生成式AI導論2024 - 快速呼叫Gemini API 與互動

生成式AI導論2024 - 快速呼叫Gemini API 與互動¶

來源是台大開放式課程Hung-yi Lee 教授的課程

快速上手透過VScode 呼叫Gemini

去拿到你的Gemini API key，並且妥善保存
再terminal 運行 Git clone https://github.com/1daniel3333/genAI_HW.git
依據Readme指令，創建cred.py檔案，貼上keys = { ‘GEMINI_API_KEY’: ‘這裡放入你的API Key’, }
運行AI_HW3 (要先安裝對應package)
如何拿到API Key?

🔑 步驟一：註冊 Google Cloud Platform 帳號¶

前往 https://console.cloud.google.com/
如果你還沒有 Google Cloud 帳戶，註冊一個並完成驗證（包含信用卡驗證，但不會立即收費）。

🧭 步驟二：建立新專案¶

點選左上角的「專案選擇器」（Select Project）
按下「新增專案」
命名後建立，等待幾秒鐘

🔌 步驟三：啟用 Gemini API¶

在主控台搜尋框輸入 Gemini 或 Generative Language API
點進 Generative Language API（或叫 Vertex AI Gemini）
點選「啟用」

🗝️ 步驟四：建立 API 金鑰¶

左側選單點選 API 與服務 → 認證資訊（Credentials）
點選「建立認證」 → 選擇 API 金鑰
系統會產生一串金鑰（即你的 Gemini API key）
如何複製github 專案 (專案位置: https://github.com/1daniel3333/genAI_HW)

✅ 使用 Git 指令（推薦）¶

打開終端機（Terminal）或命令提示字元（Command Prompt）
執行以下指令：

git clone https://github.com/1daniel3333/genAI_HW.git

成功後你會在當前資料夾下看到一個 genAI_HW 資料夾，裡面就是專案的所有內容。

如何與Gemini 對話?

import google.generativeai as genaigenai.configure(api_key="你的 API 金鑰")model = genai.GenerativeModel("gemini-pro")response = model.generate_content("Hello Gemini!")print(response.text)

如果一切順利，你應該會看到Gemini跟你打招呼

如何進行多輪對話

方法一: 透過內建function model.start_chat()

# 建立模型物件# model...# 開啟對話（保持上下文）chat = model.start_chat()# 第一次對話response = chat.send_message("你好，幫我想一個旅遊計畫")print("Gemini:", response.text)# 第二次對話（有記憶）response = chat.send_message("可以包含海邊嗎？")print("Gemini:", response.text)# 第三次對話（還記得前面說過的）response = chat.send_message("太好了，那附近有推薦的美食嗎？")print("Gemini:", response.text)

透過呼叫model.start_chat()，程式會自動記憶跟你的對話並延續

方法二: 自行維護對話歷史

def interact_customize(chatbot: list[tuple[str, str]], prompt: str ,user_input: str, temp = 1.0)->list:    '''    * Arguments      - chatbot: the model itself, the conversation is stored in list of tuples      - prompt: the prompt for your desginated task      - user_input: the user input of each round of conversation      - temp: the temperature parameter of this model. Temperature is used to control the output of the chatbot.              The higher the temperature is, the more creative response you will get.    '''    try:        messages = []        for input_text, response_text in chatbot:            messages.append({'role': 'user', 'parts': [input_text]})            messages.append({'role': 'model', 'parts': [response_text]})        messages.append({'role': 'user', 'parts': [prompt]})        response = model.generate_content(          messages,          generation_config=genai.types.GenerationConfig(temperature=temp),          safety_settings=[          {"category": "HARM_CATEGORY_HARASSMENT","threshold": "BLOCK_NONE",},          {"category": "HARM_CATEGORY_HATE_SPEECH","threshold": "BLOCK_NONE",},          {"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT","threshold": "BLOCK_NONE",},          {"category": "HARM_CATEGORY_DANGEROUS_CONTENT","threshold": "BLOCK_NONE",},          ]        )        chatbot.append((user_input, response.text))    except Exception as e:        print(f"Error occurred: {e}")        chatbot.append((user_input, f"Sorry, an error occurred: {e}"))    return chatbot#呼叫chatbot = []prompt = 'You are a poet'user_input = "Hello, can you create a poet for me?"chatbot = interact_customize(chatbot, prompt, user_input)

以上的程式碼，

interact_customize程式內會不停的把來自AI的回應{‘role’: ‘model’, ‘parts’: 'AI的回答'} 以及使用者的輸入{‘role’: ‘user’, ‘parts’: '使用者的提問'}做成一個list，再一次性丟給AI，因此也需要注意整體對話如果過長，超出token限制就會導致錯誤。

這樣就可以簡易透過API呼叫Gemini作互動，例如傳統需要爬蟲去拿到特定股價，現在可以直接呼叫Gemini (聯網的) 去拿到最新資料即可，更多應用等待開發。