এই টিউটোরিয়ালটি Google AI Swift SDK ব্যবহার করে আপনার সুইফ্ট অ্যাপ থেকে সরাসরি Gemini API অ্যাক্সেস করার উপায় প্রদর্শন করে। আপনি যদি আপনার সুইফট অ্যাপে জেমিনি মডেলগুলি অ্যাক্সেস করার জন্য REST API বা সার্ভার-সাইড কোড (যেমন পাইথন) এর সাথে সরাসরি কাজ করতে না চান তবে আপনি এই SDK ব্যবহার করতে পারেন।
এই টিউটোরিয়ালে, আপনি নিম্নলিখিতগুলি কীভাবে করবেন তা শিখবেন:
- আপনার API কী সহ আপনার প্রকল্প সেট আপ করুন
- শুধুমাত্র পাঠ্য ইনপুট থেকে পাঠ্য তৈরি করুন
- টেক্সট-এবং-ইমেজ ইনপুট (মাল্টিমোডাল) থেকে পাঠ্য তৈরি করুন
- মাল্টি-টার্ন কথোপকথন তৈরি করুন (চ্যাট)
- দ্রুত মিথস্ক্রিয়া জন্য স্ট্রিমিং ব্যবহার করুন
এছাড়াও, এই টিউটোরিয়ালটিতে উন্নত ব্যবহারের ক্ষেত্রে (যেমন টোকেন গণনা করা ) এবং সামগ্রী তৈরি নিয়ন্ত্রণের বিকল্পগুলি সম্পর্কে বিভাগ রয়েছে৷
পূর্বশর্ত
এই টিউটোরিয়ালটি অনুমান করে যে আপনি সুইফ্ট অ্যাপগুলি বিকাশ করতে Xcode ব্যবহার করার সাথে পরিচিত।
এই টিউটোরিয়ালটি সম্পূর্ণ করতে, নিশ্চিত করুন যে আপনার ডেভেলপমেন্ট এনভায়রনমেন্ট এবং সুইফট অ্যাপ নিম্নলিখিত প্রয়োজনীয়তাগুলি পূরণ করে:
- Xcode 15.0 বা উচ্চতর
- আপনার Swift অ্যাপটি অবশ্যই iOS 15 বা উচ্চতর, অথবা macOS 12 বা উচ্চতরকে টার্গেট করতে হবে।
আপনার প্রকল্প সেট আপ করুন
Gemini API কল করার আগে, আপনাকে আপনার Xcode প্রকল্প সেট আপ করতে হবে, যার মধ্যে আপনার API কী সেট আপ করা, আপনার Xcode প্রজেক্টে SDK প্যাকেজ যোগ করা এবং মডেলটি শুরু করা অন্তর্ভুক্ত রয়েছে।
আপনার API কী সেট আপ করুন
Gemini API ব্যবহার করতে, আপনার একটি API কী প্রয়োজন। আপনার যদি ইতিমধ্যে একটি না থাকে তবে Google AI স্টুডিওতে একটি কী তৈরি করুন৷
আপনার API কী সুরক্ষিত করুন
এটি দৃঢ়ভাবে সুপারিশ করা হয় যে আপনি আপনার সংস্করণ নিয়ন্ত্রণ সিস্টেমে একটি API কী চেক করবেন না ৷ একটি বিকল্প বিকল্প হল এটি একটি GenerativeAI-Info.plist ফাইলে সংরক্ষণ করা, এবং তারপর .plist ফাইল থেকে API কী পড়ুন। আপনার অ্যাপের রুট ফোল্ডারে এই .plist ফাইলটি রাখা নিশ্চিত করুন এবং সংস্করণ নিয়ন্ত্রণ থেকে বাদ দিন।
enum APIKey {
// Fetch the API key from `GenerativeAI-Info.plist`
static var `default`: String {
guard let filePath = Bundle.main.path(forResource: "GenerativeAI-Info", ofType: "plist")
else {
fatalError("Couldn't find file 'GenerativeAI-Info.plist'.")
}
let plist = NSDictionary(contentsOfFile: filePath)
guard let value = plist?.object(forKey: "API_KEY") as? String else {
fatalError("Couldn't find key 'API_KEY' in 'GenerativeAI-Info.plist'.")
}
if value.starts(with: "_") {
fatalError(
"Follow the instructions at https://ai.google.dev/tutorials/setup to get an API key."
)
}
return value
}
}
আপনি একটি .plist ফাইলে আপনার API কী কীভাবে সংরক্ষণ করবেন তা শিখতে নমুনা অ্যাপটি পর্যালোচনা করতে পারেন।
এই টিউটোরিয়ালের সমস্ত স্নিপেট অনুমান করে যে আপনি এই অন-ডিমান্ড রিসোর্স .plist ফাইল থেকে আপনার API কী অ্যাক্সেস করছেন।
আপনার প্রকল্পে SDK প্যাকেজ যোগ করুন
আপনার নিজের সুইফট অ্যাপে Gemini API ব্যবহার করতে, আপনার অ্যাপে GoogleGenerativeAI প্যাকেজ যোগ করুন:
Xcode-এ, প্রজেক্ট নেভিগেটরে আপনার প্রোজেক্টে ডান-ক্লিক করুন।
প্রসঙ্গ মেনু থেকে প্যাকেজ যোগ করুন নির্বাচন করুন।
প্যাকেজ যুক্ত করুন ডায়ালগে, অনুসন্ধান বারে প্যাকেজ URL পেস্ট করুন:
https://github.com/google/generative-ai-swiftপ্যাকেজ যোগ করুন ক্লিক করুন। Xcode এখন আপনার প্রকল্পে
GoogleGenerativeAIপ্যাকেজ যোগ করবে।
জেনারেটিভ মডেল শুরু করুন
আপনি যেকোনো API কল করার আগে, আপনাকে জেনারেটিভ মডেলটি আরম্ভ করতে হবে।
GoogleGenerativeAIমডিউল আমদানি করুন:import GoogleGenerativeAIজেনারেটিভ মডেল শুরু করুন:
// Access your API key from your on-demand resource .plist file // (see "Set up your API key" above) let model = GenerativeModel(name: "MODEL_NAME", apiKey: APIKey.default)
একটি মডেল নির্দিষ্ট করার সময়, নিম্নলিখিত নোট করুন:
আপনার ব্যবহারের ক্ষেত্রে নির্দিষ্ট একটি মডেল ব্যবহার করুন (উদাহরণস্বরূপ,
gemini-pro-visionমাল্টিমোডাল ইনপুটের জন্য)। এই গাইডের মধ্যে, প্রতিটি বাস্তবায়নের নির্দেশাবলী প্রতিটি ব্যবহারের ক্ষেত্রে প্রস্তাবিত মডেলের তালিকা করে।
সাধারণ ব্যবহারের ক্ষেত্রে প্রয়োগ করুন
এখন আপনার প্রকল্প সেট আপ করা হয়েছে, আপনি বিভিন্ন ব্যবহারের ক্ষেত্রে প্রয়োগ করতে Gemini API ব্যবহার করে অন্বেষণ করতে পারেন:
- শুধুমাত্র পাঠ্য ইনপুট থেকে পাঠ্য তৈরি করুন
- টেক্সট-এবং-ইমেজ ইনপুট (মাল্টিমোডাল) থেকে পাঠ্য তৈরি করুন
- মাল্টি-টার্ন কথোপকথন তৈরি করুন (চ্যাট)
- দ্রুত মিথস্ক্রিয়া জন্য স্ট্রিমিং ব্যবহার করুন
শুধুমাত্র পাঠ্য ইনপুট থেকে পাঠ্য তৈরি করুন
যখন প্রম্পট ইনপুট শুধুমাত্র টেক্সট অন্তর্ভুক্ত করে, টেক্সট আউটপুট তৈরি করতে generateContent পদ্ধতির সাথে gemini-pro মডেল ব্যবহার করুন:
import GoogleGenerativeAI
// For text-only input, use the gemini-pro model
// Access your API key from your on-demand resource .plist file (see "Set up your API key" above)
let model = GenerativeModel(name: "gemini-pro", apiKey: APIKey.default)
let prompt = "Write a story about a magic backpack."
let response = try await model.generateContent(prompt)
if let text = response.text {
print(text)
}
টেক্সট-এবং-ইমেজ ইনপুট (মাল্টিমোডাল) থেকে পাঠ্য তৈরি করুন
মিথুন একটি মাল্টিমডাল মডেল ( gemini-pro-vision ) প্রদান করে, যাতে আপনি পাঠ্য এবং ছবি উভয়ই ইনপুট করতে পারেন। প্রম্পটের জন্য চিত্রের প্রয়োজনীয়তাগুলি পর্যালোচনা করতে ভুলবেন না।
যখন প্রম্পট ইনপুটে পাঠ্য এবং চিত্র উভয়ই অন্তর্ভুক্ত থাকে, তখন টেক্সট আউটপুট তৈরি করতে generateContent পদ্ধতি সহ gemini-pro-vision মডেলটি ব্যবহার করুন:
import GoogleGenerativeAI
// For text-and-image input (multimodal), use the gemini-pro-vision model
// Access your API key from your on-demand resource .plist file (see "Set up your API key" above)
let model = GenerativeModel(name: "gemini-pro-vision", apiKey: APIKey.default)
let image1 = UIImage(...)
let image2 = UIImage(...)
let prompt = "What's different between these pictures?"
let response = try await model.generateContent(prompt, image1, image2)
if let text = response.text {
print(text)
}
মাল্টি-টার্ন কথোপকথন তৈরি করুন (চ্যাট)
মিথুন ব্যবহার করে, আপনি একাধিক বাঁক জুড়ে ফ্রিফর্ম কথোপকথন তৈরি করতে পারেন। SDK কথোপকথনের অবস্থা পরিচালনা করে প্রক্রিয়াটিকে সরল করে, তাই generateContent এর বিপরীতে, আপনাকে কথোপকথনের ইতিহাস নিজেকে সংরক্ষণ করতে হবে না।
একটি মাল্টি-টার্ন কথোপকথন তৈরি করতে (যেমন চ্যাট), gemini-pro মডেল ব্যবহার করুন এবং startChat() কল করে চ্যাট শুরু করুন। তারপর একটি নতুন ব্যবহারকারীর বার্তা পাঠাতে sendMessage() ব্যবহার করুন, যা চ্যাট ইতিহাসে বার্তা এবং প্রতিক্রিয়াও যুক্ত করবে।
কথোপকথনে বিষয়বস্তুর সাথে যুক্ত role জন্য দুটি সম্ভাব্য বিকল্প রয়েছে:
user: ভূমিকা যা প্রম্পট প্রদান করে। এই মানটিsendMessageকলের জন্য ডিফল্ট।model: ভূমিকা যা প্রতিক্রিয়া প্রদান করে। বিদ্যমানhistoryসহstartChat()কল করার সময় এই ভূমিকাটি ব্যবহার করা যেতে পারে।
import GoogleGenerativeAI
let config = GenerationConfig(
maxOutputTokens: 100
)
// For text-only input, use the gemini-pro model
// Access your API key from your on-demand resource .plist file (see "Set up your API key" above)
let model = GenerativeModel(
name: "gemini-pro",
apiKey: APIKey.default,
generationConfig: config
)
let history = [
ModelContent(role: "user", parts: "Hello, I have 2 dogs in my house."),
ModelContent(role: "model", parts: "Great to meet you. What would you like to know?"),
]
// Initialize the chat
let chat = model.startChat(history: history)
let response = try await chat.sendMessage("How many paws are in my house?")
if let text = response.text {
print(text)
}
দ্রুত মিথস্ক্রিয়া জন্য স্ট্রিমিং ব্যবহার করুন
ডিফল্টরূপে, মডেল পুরো প্রজন্মের প্রক্রিয়া শেষ করার পরে একটি প্রতিক্রিয়া প্রদান করে। আপনি সম্পূর্ণ ফলাফলের জন্য অপেক্ষা না করে দ্রুত মিথস্ক্রিয়া অর্জন করতে পারেন এবং পরিবর্তে আংশিক ফলাফলগুলি পরিচালনা করতে স্ট্রিমিং ব্যবহার করতে পারেন।
নিচের উদাহরণে দেখানো হয়েছে কিভাবে generateContentStream পদ্ধতির সাহায্যে একটি টেক্সট-এবং-ইমেজ ইনপুট প্রম্পট থেকে টেক্সট জেনারেট করতে হয়।
import GoogleGenerativeAI
// For text-and-image input (multimodal), use the gemini-pro-vision model
// Access your API key from your on-demand resource .plist file (see "Set up your API key" above)
let model = GenerativeModel(name: "gemini-pro-vision", apiKey: APIKey.default)
let image1 = UIImage(named: "")!
let image2 = UIImage(named: "")!
let prompt = "What's different between these pictures?"
var fullResponse = ""
let contentStream = model.generateContentStream(prompt, image1, image2)
for try await chunk in contentStream {
if let text = chunk.text {
print(text)
fullResponse += text
}
}
print(fullResponse)
আপনি শুধুমাত্র পাঠ্য ইনপুট এবং চ্যাট ব্যবহারের ক্ষেত্রে একটি অনুরূপ পদ্ধতি ব্যবহার করতে পারেন।
// Use streaming with text-only input
let contentStream = model.generateContentStream(prompt)
// Use streaming with multi-turn conversations (like chat)
let responseStream = chat.sendMessageStream(message)
উন্নত ব্যবহারের ক্ষেত্রে প্রয়োগ করুন
এই টিউটোরিয়ালের পূর্ববর্তী বিভাগে বর্ণিত সাধারণ ব্যবহারের ক্ষেত্রে আপনাকে Gemini API ব্যবহারে স্বাচ্ছন্দ্য বোধ করতে সাহায্য করে। এই বিভাগে কিছু ব্যবহারের ক্ষেত্রে বর্ণনা করা হয়েছে যেগুলি আরও উন্নত বলে বিবেচিত হতে পারে।
ফাংশন কলিং
ফাংশন কলিং আপনার জন্য জেনারেটিভ মডেল থেকে স্ট্রাকচার্ড ডেটা আউটপুট পেতে সহজ করে তোলে। তারপরে আপনি এই আউটপুটগুলি ব্যবহার করে অন্যান্য API কল করতে এবং মডেলে প্রাসঙ্গিক প্রতিক্রিয়া ডেটা ফেরত দিতে পারেন। অন্য কথায়, ফাংশন কলিং আপনাকে জেনারেটিভ মডেলগুলিকে বাহ্যিক সিস্টেমের সাথে সংযুক্ত করতে সাহায্য করে যাতে তৈরি করা সামগ্রীতে সর্বাধিক আপ-টু-ডেট এবং সঠিক তথ্য অন্তর্ভুক্ত থাকে। ফাংশন কলিং টিউটোরিয়ালে আরও জানুন।
টোকেন গণনা করুন
দীর্ঘ প্রম্পট ব্যবহার করার সময়, মডেলে কোনো সামগ্রী পাঠানোর আগে টোকেন গণনা করা কার্যকর হতে পারে। নিম্নলিখিত উদাহরণগুলি বিভিন্ন ব্যবহারের ক্ষেত্রে countTokens() কীভাবে ব্যবহার করতে হয় তা দেখায়:
// For text-only input
let response = try await model.countTokens("Why is the sky blue?")
print(response.totalTokens)
// For text-and-image input (multi-modal)
let response = try await model.countTokens(prompt, image1, image2)
print(response.totalTokens)
// For multi-turn conversations (like chat)
let chat = model.startChat()
let history = chat.history
let message = ModelContent(role: "user", "Why is the sky blue?")
let contents = history + [message]
let response = try await model.countTokens(contents)
print(response.totalTokens)
বিষয়বস্তু তৈরি নিয়ন্ত্রণ করার বিকল্প
আপনি মডেল প্যারামিটার কনফিগার করে এবং নিরাপত্তা সেটিংস ব্যবহার করে সামগ্রী তৈরি নিয়ন্ত্রণ করতে পারেন।
মডেল প্যারামিটার কনফিগার করুন
আপনি মডেলে পাঠানো প্রতিটি প্রম্পটে প্যারামিটার মান অন্তর্ভুক্ত করে যা নিয়ন্ত্রণ করে কিভাবে মডেলটি একটি প্রতিক্রিয়া তৈরি করে। মডেল বিভিন্ন পরামিতি মান জন্য বিভিন্ন ফলাফল তৈরি করতে পারে. মডেল প্যারামিটার সম্পর্কে আরও জানুন। কনফিগারেশন আপনার মডেল উদাহরণের জীবনকালের জন্য বজায় রাখা হয়।
let config = GenerationConfig(
temperature: 0.9,
topP: 0.1,
topK: 16,
maxOutputTokens: 200,
stopSequences: ["red"]
)
// Access your API key from your on-demand resource .plist file (see "Set up your API key" above)
let model = GenerativeModel(
name: "MODEL_NAME",
apiKey: APIKey.default,
generationConfig: config
)
নিরাপত্তা সেটিংস ব্যবহার করুন
ক্ষতিকারক বলে বিবেচিত প্রতিক্রিয়া পাওয়ার সম্ভাবনা সামঞ্জস্য করতে আপনি নিরাপত্তা সেটিংস ব্যবহার করতে পারেন। ডিফল্টরূপে, নিরাপত্তা সেটিংস মাঝারি এবং/অথবা সমস্ত মাত্রা জুড়ে অনিরাপদ বিষয়বস্তু হওয়ার উচ্চ সম্ভাবনা সহ সামগ্রীকে ব্লক করে। নিরাপত্তা সেটিংস সম্পর্কে আরও জানুন।
এখানে কিভাবে একটি নিরাপত্তা সেটিং সেট করতে হয়:
// Access your API key from your on-demand resource .plist file (see "Set up your API key" above)
let model = GenerativeModel(
name: "MODEL_NAME",
apiKey: APIKey.default,
safetySettings: [
SafetySetting(harmCategory: .harassment, threshold: .blockOnlyHigh)
]
)
এছাড়াও আপনি একাধিক নিরাপত্তা সেটিং সেট করতে পারেন:
let harassmentSafety = SafetySetting(harmCategory: .harassment, threshold: .blockOnlyHigh)
let hateSpeechSafety = SafetySetting(harmCategory: .hateSpeech, threshold: .blockMediumAndAbove)
// Access your API key from your on-demand resource .plist file (see "Set up your API key" above)
let model = GenerativeModel(
name: "MODEL_NAME",
apiKey: APIKey.default,
safetySettings: [harassmentSafety, hateSpeechSafety]
)
এরপর কি
প্রম্পট ডিজাইন হল প্রম্পট তৈরি করার প্রক্রিয়া যা ভাষার মডেলগুলি থেকে পছন্দসই প্রতিক্রিয়া প্রকাশ করে। একটি ভাষা মডেল থেকে সঠিক, উচ্চ মানের প্রতিক্রিয়া নিশ্চিত করার জন্য ভাল কাঠামোগত প্রম্পট লেখা একটি অপরিহার্য অংশ। প্রম্পট লেখার জন্য সর্বোত্তম অনুশীলন সম্পর্কে জানুন।
মিথুন বিভিন্ন ব্যবহারের ক্ষেত্রে যেমন ইনপুট প্রকার এবং জটিলতা, চ্যাট বা অন্যান্য ডায়ালগ ভাষার কাজের জন্য বাস্তবায়ন এবং আকারের সীমাবদ্ধতাগুলির প্রয়োজন মেটাতে বিভিন্ন মডেলের বৈচিত্র অফার করে। উপলব্ধ মিথুন মডেল সম্পর্কে জানুন।
মিথুন হারের সীমা বৃদ্ধির অনুরোধ করার জন্য বিকল্পগুলি অফার করে৷ Gemini Pro মডেলের জন্য রেট সীমা প্রতি মিনিটে 60টি অনুরোধ (RPM)।