با استفاده از Gemini API ، می‌توانید مکالمات آزاد را در چندین نوبت ایجاد کنید. Vertex AI در Firebase SDK فرآیند را با مدیریت وضعیت مکالمه ساده می‌کند، بنابراین بر خلاف generateContentStream() یا generateContent() ، مجبور نیستید تاریخچه مکالمه را خودتان ذخیره کنید.
گزینه های دیگر برای کار با Gemini API
به صورت اختیاری با نسخه جایگزین « Google AI » از Gemini API آزمایش کنید
با استفاده از Google AI Studio و Google AI Client SDK، دسترسی رایگان (در محدوده و در صورت وجود) دریافت کنید. این SDK ها باید فقط برای نمونه سازی در برنامه های موبایل و وب استفاده شوند.پس از اینکه با نحوه عملکرد یک API Gemini آشنا شدید، به Vertex AI ما در Firebase SDK (این مستندات) مهاجرت کنید ، که دارای بسیاری از ویژگی‌های اضافی مهم برای برنامه‌های تلفن همراه و وب هستند، مانند محافظت از API در برابر سوء استفاده با استفاده از Firebase App Check و پشتیبانی از فایل‌های رسانه بزرگ در درخواست‌ها .
به صورت اختیاری Vertex AI Gemini API سمت سرور را فراخوانی کنید (مانند Python، Node.js یا Go)
برای Gemini Firebase Extensions از Vertex AI SDK، Genkit یا Firebase Extensions سمت سرور استفاده کنید.
قبل از شروع
اگر قبلاً این کار را نکرده‌اید، راهنمای شروع را کامل کنید، که نحوه راه‌اندازی پروژه Firebase را توضیح می‌دهد، برنامه خود را به Firebase متصل کنید، SDK را اضافه کنید، سرویس Vertex AI را راه‌اندازی کنید، و یک نمونه GenerativeModel ایجاد کنید.
یک درخواست سریع چت ارسال کنید
برای ایجاد یک مکالمه چند نوبتی (مانند چت)، با راه اندازی اولیه چت با فراخوانی startChat() شروع کنید. سپس از sendMessageStream() (یا sendMessage() ) برای ارسال یک پیام کاربر جدید استفاده کنید که پیام و پاسخ را نیز به تاریخچه چت اضافه می کند.
دو گزینه ممکن برای role مرتبط با محتوا در یک مکالمه وجود دارد:
user: نقشی که دستورات را ارائه می دهد. این مقدار پیش‌فرض برای فراخوانی بهsendMessageStream()(یاsendMessage()) است و اگر نقش دیگری ارسال شود، تابع یک استثنا ایجاد می‌کند.model: نقشی که پاسخ ها را ارائه می دهد. این نقش هنگام فراخوانیstartChat()باhistoryموجود قابل استفاده است.
انتخاب کنید که آیا می‌خواهید پاسخ را پخش کنید ( sendMessageStream ) یا منتظر پاسخ باشید تا کل نتیجه تولید شود ( sendMessage ).
می‌توانید با منتظر ماندن برای کل نتیجه تولید مدل، به تعاملات سریع‌تری برسید و در عوض از استریم برای مدیریت نتایج جزئی استفاده کنید.
از طرف دیگر، می توانید به جای پخش جریانی، منتظر کل نتیجه باشید. نتیجه تنها پس از تکمیل مدل کل فرآیند تولید برگردانده می شود.
نحوه انتخاب یک مدل و به صورت اختیاری مکان مناسب برای مورد استفاده و برنامه خود را بیاموزید.
چه کار دیگری می توانید انجام دهید؟
- قبل از ارسال پیام های طولانی به مدل، نحوه شمارش نشانه ها را بیاموزید.
- Cloud Storage for Firebase راه‌اندازی کنید تا بتوانید فایل‌های حجیم را در درخواست‌های چندوجهی خود بگنجانید و راه‌حل مدیریت‌شده‌تری برای ارائه فایل‌ها در درخواست‌ها داشته باشید. فایل‌ها می‌توانند شامل تصاویر، PDF، ویدیو و صدا باشند.
- به فکر آماده شدن برای تولید، از جمله راه‌اندازی Firebase App Check برای محافظت از Gemini API در برابر سوء استفاده توسط مشتریان غیرمجاز باشید. همچنین، حتماً چک لیست تولید را مرور کنید.
قابلیت های دیگر را امتحان کنید
- متن را از اعلان‌های فقط متنی ایجاد کنید.
- متن را از اعلان‌های چندوجهی (شامل متن، تصاویر، PDF، ویدئو و صدا) تولید کنید.
- خروجی ساختاریافته (مانند JSON) را هم از دستورات متنی و هم از چند وجهی ایجاد کنید.
- تولید تصاویر از پیام های متنی
- از فراخوانی تابع برای اتصال مدل های مولد به سیستم ها و اطلاعات خارجی استفاده کنید.
یاد بگیرید چگونه تولید محتوا را کنترل کنید
- طراحی سریع، از جمله بهترین شیوه‌ها، استراتژی‌ها و درخواست‌های نمونه را درک کنید .
- پارامترهای مدل مانند دما و نشانه‌های حداکثر خروجی (برای Gemini ) یا نسبت ابعاد و تولید شخص (برای Imagen ) را پیکربندی کنید.
- از تنظیمات ایمنی برای تنظیم احتمال دریافت پاسخ هایی که ممکن است مضر تلقی شوند استفاده کنید .
درباره مدل های پشتیبانی شده بیشتر بدانید
در مورد مدل های موجود برای موارد استفاده مختلف و سهمیه ها و قیمت آنها اطلاعات کسب کنید.درباره تجربه خود با Vertex AI در Firebase بازخورد بدهید