Tworzenie kompilacji z Gemini w Google Cloud

Jeśli dopiero zaczynasz korzystać z Gemini, na początek skorzystaj z krótkich wstępów.

Jednak w miarę rozwoju Twoich rozwiązań generatywnej AI możesz potrzebować platformy do kompleksowego tworzenia i wdrażania aplikacji i rozwiązań generatywnej AI. Google Cloud udostępnia kompleksowy ekosystem narzędzi, które umożliwiają deweloperom wykorzystanie potencjału generatywnej AI – od początkowych etapów tworzenia aplikacji po wdrażanie i hostowanie aplikacji oraz zarządzanie złożonymi danymi na dużą skalę.

Platforma Vertex AI w Google Cloud oferuje pakiet narzędzi MLOps, które upraszczają używanie, wdrażanie i monitorowanie modeli AI pod kątem wydajności i niezawodności. Dodatkowo integracje z bazami danych, narzędziami DevOps, logowaniem, monitorowaniem i uprawnieniami zapewniają całościowe podejście do zarządzania całym cyklem życia generatywnej AI.

W tabeli poniżej znajdziesz podsumowanie głównych różnic między AI od Google a Vertex AI, aby pomóc Ci zdecydować, która opcja sprawdzi się w Twoim przypadku:

Funkcje Interfejs Gemini API od Google AI Interfejs Google Cloud Vertex AI Gemini API
Najnowsze modele Gemini Gemini Pro i Gemini Ultra Gemini Pro i Gemini Ultra
Zarejestruj się Konto Google Konto Google Cloud (z warunkami umowy i płatnościami)
Uwierzytelnianie Klucz interfejsu API Konto usługi Google Cloud
Eksperymentalny interfejs użytkownika Google AI Studio Vertex AI Studio
Interfejs API i pakiet SDK Python, Node.js, Android (Kotlin/Java), Swift, Go Pakiet SDK obsługuje Pythona, Node.js, Javę i Go
Poziom bezpłatny Tak Środki w Google Cloud w wysokości 300 USD dla nowych użytkowników
Limit (żądania na minutę) 60 (może poprosić o zwiększenie) Zwiększ na żądanie (domyślnie: 60)
Pomoc dla przedsiębiorstw Nie Klucz szyfrowania klienta
Prywatne środowisko wirtualne w chmurze
Miejsce przechowywania danych
Przejrzystość dostępu
Skalowalna infrastruktura do hostingu aplikacji
Bazy danych i przechowywanie danych
MLOps Nie, Pełne operacje MLOps w Vertex AI (przykłady: ocena modelu, monitorowanie modeli, rejestr modeli)

Aby dowiedzieć się, które usługi, platformy i narzędzia najlepiej pasują do tworzenia aplikacji generatywnej AI w Google Cloud, zapoznaj się z artykułem na temat tworzenia aplikacji generatywnej AI w Google Cloud.

Migracja z Gemini w AI od Google do Vertex AI

Jeśli Twoja aplikacja używa interfejsów API Gemini AI od Google, musisz przejść na interfejsy Vertex AI Gemini API w Google Cloud.

Podczas migracji:

Python: migracja z interfejsu Google AI Gemini API na Vertex AI Gemini API

W poniższych sekcjach znajdziesz fragmenty kodu, które pomogą Ci przenieść kod Pythona do interfejsu Vertex AI Gemini API.

Konfiguracja pakietu SDK Vertex AI Python

W Vertex AI nie potrzebujesz klucza interfejsu API. Usługa Gemini w Vertex AI jest zarządzana za pomocą uprawnień dostępu, które kontroluje uprawnienia użytkownika, grupy lub konta usługi do wywoływania interfejsu Gemini API za pomocą pakietu SDK Vertex AI.

Chociaż istnieje wiele sposobów uwierzytelniania, najprostszą metodą uwierzytelniania w środowisku programistycznym jest zainstalowanie Google Cloud CLI, a następnie zalogowanie się w interfejsie wiersza poleceń przy użyciu danych logowania użytkownika.

Aby móc wywoływać wnioskowanie do Vertex AI, musisz też sprawdzić, czy Twoje konto użytkownika lub usługi ma przypisaną rolę użytkownika Vertex AI.

Przykładowy kod do instalowania klienta

AI od Google Vertex AI 
# To install the Python SDK, use this CLI command:
# pip install google-generativeai

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY=""
genai.configure(api_key=API_KEY)
        
# To install the Python SDK, use this CLI command:
# pip install google-cloud-aiplatform

import vertexai
from vertexai.generative_models
          import GenerativeModel, Image

PROJECT_ID = ""
REGION = ""  # e.g. us-central1
vertexai.init(project=PROJECT_ID, location=REGION)

Przykład kodu do generowania tekstu na podstawie prompta tekstowego

AI od Google Vertex AI 
model = GenerativeModel('gemini-1.5-flash')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        
model = GenerativeModel('gemini-1.5-flash')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.

Przykład kodu do generowania tekstu na podstawie tekstu i obrazu

AI od Google Vertex AI 
import PIL.Image

multimodal_model = GenerativeModel('gemini-1.5-flash')

image = PIL.Image.open('image.jpg')

response = multimodal_model.generate_content(['What is this picture?', image])
print(response.text) # A cat is shown in this picture.
        
multimodal_model = GenerativeModel("gemini-1.5-flash")

image = Image.load_from_file("image.jpg")

response = multimodal_model.generate_content(["What is shown in this image?", image])

print(response.text) # A cat is shown in this picture.

Przykład kodu do generowania czatu wieloetapowego

AI od Google Vertex AI 
model = GenerativeModel('gemini-1.5-flash')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
model = GenerativeModel("gemini-1.5-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)

Usuń nieużywane klucze interfejsu API

Jeśli nie musisz już używać klucza interfejsu Google AI Gemini API, usuń go, postępując zgodnie ze sprawdzonymi metodami dotyczącymi bezpieczeństwa.

Aby usunąć klucz interfejsu API:

  1. Otwórz stronę Dane logowania interfejsu Google Cloud API.

  2. Znajdź klucz interfejsu API, który chcesz usunąć, i kliknij ikonę Działania.

  3. Wybierz Usuń klucz interfejsu API.

  4. W oknie Usuń dane logowania wybierz Usuń.

    Usunięcie klucza interfejsu API może potrwać kilka minut. Po zakończeniu propagacji cały ruch korzystający z usuniętego klucza interfejsu API jest odrzucany.

Dalsze kroki