10 րոպեում արհեստական ​​ինտելեկտի հավելվածի ստեղծում. քայլ առ քայլ ուղեցույց

ChatGPT-ի և Google Gemini-ի ի հայտ գալուց ի վեր, մենք տեսել ենք, որ բազմաթիվ հավելվածներ են գործարկվել՝ օգտագործելով այս մոդելները: Տեխնիկան կոչվում է արբիտրաժ, մեթոդ, որը վերցնում է բազմաթիվ խնդիրներից մեկը, որը կարող է անել AI-ն, ուժեղացնում է այն արդյունավետ հուշումներով և այնուհետև այն տրամադրում հաճախորդներին որպես հատկանիշ:

Այս հոդվածը կլինի քայլ առ քայլ ուղեցույց, թե ինչպես կարելի է ինտեգրել Google Gemini մոդելը մեր Node.js հավելվածում: Մենք կտեսնենք, թե ինչպես օգտագործել և Gemini-pro, որը մշակում է գեներատիվ տեքստը, և Gemini-pro-vision, որը մշակում է պատկերները:

Մենք նախ կսկսենք նախագիծը կարգավորելով, այնուհետև այն կօգտագործենք մեր սեփական օրինակով:

Պահանջներ

• Node.js տարբերակ 18+

• Google AI Platform հաշիվ՝ մեր API բանալին ստանալու համար

Սկսել

Նախ, ստեղծեք նոր Node.js նախագիծ դատարկ թղթապանակում.

mkdir gemini-node  
cd gemini-node

npm init -y

Այժմ մենք կտեղադրենք շրջակա միջավայրի ֆայլի և Gemini SDK-ի համար անհրաժեշտ փաթեթները.

npm install dotenv @google/generative-ai

API բանալի կարգավորում

Ձեր Google AI հարթակում սեղմեք Get API Key կոճակը՝ API բանալի ստանալու համար, այնուհետև պահեք այն ձեր միջավայրի ֆայլում (.env) արմատային գրացուցակում.

API_KEY=YOUR_GEMINI_KEY

Ստեղծեք նոր lib պանակ և դրա մեջ ստեղծեք config.js ֆայլ, այնուհետև հաջորդ քայլի համար մենք կարտահանենք մեր API բանալին.

const  dotenv  =  require("dotenv");
dotenv.config();

const  API_KEY  =  process.env.API_KEY;

module.exports  = { API_KEY };

Gemini SDK-ի կարգավորում

Այս քայլում մենք կկարգավորենք մեր մոդելները, որպեսզի կարողանանք դրանք օգտագործել մեր կոդում: Մեր lib թղթապանակում եկեք ստեղծենք 2 ֆայլ՝ gemini.js՝ տեքստի մշակման համար և gemini-vision.js՝ պատկերների մշակման համար:

1- Google Gemini Pro

const { GoogleGenerativeAI } = require("@google/generative-ai");
const { API_KEY } = require("./config");

const googleAI = new GoogleGenerativeAI(API_KEY);
const geminiConfig = {
  temperature: 0.9,
  topP: 1,
  topK: 1,
  maxOutputTokens: 4096,
};

const geminiModel = googleAI.getGenerativeModel({
  model: "gemini-pro",
  geminiConfig,
});

const generateText = async (prompt) => {
  try {
    const result = await geminiModel.generateContent(prompt);
    const response = result.response;
    return response.text();
  } catch (error) {
    console.log("response error", error);
  }
};

module.exports = { generateText };

Մենք կօգտագործենք արտահանված ֆունկցիան՝ հուշումից տեքստ ստեղծելու համար: Մենք կարող ենք օգտագործել այն զրույցի համակարգ ստեղծելու, տեքստի թարգմանության և շատ այլ օգտագործման դեպքերի համար:

2- Google Gemini Vision

const { GoogleGenerativeAI } = require("@google/generative-ai");
const { API_KEY } = require("./config");
const fs = require("fs");

const googleAI = new GoogleGenerativeAI(API_KEY);
const geminiConfig = {
  temperature: 0.4,
  topP: 1,
  topK: 32,
  maxOutputTokens: 4096,
};

const geminiModel = googleAI.getGenerativeModel({
  model: "gemini-pro-vision",
  geminiConfig,
});

const interactWithImage = async (filePath) => {
  try {
    const imageFile = fs.readFileSync(filePath);
    const imageBase64 = imageFile.toString("base64");

    const promptConfig = [
      { text: "Generate a caption from this image" },
      {
        inlineData: {
          mimeType: "image/jpeg",
          data: imageBase64,
        },
      },
    ];

    const result = await geminiModel.generateContent({
      contents: [{ role: "user", parts: promptConfig }],
    });

    return result.response.text();
  } catch (error) {
    console.log("response error", error);
  }
};

module.exports = { interactWithImage };

Մենք կօգտագործենք արտահանվող ֆունկցիան՝ պատկերից տեքստ ստեղծելու համար:

Հավելվածի կառուցում

Ստեղծեք նոր index.js ֆայլ և տեղադրեք այս կոդը.

const main = async () => {
  console.log("Hello world!");
};

main();

Այժմ մենք կարող ենք ներմուծել մեր արտահանված գործառույթները և օգտագործել դրանք տեքստ ստեղծելու համար՝ հարցից կամ պատկերի հուշումից:

Ֆունկցիան վերցնում է ֆայլի ուղին որպես փաստարկ, այնպես որ դուք պետք է պատկերի ֆայլ ավելացնեք ձեր նախագծի թղթապանակում՝ այն փորձարկելու համար:

Մեր կոդը կվերածվի.

const { generateText } = require("./lib/gemini");
const { interactWithImage } = require("./lib/gemini-vision");
const path = require("path");

const main = async () => {
  // Text Generation
  let textFromPrompt = await generateText(
    "tell me about bootcamps in a sentence"
  );
  console.log(textFromPrompt);

  // Caption Generation
  const directoryName = path.join(__dirname, "fish.jpg");
  let captionFromImage = await interactWithImage(directoryName);
  console.log(captionFromImage);
};

main();

Ինչ է հաջորդը

Այժմ դուք կարող եք օգտագործել ExpressJS-ը սկրիպտի փոխարեն API ստեղծելու համար: Կարող եք նաև ուսումնասիրել ձեր օգտագործման դեպքերի համար հուշումներ գրելու լավագույն փորձի մասին:

Սրանք մի քանի օրինակներ են այն հավելվածների մասին, որոնք կարող եք ստեղծել.

• SEO մետա տվյալների գեներատոր՝ օգտագործելով Unsplash API

• Վերսկսեք վերանայողը՝ ավելացնելով լրացուցիչ սցենար, որը բովանդակություն է ստանում PDF-ից

• Instagram-ի կենսագրող՝ պատկերից

Հետաքրքրվա՞ծ եք ավելի լավ հավելվածներ ստեղծելով: Միացեք մեր վեբ մշակման bootcamp-ին և իմացեք, թե ինչպես ստեղծել լիարժեք ֆունկցիոնալ արտադրանք: