Создание приложения искусственного интеллекта за 10 минут: пошаговое руководство

С момента появления ChatGPT и Google Gemini мы видели, как было запущено множество приложений, использующих эти модели. Этот метод называется арбитражем — метод, который берет одну из множества задач, которые может выполнить ИИ, дополняет ее эффективными подсказками, а затем предоставляет клиентам в качестве функции.

Эта статья представляет собой пошаговое руководство по интеграции модели Google Gemini в наше приложение Node.js. Мы увидим, как использовать Gemini-pro, который обрабатывает генеративный текст, и Gemini-pro-vision, который обрабатывает изображения.

Начнем сначала с настройки проекта, а затем будем использовать его на собственном примере.

Требования

Node.js версия 18+
Учетная запись Google AI Platform, чтобы получить наш ключ API.

Начиная

Сначала создайте новый проект Node.js в пустой папке:

mkdir gemini-node  
cd gemini-node

npm init -y

Теперь мы установим необходимые пакеты для файла среды и Gemini SDK:

npm install dotenv @google/generative-ai

Настройка ключа API

На своей платформе Google AI нажмите кнопку Получить ключ API, чтобы получить ключ API, а затем сохраните его в файле среды (.env) в корневом каталоге:

API_KEY=YOUR_GEMINI_KEY

Создайте новую папку lib и создайте в ней файл config.js, а на следующем этапе мы экспортируем наш ключ API:

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

const  API_KEY  =  process.env.API_KEY;

module.exports  = { API_KEY };

Настройка Gemini SDK

На этом этапе мы настроим наши модели, чтобы мы могли использовать их в нашем коде. Внутри нашей папки lib создадим 2 файла: gemini.js для обработки текста и gemini-vision.js для обработки изображений.

1 – Google Близнецы Про

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 };

Мы будем использовать экспортированную функцию для генерации текста из подсказки. Мы можем использовать его для создания системы чата, перевода текста и многих других вариантов использования.

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 };

Мы будем использовать экспортированную функцию для генерации текста из изображения.