文章摘要 FakeGPT
加载中...|
概述
Google Gemini 是 Google 的多模态 AI 模型系列，原生支持文本、图像、视频、音频等多种数据类型。本文将深入介绍 Gemini API 的使用技巧和多模态应用实践。
Gemini 系列模型
模型对比
text
┌─────────────────────────────────────────────────────────┐
│ Gemini 模型家族 │
├─────────────────────────────────────────────────────────┤
│ │
│ Gemini 1.5 系列 │
│ ├── Gemini 1.5 Pro: 高性能，1M token 上下文 │
│ ├── Gemini 1.5 Flash: 快速，高性价比 │
│ └── Gemini 1.5 Pro-002: 最新版本 │
│ │
│ Gemini 1.0 系列 │
│ ├── Gemini Pro: 平衡性能 │
│ └── Gemini Ultra: 最强性能 │
│ │
│ 特色能力 │
│ • 原生多模态：文本、图像、视频、音频、代码 │
│ • 超长上下文：最多 1M tokens │
│ • 与 Google 服务深度集成 │
│ • 强大的代码理解能力 │
│ │
└─────────────────────────────────────────────────────────┘模型选择建议
| 使用场景 | 推荐模型 | 理由 |
|---|---|---|
| 复杂推理 | gemini-1.5-pro | 最强能力 |
| 快速响应 | gemini-1.5-flash | 低延迟 |
| 超长文档 | gemini-1.5-pro-002 | 1M 上下文 |
| 多模态 | gemini-1.5-pro | 原生支持 |
| 成本敏感 | gemini-1.5-flash | 更便宜 |
Gemini API 使用指南
安装与配置
bash
# 安装 SDK
pip install google-generativeai
# 设置 API Key
export GOOGLE_API_KEY="your-api-key"python
import google.generativeai as genai
import os
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])基础用法
python
# 单次对话
model = genai.GenerativeModel('gemini-1.5-pro')
response = model.generate_content("用 Python 写一个快速排序算法")
print(response.text)多轮对话
python
# 使用聊天历史
chat = model.start_chat(history=[])
# 第一轮
response1 = chat.send_message("我叫小明")
print(response1.text)
# 第二轮
response2 = chat.send_message("我叫什么名字？")
print(response2.text)
# 输出：你叫小明。流式输出
python
# 流式响应
response = model.generate_content(
"讲一个短故事",
stream=True
)
for chunk in response:
print(chunk.text, end="", flush=True)系统指令
python
# 设置系统指令
model = genai.GenerativeModel(
'gemini-1.5-pro',
system_instruction="你是一个专业的 Python 程序员，只提供代码，不做额外解释。"
)
response = model.generate_content("写一个快排算法")
print(response.text)多模态能力
图像理解
python
import PIL.Image
# 加载图像
img = PIL.Image.open("chart.png")
model = genai.GenerativeModel('gemini-1.5-pro')
# 图像 + 文本
response = model.generate_content([
"请分析这个图表中的数据趋势。",
img
])
print(response.text)视频理解
python
# 上传视频
video_file = genai.upload_file("video.mp4")
# 等待处理
import time
while video_file.state.name == "PROCESSING":
time.sleep(1)
video_file = genai.get_file(video_file.name)
# 分析视频
model = genai.GenerativeModel('gemini-1.5-pro')
response = model.generate_content([
"请描述这个视频的主要内容。",
video_file
])
print(response.text)Function Calling
python
# 定义函数
def get_weather(location: str) -> str:
"""获取天气"""
return f"{location} 今天晴天，温度 25°C"
def calculate(expression: str) -> float:
"""计算表达式"""
return float(eval(expression))
# 注册函数
model = genai.GenerativeModel(
'gemini-1.5-pro',
tools=[
{
"function_declarations": [
{
"name": "get_weather",
"description": "获取天气",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string"}
},
"required": ["location"]
}
},
{
"name": "calculate",
"description": "计算数学表达式",
"parameters": {
"type": "object",
"properties": {
"expression": {"type": "string"}
},
"required": ["expression"]
}
}
]
}
]
)
# 处理函数调用
chat = model.start_chat()
response = chat.send_message("北京天气怎么样？")
if response.candidates[0].content.parts[0].function_call:
function_call = response.candidates[0].content.parts[0].function_call
result = get_weather(**function_call.args)
response = chat.send_message(
genai.types.FunctionResponse(
name=function_call.name,
response={"result": result}
)
)
print(response.text)LangChain 集成
python
# pip install langchain-google-genai
from langchain_google_genai import ChatGoogleGenerativeAI
llm = ChatGoogleGenerativeAI(
model="gemini-1.5-pro",
temperature=0.7
)
response = llm.invoke("用 Python 写一个快速排序算法")
print(response.content)成本优化
价格对比（美元/1M tokens）
| 模型 | 输入 | 输出 | 上下文 |
|---|---|---|---|
| gemini-1.5-pro | $3.5 | $10 | 2M |
| gemini-1.5-flash | $0.075 | $0.30 | 1M |
| gemini-1.0-pro | $0.5 | $1.5 | 32K |
小结
Gemini 是 Google 的多模态 AI 选择：
- 多模态能力：原生支持文本、图像、视频、音频
- 超长上下文：最多 1M tokens
- Google 集成：与 Google Cloud 深度集成
- 成本优势：Flash 版本极其便宜
下一篇文章将介绍开源模型与本地部署。
赞赏博主
评论 隐私政策