舍OpenAI, 取Gemini

  OpenAI最近真的变傻变慢了,2023,生成式AI的高开低走。还好,年底Google的Gemini来了,我和小伙伴们一起投入了学习。

   如果您是最近刚开始学习AI,欢迎大家翻阅我之前的AI入门系列,感谢大家点个赞,鼓励我的创作。

逐步掌握最佳Ai Agents框架-AutoGen

LlamaIndex

LangChain

前言

   让我们去到官网一看如何通过API来使用Google目前最强大的AI模型。

  跟大多数大模型一样,Gemini根据不同的应用场景分成不同的版本:

  目前可以使用的是Gemini Pro

  费用方面有个好消息,目前是免费的,这可比OpenAI棒多了。只不过,限制是每分钟的调用次数上限为60。这在学习阶段完全够了。商业使用选择Pay as you go ! 这里声明了输入输出数据是会被采集的,大家在使用的时候,自行评估是否要将自己的数据提交给Gemini。

  让我们点击Get API key in Google AI Studio,来得到自己的API KEY。

  Gemini 为开发者提供了AI云开发平台,也就是Google声称的AI开发全家桶,喜提!

创建Google API KEY

  按图,即可得到API KEY

  Gemini的api_key是跟项目绑定的, 当我们按下图的指示点击,就会进入到项目。google cloud 云平台棒棒的,让我们的AI应用快点上云,这分分钟是要跟微软的OpenAI 硬刚的节奏啊。

在LangChain中使用Gemini模型

  拿到API_KEY后,让我们使用colab来小玩一把Gemini。

  • 一些概念
  1. 可以传给Gemini的上下文上限是32K
  2. 目前是免费的,限制是每分钟调用次数
  3. 支持与OpenAI类似API, function calling, embeddings, semantic retrieval, chat functionality等。
  4. 支持180多个国家的38种语言,听说中文是撸的文花一言的羊毛这找谁说理去?
  5. 输入是文本,输出也是, 啥时支持生成图片和视频呢?
  6. 专业版除了文外,还支持图片作为输入。
  • 安装依赖

  安装依赖,google-generativeai输出模型, langchain-google-genai与langchain结合,看到了AI应用替换OpenAI的曙光了,最近的OpenAI又笨又慢,不惯着它了。python-dotenv用于读取.env文件里的Gemini Api_key。

python 复制代码
!pip install -q --upgrade google-generativeai  python-dotenv
  • 读取环境变量
csharp 复制代码
from dotenv import load_dotenv
load_dotenv()
  • 调用模型
ini 复制代码
import google.generativeai as genai
import os
genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))
model = genai.GenerativeModel(model_name = "gemini-pro")
prompt_parts = [
    "Write a Python function and explain it to me",
]

response = model.generate_content(prompt_parts)
print(response.text)
  • 结果
python 复制代码
radius = 5  # Radius of the circle in meters
area = calculate_area_of_circle(radius)
print("Area of the circle:", area)

Output:
Area of the circle: 78.53981633974483

In this example, we have a circle with a radius of 5 meters, and the function calculates its area as approximately 78.54 square meters.

总结

  • Gemini的使用流程,Cloud AI 来了。

参考资料

相关推荐
小和尚同志3 小时前
54.6k star 的 Multica: 集多 Agent 和看板于一体的 AI 平台
人工智能·aigc·three.js
一枕槐安4874 小时前
少样本提示(Few-shot)在业务场景的落地实践
大数据·人工智能·意图分类·mmr多样性·knn检索·动态示例选择
王中阳Go4 小时前
后端转 Agent 岗面试怎么答:8 个高频问题与应答口径
人工智能·后端·python·大语言模型
海宇AI4 小时前
零信任架构实战:基于海宇个人风险报告构建自动化分期商城信用额度初审网关
运维·人工智能·架构·自动化
tellmewhoisi5 小时前
深度学习32:卷积神经网络:卷积层(卷积运算,填充,步幅)
人工智能·深度学习·cnn
weixin_307779135 小时前
RAG 面试陷阱——混合检索并非无条件优越:一个条件反转实验
人工智能·python·面试·职场和发展
Sinokap5 小时前
OpenAI 披露 AI 安全实验:智能体如何突破隔离边界?
人工智能·安全
云和数据.ChenGuang6 小时前
深入解析 Python 的 dir():从用法到 CPython 源码实现
开发语言·人工智能·python·langchain
重生之我在番茄自学网安拯救世界6 小时前
AI 开发者日报 第1期(本周精选)| 插件市场投毒、智能体搞出“官僚饥荒村”,十年前的 CNN 打赢大模型
人工智能·网络安全·大模型·ai编程·智能体
涛声依旧-底层原理研究所6 小时前
拆解 Cordis 底座:Agent 是如何被「组合」出来的
人工智能·架构