Tworzenie kompilacji z Gemini w Google Cloud

Jeśli dopiero zaczynasz korzystać z Gemini, najszybszym sposobem na rozpoczęcie korzystania z tej usługi jest skorzystanie z krótkich wstępów.

Jednak w miarę dojrzewania rozwiązań generatywnej AI możesz potrzebować platformy do tworzenia i wdrażania rozwiązań oraz aplikacji generatywnej AI. Google Cloud zapewnia kompleksowy ekosystem narzędzi, które pozwalają deweloperom wykorzystywać możliwości generatywnej AI – od początkowych etapów tworzenia aplikacji po wdrażanie aplikacji, hostowanie aplikacji i zarządzanie złożonymi danymi na dużą skalę.

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

W tabeli poniżej podsumowaliśmy główne różnice między AI od Google a Vertex AI, aby ułatwić Ci podjęcie decyzji, która opcja sprawdzi się w Twoim przypadku:

Funkcje Interfejs Google AI Gemini API 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
Środowisko do testowania interfejsu 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, Java 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 hostowania aplikacji
Bazy danych i miejsce na dane
MLOps Nie Pełne MLOps w Vertex AI (przykłady: ocena modeli, monitorowanie modeli, rejestr modeli)

Aby dowiedzieć się, które usługi, platformy i narzędzia najlepiej pasują do tworzenia aplikacji generatywnej AI w Google Cloud, przeczytaj artykuł Tworzenie aplikacji generatywnej AI w Google Cloud.

Migracja z Gemini w AI od Google do Vertex AI

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

Podczas migracji:

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

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

Konfiguracja pakietu Vertex AI Python SDK

W Vertex AI nie potrzebujesz klucza interfejsu API. Zamiast tego zarządza się interfejsami Gemini w Vertex AI za pomocą dostępu do uprawnień, który kontroluje uprawnienia użytkownika, grupy lub konta usługi do wywoływania interfejsu Gemini API za pomocą pakietu SDK Vertex AI.

Mimo że istnieje wiele sposobów uwierzytelniania, najprostszą metodą uwierzytelniania w środowisku programistycznym jest zainstalowanie interfejsu wiersza poleceń Google Cloud, a następnie zalogowanie się w tym interfejsie za pomocą danych logowania użytkownika.

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

Przykład kodu do instalowania klienta

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

from google.generativeai import GenerativeModel
from google.colab import userdata

genai.configure(userdata.get('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 promptu tekstowego

AI od Google Vertex AI 
model = GenerativeModel('gemini-1.0-pro')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        
model = GenerativeModel('gemini-1.0-pro')

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-1.0-pro-vision')

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-1.0-pro-vision")

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-1.0-pro')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
model = GenerativeModel("gemini-1.0-pro")

chat = model.start_chat()

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

Usuwanie nieużywanych kluczy interfejsu API

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

Dalsze kroki