมเดลที่โฮสต์ในระบบคลาวด์และโมเดลในอุปกรณ์ที่สามารถใช้ได้หากตั้งค่าโหมดการอนุมาน PREFER_ON_DEVICE ไว้

// Config for cloud-hosted model
val generationConfig = generationConfig {
    maxOutputTokens = 200
    stopSequences = listOf("red")
}

// Config for on-device model
val onDeviceConfig = OnDeviceConfig(
    mode = InferenceMode.PREFER_ON_DEVICE,
    maxOutputTokens = 200
)

val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel(
        modelName = "CLOUD_MODEL_NAME",
        generationConfig = generationConfig,
        onDeviceConfig = onDeviceConfig
    )

// Config for cloud-hosted model
GenerationConfig generationConfig = new GenerationConfig.Builder()
    .setMaxOutputTokens(200)
    .setStopSequences(List.of("red"))
    .build();

// Config for on-device model
OnDeviceConfig onDeviceConfig = new OnDeviceConfig(
    /* mode = */ InferenceMode.PREFER_ON_DEVICE,
    /* maxOutputTokens = */ 200,
    /* temperature = */ null,
    /* topK = */ null,
    /* seed = */ null,
    /* candidateCount = */ 1,
    /* modelOption = */ null
);

GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
    .generativeModel(
        "CLOUD_MODEL_NAME",
        generationConfig,
        /* safetySettings = */ null,
        /* tools = */ null,
        /* toolConfig = */ null,
        /* systemInstruction = */ null,
        /* requestOptions = */ new RequestOptions(),
        onDeviceConfig
    );

GenerativeModelFutures model = GenerativeModelFutures.from(ai);

แสดงความคิดเห็นเกี่ยวกับประสบการณ์การใช้งาน Firebase AI Logic