সব Gemini মডেল ইন্টার্নাল "চিন্তাভাবনা করার প্রসেস" ব্যবহার করে যা তাদের রিজনিং ও মাল্টি-স্টেপ প্ল্যানিংয়ের ক্ষমতাকে উল্লেখযোগ্যভাবে উন্নত করে, যার ফলে কোডিং, উন্নত গণিত ও ডেটা বিশ্লেষণের মতো জটিল টাস্কের ক্ষেত্রে সেগুলি অত্যন্ত কার্যকর হয়ে ওঠে।
Thinking মডেল নিম্নলিখিত কনফিগারেশন ও বিকল্প অফার করে:
চিন্তাভাবনার পরিমাণ নিয়ন্ত্রণ করা
আপনি চিন্তাভাবনার লেভেল কনফিগার করতে পারেন, যাতে মডেল কতটা "চিন্তাভাবনা" করতে পারে তা নিয়ন্ত্রণ করা যায়। এই কনফিগারেশন বিশেষ করে তখন গুরুত্বপূর্ণ যখন লেটেন্সি বা খরচ কমানো আপনার অগ্রাধিকার হয়। এছাড়াও, কোনও মডেলের কতটা থিঙ্কিং ক্ষমতার প্রয়োজন হতে পারে তা নির্ধারণ করতে টাস্কের জটিলতার তুলনা পর্যালোচনা করুন।চিন্তাভাবনার সারসংক্ষেপ পান
জেনারেট করা উত্তরের সাথে অন্তর্ভুক্ত করতে আপনি চিন্তাভাবনার সারসংক্ষেপ চালু করতে পারেন। এই সারসংক্ষেপগুলি হল মডেলের কাঁচা চিন্তাভাবনার সংশ্লেষিত সংস্করণ এবং মডেলের অভ্যন্তরীণ যুক্তি প্রক্রিয়ার অন্তর্দৃষ্টি প্রদান করে।থট সিগনেচার ম্যানেজ করা
Firebase AI Logic SDK আপনার জন্য অটোমেটিক থট সিগনেচার ম্যানেজ করে, যা নিশ্চিত করে যে মডেলের কাছে আগের টার্ন থেকে থট কন্টেক্সটের অ্যাক্সেস আছে, বিশেষ করে ফাংশন কলিং ব্যবহার করার সময়।
থিঙ্কিং মডেল ব্যবহার করার জন্য পেশাদার পদ্ধতি ও প্রম্পট সংক্রান্ত নির্দেশিকা পর্যালোচনা করতে ভুলবেন না।
থিঙ্কিং মডেল ব্যবহার করার জন্য পেশাদার পদ্ধতি ও প্রম্পট সংক্রান্ত নির্দেশিকা
আমরা সাজেস্ট করি যে আপনি নিজের প্রম্পট Google AI Studio অথবা Agent Studio-এ টেস্ট করুন, যেখানে আপনি সম্পূর্ণ চিন্তাভাবনার প্রসেস দেখতে পাবেন। আপনি এমন কোনও জায়গা শনাক্ত করতে পারেন যেখানে মডেলটি ভুল উত্তর দিতে পারে, যাতে আপনি আরও সামঞ্জস্যপূর্ণ এবং সঠিক উত্তর পেতে আপনার প্রম্পট রিফাইন করতে পারেন।
কাঙ্খিত ফলাফল বর্ণনা করে এমন একটি সাধারণ প্রম্পট দিয়ে শুরু করুন এবং মডেলটি কীভাবে তার উত্তর নির্ধারণ করে সে সম্পর্কে তার প্রাথমিক চিন্তাভাবনা পর্যবেক্ষণ করুন। উত্তরটি যদি প্রত্যাশিত না হয়, তাহলে নিম্নলিখিত যেকোনও প্রম্পটিং টেকনিক ব্যবহার করে মডেলটিকে আরও ভালো উত্তর তৈরি করতে সাহায্য করুন:
- ধাপে-ধাপে নির্দেশাবলী প্রদান করুন
- ইনপুট-আউটপুট পেয়ারের একাধিক উদাহরণ দাও
- আউটপুট ও উত্তর কীভাবে শব্দে প্রকাশ ও ফর্ম্যাট করা উচিত সেই বিষয়ে নির্দেশিকা প্রদান করা
- যাচাইকরণের নির্দিষ্ট ধাপগুলি প্রদান করুন
প্রম্পট করার পাশাপাশি, এইসব সাজেশন ব্যবহার করার কথা বিবেচনা করুন:
সিস্টেমের নির্দেশাবলী সেট করুন, যা "প্রারম্ভিক নির্দেশাবলী"-র মতো, যা আপনি প্রম্পট বা ব্যবহারকারীর থেকে আরও নির্দেশাবলী পাওয়ার আগে মডেলের জন্য যোগ করেন। আপনার নির্দিষ্ট প্রয়োজন এবং ব্যবহারের ক্ষেত্রের উপর ভিত্তি করে মডেলের আচরণ পরিচালনা করতে এগুলি আপনাকে সাহায্য করে।
মডেল কতটা চিন্তা করতে পারবে তা নিয়ন্ত্রণ করতে থিঙ্কিং লেভেল সেট করুন। আপনি এটি বেশি সেট করলে, প্রয়োজন হলে মডেল আরও বেশি চিন্তা করতে পারবে। আপনি এটি কম সেট করলে, মডেলটি তার উত্তর "অতিরিক্ত চিন্তা" করবে না এবং এটি প্রকৃত উত্তরের জন্য মোট টোকেন আউটপুট সীমার আরও বেশি রিজার্ভ করে এবং লেটেন্সি ও খরচ কমাতে সাহায্য করতে পারে।
থিঙ্কিং টোকেনের সংখ্যা এবং আপনার অনুরোধের লেটেন্সি মনিটর করতে Firebase কনসোলে AI মনিটরিং চালু করুন যেখানে থিঙ্কিং চালু করা আছে। এবং আপনার চিন্তার সারসংক্ষেপ চালু করা থাকলে, সেগুলি কনসোলে দেখানো হবে যেখানে আপনি মডেলের বিস্তারিত যুক্তি পরীক্ষা করতে পারবেন, যা আপনাকে প্রম্পট ডিবাগ ও রিফাইন করতে সাহায্য করবে।
চিন্তাভাবনার পরিমাণ নিয়ন্ত্রণ করা
কোনও মডেল উত্তর দেওয়ার আগে কতটা "চিন্তাভাবনা" ও রিজনিং করতে পারবে তা নিয়ন্ত্রণ করতে আপনি চিন্তাভাবনার লেভেল কনফিগার করতে পারবেন। লেটেন্সি বা খরচ কমানো যদি আপনার অগ্রাধিকার হয়, তাহলে এই কনফিগারেশনটি বিশেষভাবে গুরুত্বপূর্ণ।
কোনও মডেলের কতটা থিঙ্কিং ক্ষমতার প্রয়োজন হতে পারে তা নির্ধারণ করতে, টাস্কের জটিলতার তুলনা পর্যালোচনা করতে ভুলবেন না। এখানে কিছু উচ্চ-স্তরের নির্দেশিকা দেওয়া হল:
- কম জটিল টাস্কের জন্য বা লেটেন্সি বা খরচ কমানো আপনার অগ্রাধিকার হলে, কম থিঙ্কিং ভ্যালু সেট করুন।
- আরও জটিল টাস্কের জন্য আরও বেশি থিঙ্কিং ভ্যালু সেট করুন।
থিঙ্কিং লেভেল
উত্তর জেনারেট করার জন্য মডেলটি কতটা থিঙ্কিং করতে পারবে তা কন্ট্রোল করতে, আপনি থিঙ্কিং লেভেল নির্দিষ্ট করতে পারবেন, যা থিঙ্কিং টোকেনের পরিমাণ নির্ধারণ করে, যা ব্যবহার করার অনুমতি দেওয়া হয়।
থিঙ্কিং লেভেল সেট করুন
|
এই পৃষ্ঠায় পরিষেবা প্রদানকারী-নির্দিষ্ট কন্টেন্ট ও কোড দেখতে আপনার Gemini API পরিষেবা প্রদানকারীর উপর ক্লিক করুন। |
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে GenerationConfig-এ থিঙ্কিং লেভেল সেট করুন। ইনস্ট্যান্সের লাইফটাইমের জন্য কনফিগারেশন
মেইনটেইন করা হয়। আপনি যদি বিভিন্ন অনুরোধের জন্য বিভিন্ন থিঙ্কিং লেভেল ব্যবহার করতে চান, তাহলে প্রতিটি লেভেলের সাথে কনফিগার করা GenerativeModel ইনস্ট্যান্স তৈরি করুন।
এই বিভাগের পরে থিঙ্কিং লেভেলের জন্য কাজ করে এমন ভ্যালু সম্পর্কে জানুন।
Swift
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ থিঙ্কিং লেভেল সেট করুন।
// ...
// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
let generationConfig = GenerationConfig(
thinkingConfig: ThinkingConfig(thinkingLevel: .low)
)
// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
modelName: "GEMINI_3.x_MODEL_NAME",
generationConfig: generationConfig
)
// ...
Kotlin
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ প্যারামিটারের ভ্যালু সেট করুন।
// ...
// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
val generationConfig = generationConfig {
thinkingConfig = thinkingConfig {
thinkingLevel = ThinkingLevel.LOW
}
}
// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
modelName = "GEMINI_3.x_MODEL_NAME",
generationConfig,
)
// ...
Java
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ প্যারামিটারের ভ্যালু সেট করুন।
// ...
// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
ThinkingConfig thinkingConfig = new ThinkingConfig.Builder()
.setThinkingLevel(ThinkingLevel.LOW)
.build();
GenerationConfig generationConfig = GenerationConfig.builder()
.setThinkingConfig(thinkingConfig)
.build();
// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
FirebaseAI.getInstance(GenerativeBackend.googleAI())
.generativeModel(
/* modelName */ "GEMINI_3.x_MODEL_NAME",
/* generationConfig */ generationConfig
);
);
// ...
Web
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ প্যারামিটারের ভ্যালু সেট করুন।
// ...
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });
// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
const generationConfig = {
thinkingConfig: {
thinkingLevel: ThinkingLevel.LOW
}
};
// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_3.x_MODEL_NAME", generationConfig });
// ...
Dart
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ প্যারামিটারের ভ্যালু সেট করুন।
// ...
// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
final thinkingConfig = ThinkingConfig.withThinkingLevel(ThinkingLevel.low);
final generationConfig = GenerationConfig(
thinkingConfig: thinkingConfig
);
// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
model: 'GEMINI_3.x_MODEL_NAME',
generationConfig: generationConfig,
);
// ...
Unity
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ প্যারামিটারের ভ্যালু সেট করুন।
// ...
// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
var thinkingConfig = new ThinkingConfig(thinkingLevel: ThinkingLevel.Low);
var generationConfig = new GenerationConfig(
thinkingConfig: thinkingConfig
);
// Specify the config as part of creating the `GenerativeModel` instance.
var model = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetGenerativeModel(
modelName: "GEMINI_3.x_MODEL_NAME",
generationConfig: generationConfig
);
// ...
থিঙ্কিং লেভেলের ভ্যালু যা কাজ করে
নিম্নলিখিত সারণীতে থিঙ্কিং লেভেলের ভ্যালু তালিকাভুক্ত করা আছে যা আপনি মডেলের thinkingLevel কনফিগার করে প্রতিটি মডেলের জন্য সেট করতে পারবেন।
MINIMAL |
LOW |
MEDIUM |
HIGH |
|
|---|---|---|---|---|
|
মডেল যত কম সম্ভব টোকেন ব্যবহার করে; প্রায় কোনও চিন্তাভাবনা ছাড়াই কম জটিল টাস্ক |
মডেল কম টোকেন ব্যবহার করে; লেটেন্সি ও খরচ কমায় সহজ টাস্ক ও হাই-থ্রুপুট টাস্ক |
মডেল ভারসাম্যমূলক স্ট্র্যাটেজি ব্যবহার করে মোটামুটি জটিল টাস্ক |
মডেল তার সর্বোচ্চ লেভেল পর্যন্ত টোকেন ব্যবহার করে জটিল প্রম্পট যার জন্য গভীর যুক্তি প্রয়োজন |
|
Gemini 4 Argongemini-4-argon
|
১ | (ডিফল্ট) | ||
Gemini 3.x Flashgemini-3.8-flashgemini-3.7-flashgemini-3.6-flashgemini-3.5-flash
|
gemini-3.8-flashgemini-3.7-flash |
(ডিফল্ট) | ||
Gemini 3.x Flash‑Litegemini-3.5-flash-litegemini-3.1-flash-lite
|
(ডিফল্ট) | |||
Gemini Nano Banana 2.1gemini-nano-banana-2.1
|
(ডিফল্ট) | |||
Gemini Nano Banana 2gemini-3.1-flash-image |
(ডিফল্ট) | |||
Gemini Nano Banana 2 Litegemini-3.1-flash-lite-image |
(ডিফল্ট) | |||
Gemini Nano Banana Progemini-3-pro-image
|
(ডিফল্ট) |
১ gemini-4-argon, gemini-3.8-flash,
এবং gemini-3.7-flash MINIMAL থিঙ্কিং লেভেল
সাপোর্ট করে না। আপনি থিঙ্কিং লেভেল
MINIMAL-এ সেট করলে, অনুরোধটি 400 নম্বর সমস্যার সাথে ব্যর্থ হবে।
Thinking বাজেট (Gemini 2.5 মডেল)
কোনও Gemini 2.5 মডেল তার উত্তর জেনারেট করার জন্য কতটা থিঙ্কিং করতে পারে তা কন্ট্রোল করতে, আপনি থিঙ্কিং টোকেনের পরিমাণের জন্য একটি থিঙ্কিং বাজেট নির্দিষ্ট করতে পারেন যা এটি ব্যবহার করার অনুমতি পায়।
সব থিঙ্কিং মডেলের জন্য টাস্কের জটিলতা
সহজ টাস্ক — বেশি ভাবার প্রয়োজন নেই
সোজাসুজি অনুরোধ যেখানে জটিল যুক্তি প্রয়োগের প্রয়োজন নেই, যেমন তথ্য খুঁজে বের করা বা শ্রেণীবিন্যাস করা। যেমন:- "DeepMind কোথায় প্রতিষ্ঠিত হয়েছিল?"
- "এই ইমেলে কি মিটিংয়ের জন্য অনুরোধ করা হয়েছে নাকি শুধু তথ্য দেওয়া হয়েছে?"
মাঝারি ধরনের টাস্ক — কিছুটা চিন্তাভাবনা করার প্রয়োজন হতে পারে
সাধারণ অনুরোধ যেগুলি ধাপে ধাপে প্রসেস করা বা গভীরভাবে বোঝার মাধ্যমে উপকৃত হয়। যেমন:- "সালোকসংশ্লেষ ও বড় হয়ে ওঠার মধ্যে একটি সাদৃশ্য তৈরি করো।"
- "ইলেকট্রিক গাড়ি ও হাইব্রিড গাড়ির মধ্যে তুলনা করে পার্থক্য ব্যাখ্যা করো।"
কঠিন টাস্ক — সর্বাধিক চিন্তাভাবনা করার প্রয়োজন হতে পারে
সত্যিই জটিল চ্যালেঞ্জ, যেমন জটিল গাণিতিক সমস্যা বা কোডিং টাস্কের সমাধান করা। এই ধরনের টাস্কের জন্য মডেলকে তার সম্পূর্ণ যুক্তি ও পরিকল্পনা করার ক্ষমতা ব্যবহার করতে হয়, যার মধ্যে প্রায়ই উত্তর দেওয়ার আগে অনেক ইন্টার্নাল ধাপ অন্তর্ভুক্ত থাকে। যেমন:- "AIME 2025-এর ১ নম্বর সমস্যার সমাধান করো: b > 9 এমন সব পূর্ণসংখ্যা বেস b-এর যোগফল নির্ণয় করো যার জন্য 17b হল 97b-এর একটি ভাজক।"
- "এমন একটি ওয়েব অ্যাপ্লিকেশনের জন্য Python কোড লেখো যা রিয়েল-টাইম স্টক মার্কেটের ডেটা ভিজ্যুয়ালাইজ করে, যার মধ্যে ব্যবহারকারীর যাচাইকরণও অন্তর্ভুক্ত। যতটা সম্ভব দক্ষ করে তুলুন।"
চিন্তার সারসংক্ষেপ
চিন্তার সারসংক্ষেপ হল মডেলের কাঁচা চিন্তাভাবনার সংশ্লেষিত সংস্করণ এবং মডেলের অভ্যন্তরীণ যুক্তি প্রক্রিয়া সম্পর্কে ইনসাইট অফার করে।
উত্তরে চিন্তাভাবনার সারসংক্ষেপ অন্তর্ভুক্ত করার কিছু কারণ এখানে দেওয়া হল:
আপনি নিজের অ্যাপের UI-তে চিন্তার সারসংক্ষেপ দেখাতে পারেন অথবা আপনার ব্যবহারকারীদের জন্য সেগুলি অ্যাক্সেসযোগ্য করতে পারেন। চিন্তার সারসংক্ষেপটি উত্তরে একটি পৃথক অংশ হিসাবে ফেরত দেওয়া হয় যাতে আপনার অ্যাপে এটি কীভাবে ব্যবহার করা হয় তার উপর আপনার আরও নিয়ন্ত্রণ থাকে।
আপনি যদি Firebase কনসোলে AI মনিটরিং চালু করেন, তাহলে কনসোলে চিন্তার সারসংক্ষেপ দেখানো হয়, যেখানে আপনি মডেলের বিস্তারিত যুক্তি পরীক্ষা করতে পারেন। এটি আপনাকে প্রম্পট ডিবাগ ও রিফাইন করতে সাহায্য করে।
চিন্তাভাবনার সারসংক্ষেপ সম্পর্কে কিছু গুরুত্বপূর্ণ নোট এখানে দেওয়া হল:
চিন্তার সারসংক্ষেপ চিন্তার বাজেট দ্বারা নিয়ন্ত্রিত হয় না (বাজেট শুধুমাত্র মডেলের কাঁচা চিন্তার ক্ষেত্রে প্রযোজ্য হয়)। তবে, চিন্তাভাবনা করার প্রসেস বন্ধ করা থাকলে, মডেল চিন্তাভাবনার সারসংক্ষেপ দেখাবে না।
চিন্তার সারসংক্ষেপকে মডেলের নিয়মিত জেনারেট করা টেক্সট উত্তরের অংশ হিসেবে বিবেচনা করা হয় এবং আউটপুট টোকেন হিসেবে গণনা করা হয়।
চিন্তার সারসংক্ষেপ চালু করুন
|
এই পৃষ্ঠায় পরিষেবা প্রদানকারী-নির্দিষ্ট কন্টেন্ট ও কোড দেখতে আপনার Gemini API পরিষেবা প্রদানকারীর উপর ক্লিক করুন। |
আপনার মডেল কনফিগারেশনে includeThoughts-কে true হিসেবে সেট করে আপনি চিন্তার সারসংক্ষেপ
চালু করতে পারবেন। তারপর আপনি উত্তর থেকে thoughtSummary ফিল্ড চেক করে
সারসংক্ষেপ অ্যাক্সেস করতে পারবেন।
Here's an example demonstrating how to enable and retrieve thought summaries with the response:
Swift
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig-এ
থট সামারি চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
let generationConfig = GenerationConfig(
thinkingConfig: ThinkingConfig(includeThoughts: true)
)
// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
modelName: "GEMINI_MODEL_NAME",
generationConfig: generationConfig
)
let response = try await model.generateContent("solve x^2 + 4x + 4 = 0")
// Handle the response that includes thought summaries.
if let thoughtSummary = response.thoughtSummary {
print("Thought Summary: \(thoughtSummary)")
}
guard let text = response.text else {
fatalError("No text in response.")
}
print("Answer: \(text)")
Kotlin
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ চিন্তাভাবনার সারসংক্ষেপ চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
val generationConfig = generationConfig {
thinkingConfig = thinkingConfig {
includeThoughts = true
}
}
// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
modelName = "GEMINI_MODEL_NAME",
generationConfig,
)
val response = model.generateContent("solve x^2 + 4x + 4 = 0")
// Handle the response that includes thought summaries.
response.thoughtSummary?.let {
println("Thought Summary: $it")
}
response.text?.let {
println("Answer: $it")
}
Java
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ চিন্তাভাবনার সারসংক্ষেপ চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
ThinkingConfig thinkingConfig = new ThinkingConfig.Builder()
.setIncludeThoughts(true)
.build();
GenerationConfig generationConfig = GenerationConfig.builder()
.setThinkingConfig(thinkingConfig)
.build();
// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
FirebaseAI.getInstance(GenerativeBackend.googleAI())
.generativeModel(
/* modelName */ "GEMINI_MODEL_NAME",
/* generationConfig */ generationConfig
);
);
// Handle the response that includes thought summaries.
ListenableFuture responseFuture = model.generateContent("solve x^2 + 4x + 4 = 0");
Futures.addCallback(responseFuture, new FutureCallback() {
@Override
public void onSuccess(GenerateContentResponse response) {
if (response.getThoughtSummary() != null) {
System.out.println("Thought Summary: " + response.getThoughtSummary());
}
if (response.getText() != null) {
System.out.println("Answer: " + response.getText());
}
}
@Override
public void onFailure(Throwable t) {
// Handle error
}
}, MoreExecutors.directExecutor());
Web
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ চিন্তাভাবনার সারসংক্ষেপ চালু করুন।
// ...
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
const generationConfig = {
thinkingConfig: {
includeThoughts: true
}
};
// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_MODEL_NAME", generationConfig });
const result = await model.generateContent("solve x^2 + 4x + 4 = 0");
const response = result.response;
// Handle the response that includes thought summaries.
if (response.thoughtSummary()) {
console.log(`Thought Summary: ${response.thoughtSummary()}`);
}
const text = response.text();
console.log(`Answer: ${text}`);
Dart
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig-এ
চিন্তাভাবনার সারসংক্ষেপ চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
final thinkingConfig = ThinkingConfig(includeThoughts: true);
final generationConfig = GenerationConfig(
thinkingConfig: thinkingConfig
);
// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
model: 'GEMINI_MODEL_NAME',
generationConfig: generationConfig,
);
final response = await model.generateContent([Content.text('solve x^2 + 4x + 4 = 0')]);
// Handle the response that includes thought summaries.
if (response.thoughtSummary != null) {
print('Thought Summary: ${response.thoughtSummary}');
}
if (response.text != null) {
print('Answer: ${response.text}');
}
Unity
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ চিন্তাভাবনার সারসংক্ষেপ চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
var thinkingConfig = new ThinkingConfig(includeThoughts: true);
var generationConfig = new GenerationConfig(
thinkingConfig: thinkingConfig
);
// Specify the config as part of creating the `GenerativeModel` instance.
var model = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetGenerativeModel(
modelName: "GEMINI_MODEL_NAME",
generationConfig: generationConfig
);
var response = await model.GenerateContentAsync("solve x^2 + 4x + 4 = 0");
// Handle the response that includes thought summaries.
if (response.ThoughtSummary != null) {
Debug.Log($"Thought Summary: {response.ThoughtSummary}");
}
if (response.Text != null) {
Debug.Log($"Answer: {response.Text}");
}
চিন্তার সারসংক্ষেপ স্ট্রিম করুন
এছাড়াও, আপনি
generateContentStream ব্যবহার করে কোনও উত্তর স্ট্রিম করার বিকল্প বেছে নিলে, চিন্তাভাবনার সারসংক্ষেপ দেখতে পাবেন। এর ফলে উত্তর জেনারেট করার সময়
রোলিং, ইনক্রিমেন্টাল সারসংক্ষেপ পাওয়া যাবে।
Swift
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig
-এ চিন্তাভাবনার সারসংক্ষেপ চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
let generationConfig = GenerationConfig(
thinkingConfig: ThinkingConfig(includeThoughts: true)
)
// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
modelName: "GEMINI_MODEL_NAME",
generationConfig: generationConfig
)
let stream = try model.generateContentStream("solve x^2 + 4x + 4 = 0")
// Handle the streamed response that includes thought summaries.
var thoughts = ""
var answer = ""
for try await response in stream {
if let thought = response.thoughtSummary {
if thoughts.isEmpty {
print("--- Thoughts Summary ---")
}
print(thought)
thoughts += thought
}
if let text = response.text {
if answer.isEmpty {
print("--- Answer ---")
}
print(text)
answer += text
}
}
Kotlin
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig-এ
থট সামারি চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
val generationConfig = generationConfig {
thinkingConfig = thinkingConfig {
includeThoughts = true
}
}
// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
modelName = "GEMINI_MODEL_NAME",
generationConfig,
)
// Handle the streamed response that includes thought summaries.
var thoughts = ""
var answer = ""
model.generateContentStream("solve x^2 + 4x + 4 = 0").collect { response ->
response.thoughtSummary?.let {
if (thoughts.isEmpty()) {
println("--- Thoughts Summary ---")
}
print(it)
thoughts += it
}
response.text?.let {
if (answer.isEmpty()) {
println("--- Answer ---")
}
print(it)
answer += it
}
}
Java
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig-এ
থট সামারি চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
ThinkingConfig thinkingConfig = new ThinkingConfig.Builder()
.setIncludeThoughts(true)
.build();
GenerationConfig generationConfig = GenerationConfig.builder()
.setThinkingConfig(thinkingConfig)
.build();
// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
FirebaseAI.getInstance(GenerativeBackend.googleAI())
.generativeModel(
/* modelName */ "GEMINI_MODEL_NAME",
/* generationConfig */ generationConfig
);
);
// Streaming with Java is complex and depends on the async library used.
// This is a conceptual example using a reactive stream.
Flowable responseStream = model.generateContentStream("solve x^2 + 4x + 4 = 0");
// Handle the streamed response that includes thought summaries
StringBuilder thoughts = new StringBuilder();
StringBuilder answer = new StringBuilder();
responseStream.subscribe(response -> {
if (response.getThoughtSummary() != null) {
if (thoughts.length() == 0) {
System.out.println("--- Thoughts Summary ---");
}
System.out.print(response.getThoughtSummary());
thoughts.append(response.getThoughtSummary());
}
if (response.getText() != null) {
if (answer.length() == 0) {
System.out.println("--- Answer ---");
}
System.out.print(response.getText());
answer.append(response.getText());
}
}, throwable -> {
// Handle error
});
Web
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig-এ
থট সামারি চালু করুন।
// ...
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
const generationConfig = {
thinkingConfig: {
includeThoughts: true
}
};
// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_MODEL_NAME", generationConfig });
const result = await model.generateContentStream("solve x^2 + 4x + 4 = 0");
// Handle the streamed response that includes thought summaries.
let thoughts = "";
let answer = "";
for await (const chunk of result.stream) {
if (chunk.thoughtSummary()) {
if (thoughts === "") {
console.log("--- Thoughts Summary ---");
}
// In Node.js, process.stdout.write(chunk.thoughtSummary()) could be used
// to avoid extra newlines.
console.log(chunk.thoughtSummary());
thoughts += chunk.thoughtSummary();
}
const text = chunk.text();
if (text) {
if (answer === "") {
console.log("--- Answer ---");
}
// In Node.js, process.stdout.write(text) could be used.
console.log(text);
answer += text;
}
}
Dart
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig-এ
চিন্তাভাবনার সারসংক্ষেপ চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
final thinkingConfig = ThinkingConfig(includeThoughts: true);
final generationConfig = GenerationConfig(
thinkingConfig: thinkingConfig
);
// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
model: 'GEMINI_MODEL_NAME',
generationConfig: generationConfig,
);
final responses = model.generateContentStream([Content.text('solve x^2 + 4x + 4 = 0')]);
// Handle the streamed response that includes thought summaries.
var thoughts = '';
var answer = '';
await for (final response in responses) {
if (response.thoughtSummary != null) {
if (thoughts.isEmpty) {
print('--- Thoughts Summary ---');
}
thoughts += response.thoughtSummary!;
}
if (response.text != null) {
if (answer.isEmpty) {
print('--- Answer ---');
}
answer += response.text!;
}
}
Unity
GenerativeModel ইনস্ট্যান্স তৈরি করার অংশ হিসেবে
GenerationConfig-এ
থট সামারি চালু করুন।
// ...
// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
var thinkingConfig = new ThinkingConfig(includeThoughts: true);
var generationConfig = new GenerationConfig(
thinkingConfig: thinkingConfig
);
// Specify the config as part of creating the `GenerativeModel` instance.
var model = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetGenerativeModel(
modelName: "GEMINI_MODEL_NAME",
generationConfig: generationConfig
);
var stream = model.GenerateContentStreamAsync("solve x^2 + 4x + 4 = 0");
// Handle the streamed response that includes thought summaries.
var thoughts = "";
var answer = "";
await foreach (var response in stream)
{
if (response.ThoughtSummary != null)
{
if (string.IsNullOrEmpty(thoughts))
{
Debug.Log("--- Thoughts Summary ---");
}
Debug.Log(response.ThoughtSummary);
thoughts += response.ThoughtSummary;
}
if (response.Text != null)
{
if (string.IsNullOrEmpty(answer))
{
Debug.Log("--- Answer ---");
}
Debug.Log(response.Text);
answer += response.Text;
}
}
চিন্তা-ভাবনার স্বাক্ষর
মাল্টি-টার্ন ইন্টার্যাকশনে থিঙ্কিং ব্যবহার করার সময়, মডেলের কাছে আগের টার্ন থেকে থট কন্টেক্সটের অ্যাক্সেস থাকে না। তবে, আপনি যদি ফাংশন কলিং ব্যবহার করেন, তাহলে আপনি থট সিগনেচার-এর সুবিধা নিতে পারেন যাতে বিভিন্ন টার্ন জুড়ে থট কনটেক্সট বজায় রাখা যায়। Thought সিগনেচার হল মডেলের ইন্টার্নাল চিন্তাভাবনার প্রসেসের এনক্রিপ্ট করা উপস্থাপনা এবং থিঙ্কিং ও ফাংশন কলিং ব্যবহার করার সময় এগুলি উপলভ্য থাকে। বিশেষ করে, থট সিগনেচার জেনারেট করা হয় যখন:
- থিঙ্কিং চালু করা হয়েছে এবং চিন্তাভাবনা জেনারেট করা হয়েছে।
- অনুরোধে ফাংশন ডিক্লারেশন অন্তর্ভুক্ত আছে।
থট সিগনেচারের সুবিধা নিতে, স্বাভাবিকভাবে ফাংশন কলিং ব্যবহার করুন।
Firebase AI Logic SDK স্ট্যাটাস ম্যানেজ করে এবং আপনার জন্য অটোমেটিক থট সিগনেচার ম্যানেজ করে প্রসেসটি সহজ করে তোলে। SDK অটোমেটিক
জেনারেট করা যেকোনও থট সিগনেচার Chat সেশনে পরবর্তী sendMessage বা
sendMessageStream কলের মধ্যে পাস করে।
থিঙ্কিং টোকেনের দাম ও গণনা
থিঙ্কিং টোকেন টেক্সট-আউটপুট টোকেনের মতো একই দাম ব্যবহার করে। আপনি থট সামারি চালু করলে, সেগুলিকে থিঙ্কিং টোকেন হিসেবে বিবেচনা করা হয় এবং সেই অনুযায়ী দাম নির্ধারণ করা হয়।
যেসব অনুরোধের জন্য থিঙ্কিং চালু করা আছে, সেগুলির জন্য থিঙ্কিং টোকেনের সংখ্যা মনিটর করতে, আপনি Firebase কনসোলে AI মনিটরিং চালু করতে পারেন।
আপনি উত্তরের usageMetadata অ্যাট্রিবিউটের thoughtsTokenCount
ফিল্ড থেকে থিঙ্কিং টোকেনের মোট সংখ্যা পেতে পারেন:
Swift
// ...
let response = try await model.generateContent("Why is the sky blue?")
if let usageMetadata = response.usageMetadata {
print("Thoughts Token Count: \(usageMetadata.thoughtsTokenCount)")
}
Kotlin
// ...
val response = model.generateContent("Why is the sky blue?")
response.usageMetadata?.let { usageMetadata ->
println("Thoughts Token Count: ${usageMetadata.thoughtsTokenCount}")
}
Java
// ...
ListenableFuture<GenerateContentResponse> response =
model.generateContent("Why is the sky blue?");
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
@Override
public void onSuccess(GenerateContentResponse result) {
String usageMetadata = result.getUsageMetadata();
if (usageMetadata != null) {
System.out.println("Thoughts Token Count: " +
usageMetadata.getThoughtsTokenCount());
}
}
@Override
public void onFailure(Throwable t) {
t.printStackTrace();
}
}, executor);
Web
// ...
const response = await model.generateContent("Why is the sky blue?");
if (response?.usageMetadata?.thoughtsTokenCount != null) {
console.log(`Thoughts Token Count: ${response.usageMetadata.thoughtsTokenCount}`);
}
Dart
// ...
final response = await model.generateContent(
Content.text("Why is the sky blue?"),
]);
if (response?.usageMetadata case final usageMetadata?) {
print("Thoughts Token Count: ${usageMetadata.thoughtsTokenCount}");
}
Unity
// ...
var response = await model.GenerateContentAsync("Why is the sky blue?");
if (response.UsageMetadata != null)
{
UnityEngine.Debug.Log($"Thoughts Token Count: {response.UsageMetadata?.ThoughtsTokenCount}");
}
টোকেন গণনা করার নির্দেশিকা থেকে টোকেন সম্পর্কে আরও জানুন।