Tworzenie aplikacji AI w 10 minut: przewodnik krok po kroku

Od czasu pojawienia się ChatGPT i Google Gemini zaobserwowaliśmy, że uruchomiono wiele aplikacji wykorzystujących te modele. Technika ta nazywa się arbitrażem i polega na tym, że wykonuje jedno z wielu zadań, jakie może wykonać sztuczna inteligencja, ulepsza je za pomocą skutecznych podpowiedzi, a następnie udostępnia je klientom jako funkcję.

Artykuł ten będzie przewodnikiem krok po kroku jak zintegrować model Google Gemini z naszą aplikacją Node.js. Zobaczymy, jak używać zarówno Gemini-pro, który obsługuje tekst generatywny, jak i Gemini-pro-vision, który obsługuje obrazy.

Zaczniemy najpierw od skonfigurowania projektu, a następnie wykorzystamy go na własnym przykładzie.

Wymagania

Node.js wersja 18+
Konto Google AI Platform, aby uzyskać nasz klucz API

Pierwsze kroki

Najpierw utwórz nowy projekt Node.js w pustym folderze:

mkdir gemini-node  
cd gemini-node

npm init -y

Teraz zainstalujemy wymagane pakiety dla pliku środowiska i zestawu SDK Gemini:

npm install dotenv @google/generative-ai

Konfiguracja klucza API

Na platformie Google AI kliknij przycisk Pobierz klucz API, aby uzyskać klucz API, a następnie zapisz go w pliku środowiska (.env) w katalogu głównym:

API_KEY=YOUR_GEMINI_KEY

Utwórz nowy folder lib i utwórz w nim plik config.js, a następnie w następnym kroku wyeksportujemy nasz klucz API:

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

const  API_KEY  =  process.env.API_KEY;

module.exports  = { API_KEY };

Konfiguracja zestawu SDK Gemini

W tym kroku skonfigurujemy nasze modele, aby móc je wykorzystać w naszym kodzie. W naszym folderze lib utwórzmy 2 pliki, gemini.js do obsługi tekstu i gemini-vision.js do obsługi obrazów.

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 };

Wyeksportowaną funkcję wykorzystamy do wygenerowania tekstu z podpowiedzi. Możemy go użyć do zbudowania systemu czatu, tłumaczenia tekstu i wielu innych zastosowań.

2– Wizja Bliźniąt Google

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 };

Użyjemy funkcji eksportu do wygenerowania tekstu z obrazu.