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-genailangchain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
小杨4041 小时前
python入门系列十四(多进程)
人工智能·python·pycharm
Mengke10 小时前
以「asset-price-mcp」为例,从 0 开发 MCP Server
llm·mcp
阿坡RPA16 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
用户277844910499316 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
机器之心16 小时前
刚刚,DeepSeek公布推理时Scaling新论文,R2要来了?
人工智能
算AI18 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
simplify2019 小时前
【译】Anthropic:推理模型的思维链并非总是忠实
llm·deepseek
几米哥19 小时前
从思考到行动:AutoGLM沉思如何让AI真正"动"起来
llm·aigc·chatglm (智谱)
凯子坚持 c19 小时前
基于飞桨框架3.0本地DeepSeek-R1蒸馏版部署实战
人工智能·paddlepaddle
你觉得20519 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc