Generowanie tekstu na podstawie promptów tekstowych za pomocą interfejsu Gemini API

Gdy wywołujesz funkcję Gemini API z aplikacji za pomocą pakietu SDK Vertex AI in Firebase, możesz poprosić model Gemini o wygenerowanie tekstu na podstawie danych wejściowych w postaci tekstu.

Inne opcje dotyczące Gemini API

• Opcjonalnie możesz wypróbować alternatywną wersję „Google AI” usługi Gemini API
  . Możesz uzyskać bezpłatny dostęp (w ograniczonym zakresie i w miejscach, w których jest dostępny) za pomocą pakietów SDK klienta Google AI Studio i Google AI. Pakiety SDK powinny być używane tylko do tworzenia prototypów w aplikacjach mobilnych i internetowych.

  Gdy już poznasz działanie interfejsu Gemini API, przenieś się na nasze pakiety SDK Vertex AI in Firebase (ta dokumentacja), które zawierają wiele dodatkowych funkcji ważnych dla aplikacji mobilnych i internetowych, takich jak ochrona interfejsu API przed nadużyciami za pomocą Firebase App Check oraz obsługa dużych plików multimedialnych w żądaniach.

• Opcjonalnie wywołaj Vertex AI Gemini API po stronie serwera (np. w przypadku Pythona, Node.js lub Go)
  Użyj pakietu Vertex AISDK po stronie serwera Firebase Genkit lub Firebase Extensions dla Gemini API.

Zanim zaczniesz

Jeśli jeszcze tego nie zrobisz, zapoznaj się z przewodnikiem po pakietach SDK Vertex AI in Firebase. Upewnij się, że wykonałeś/wykonałaś te czynności:

1. Skonfiguruj nowy lub istniejący projekt Firebase, w tym użyj abonamentu Blaze i włącz wymagane interfejsy API.

2. Połącz aplikację z Firebase, w tym zarejestruj ją i dodaj do niej konfigurację Firebase.

3. Dodaj pakiet SDK i zainicjuj w aplikacji usługę Vertex AI oraz model generatywny.

Po połączeniu aplikacji z Firebase, dodaniu pakietu SDK i inicjalizacji usługi Vertex AI oraz modelu generatywnego możesz wywołać funkcję Gemini API.

Generuj tekst na podstawie samego tekstu

Możesz wywołać funkcję Gemini API, podając jako dane wejściowe tylko tekst. W takich przypadkach musisz użyć modelu, który obsługuje prompty tekstowe (np. Gemini 1.5 Pro).

Wybierz, czy chcesz wyświetlić odpowiedź w czasie (generateContentStream), czy poczekać na odpowiedź, aż zostanie wygenerowany cały wynik (generateContent).

Dowiedz się, jak wybrać model Gemini i opcjonalnie lokalizacjęodpowiednią do Twojego przypadku użycia i aplikacji.

Co jeszcze potrafisz?

• Dowiedz się, jak policzyć tokeny przed wysłaniem długich promptów do modelu.
• Zacznij zastanawiać się nad przygotowaniem do wdrożenia wersji produkcyjnej, między innymi przez skonfigurowanie Firebase App Check w celu ochrony Gemini API przed nadużyciami ze strony nieautoryzowanych klientów.

Wypróbuj inne funkcje usługi Gemini API

• tworzyć rozmowy wieloetapowe (czat),
• generować tekst na podstawie promptów multimodalnych (w tym tekstu, obrazów, plików PDF, filmów i plików audio);
• generować dane wyjściowe w uporządkowanym formacie (np. JSON) zarówno na podstawie tekstowych, jak i wielomodalnych promptów;
• Aby połączyć modele generatywne z zewnętrznymi systemami i informacjami, użyj wywołania funkcji.

Dowiedz się, jak kontrolować generowanie treści

• Dowiedz się, jak projektować prompty, w tym sprawdzone metody, strategie i przykładowe prompty.
• Skonfiguruj parametry modelu, takie jak temperatura i maksymalna liczba tokenów wyjściowych.
• Użyj ustawień bezpieczeństwa, aby dostosować prawdopodobieństwo otrzymywania odpowiedzi, które mogą być uznane za szkodliwe.

Możesz też eksperymentować z promptami i konfiguracjami modeli za pomocą Vertex AI Studio.

Więcej informacji o modelach Gemini

Dowiedz się więcej o modelach dostępnych w różnych przypadkach użycia oraz ich limitach i cenach.

Prześlij opinię o tym, jak oceniasz korzystanie z usługi Vertex AI in Firebase