Створення програми ШІ за 10 хвилин: покроковий посібник

З моменту появи ChatGPT і Google Gemini ми побачили, що було запущено багато програм, що використовують ці моделі. Техніка називається арбітражем, метод, який бере одне з кількох завдань, які може виконати штучний інтелект, покращує його ефективними підказками, а потім надає клієнтам як функцію.

Ця стаття буде крок за кроком інструкцією щодо інтеграції моделі Google Gemini у нашу програму Node.js. Ми побачимо, як використовувати Gemini-pro, який обробляє генеративний текст, і Gemini-pro-vision, який обробляє зображення.

Спочатку ми почнемо з налаштування проекту, а потім використаємо його на власному прикладі.

Вимоги

Node.js версія 18+
Обліковий запис Google AI Platform, щоб отримати наш ключ API

Починаємо

Спочатку створіть новий проект Node.js у порожній папці:

mkdir gemini-node  
cd gemini-node

npm init -y

Тепер ми встановимо необхідні пакети для файлу середовища та Gemini SDK:

npm install dotenv @google/generative-ai

Налаштування ключа API

На платформі Google AI натисніть кнопку Отримати ключ API, щоб отримати ключ API, а потім збережіть його у файлі середовища (.env) у кореневому каталозі:

API_KEY=YOUR_GEMINI_KEY

Створіть нову папку lib і створіть у ній файл config.js, а потім для наступного кроку ми експортуємо наш ключ API:

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

const  API_KEY  =  process.env.API_KEY;

module.exports  = { API_KEY };

Налаштування Gemini SDK

На цьому кроці ми налаштуємо наші моделі, щоб ми могли використовувати їх у нашому коді. У нашій папці lib створимо 2 файли: gemini.js для обробки тексту та gemini-vision.js для обробки зображень.

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 };

Ми будемо використовувати експортовану функцію для створення тексту підказки. Ми можемо використовувати його для створення системи чату, перекладу тексту та багатьох інших випадків використання.

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 };

Ми будемо використовувати експортовану функцію для створення тексту із зображення.