Pierwsze kroki z interfejsem Gemini {/8}API za pomocą Vertex AI w pakietach SDK Firebase

W tym przewodniku znajdziesz informacje o tym, jak zacząć korzystać z funkcji Vertex AI Gemini API bezpośrednio z aplikacji za pomocą pakietu SDK Vertex AI in Firebase na wybranej platformie.

Inne opcje dotyczące Gemini API

• Opcjonalnie możesz poeksperymentować z alternatywną wersją pakietu Gemini API („Google AI”) za pomocą pakietu SDK Google AI Studio i Google AI pakietów SDK klienta bez opłat (w ramach określonych limitów i w zależności od dostępności).
  Pakiety SDK powinny być używane tylko do tworzenia prototypów w aplikacjach mobilnych i internetowych.

  Gdy już zapoznasz się z działaniem pakietu Gemini API, przejdź na nasze Vertex AI in Firebasepakiety SDK (z tej dokumentacji), które zawierają wiele dodatkowych funkcji, które są ważne w przypadku aplikacji mobilnych i internetowych, np. ochronę interfejsu API przed nadużyciami przy użyciu Firebase App Check i obsługę dużych plików multimedialnych w żądaniach.

• Opcjonalnie wywołaj Vertex AI Gemini API po stronie serwera (jak w Python, Node.js lub Go)
  Użyj pakietów SDK Vertex AI po stronie serwera lub Firebase Genkit albo Firebase Extensions dla platformy Gemini API.

Wymagania wstępne

Krok 1. Skonfiguruj projekt Firebase i połącz z nim aplikację.

Jeśli masz już projekt Firebase i aplikację połączoną z Firebase

1. W konsoli Firebase otwórz stronę Tworzenie za pomocą Gemini.

2. Kliknij kartę Vertex AI in Firebase, aby uruchomić przepływ pracy, który pomoże Ci wykonać te zadania:

   • Przejdź w projekcie na abonament Blaze z taryfą „pay-as-you-go”.

   • Włącz wymagane interfejsy API w projekcie (Vertex AI API i Vertex AI in Firebase API).

3. Przejdź do następnego kroku tego przewodnika, aby dodać pakiet SDK do aplikacji.

Jeśli nie masz jeszcze projektu Firebase ani aplikacji połączonej z Firebase

Konfigurowanie projektu Firebase

1. Zaloguj się w konsoli Firebase.

2. Kliknij Utwórz projekt i użyj jednej z tych opcji:

   • Opcja 1: utwórz zupełnie nowy projekt Firebase (i jego bazowy projekt Google Cloud automatycznie), wpisując nową nazwę w pierwszym kroku przepływu pracy „Utwórz projekt”.

   • Opcja 2: dodaj Firebase do istniejącego projektu Google Cloud, wybierając nazwę projektu Google Cloud z menu w pierwszym kroku procedury tworzenia projektu.

   Pamiętaj, że gdy pojawi się odpowiedni komunikat, nie musisz konfigurować Google Analytics, aby korzystać z pakietów SDK Vertex AI in Firebase.

3. W konsoli Firebase otwórz stronę Tworzenie za pomocą Gemini.

4. Kliknij kartę Vertex AI in Firebase, aby uruchomić przepływ pracy, który pomoże Ci wykonać te czynności:

   • Przejdź w projekcie na abonament Blaze z taryfą „pay-as-you-go”.

   • Włącz wymagane interfejsy API w projekcie (interfejs API Vertex AI i interfejs API Vertex AI in Firebase).

Łączenie aplikacji z Firebase

Krok 2. Dodaj pakiet SDK

Po skonfigurowaniu projektu Firebase i połączeniu aplikacji z Firebase (patrz poprzedni krok) możesz dodać do swojej aplikacji pakiet SDK Vertex AI in Firebase.

Krok 3. Zainicjuj usługę Vertex AI i model generatywny

Zanim zaczniesz wykonywać wywołania interfejsu API, musisz zainicjować usługę Vertex AIi model generatywny.

Po przeczytaniu tego przewodnika dowiesz się, jak wybrać model Gemini i (opcjonalnie) lokalizację odpowiednią do Twojego przypadku użycia i aplikacji.

Krok 4. Zadzwoń pod numer Vertex AI Gemini API

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

Możesz użyć generateContent(), aby wygenerować tekst z promptu tekstowego w ramach żądania:

Co jeszcze możesz zrobić?

Więcej informacji o modelach Gemini

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

Wypróbuj inne funkcje urządzenia Gemini API

• Dowiedz się więcej o generowaniu tekstu na podstawie promptów tekstowych, w tym o przesyłaniu odpowiedzi.
• generować tekst na podstawie promptów multimodalnych (w tym tekstu, obrazów, plików PDF, filmów i plików audio);
• tworzyć rozmowy wieloetapowe (czat),
• 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.

Podziel się opinią na temat korzystania z usługi Vertex AI in Firebase