Checkpoint
Install Vertex AI SDK for Python and import libraries
/ 10
Generate a simple weather function call
/ 30
Generate a complex function call
/ 30
Generate function calls from a chat prompt
/ 30
Introduzione alle chiamate di funzione con Gemini
- GSP1227
- Panoramica
- Obiettivi
- Configurazione e requisiti
- Attività 1: apri il blocco note in Vertex AI Workbench
- Attività 2: apri la cartella generative-ai
- Attività 3: utilizza le chiamate di funzione per le query strutturate sul Google Store
- Attività 4: utilizza le chiamate di funzione per geocodificare gli indirizzi con un'API di Google Maps
- Attività 5: utilizza chiamate di funzione per l'estrazione delle entità
- Complimenti!
GSP1227
Panoramica
Gemini è una famiglia di modelli di AI generativa sviluppati da Google DeepMind progettati per casi d'uso multimodali. L'API Gemini ti dà accesso ai modelli Gemini Pro Vision e Gemini Pro. In questo lab imparerai a utilizzare l'API Vertex AI Gemini per generare chiamate di funzione da prompt di testo.
Generazione di chiamate di funzione da Gemini
Le chiamate di funzione consentono agli sviluppatori di creare una descrizione di una funzione nel loro codice, per poi passare questa descrizione a un modello linguistico in una richiesta. La risposta da parte del modello include il nome di una funzione che corrisponde alla descrizione e agli argomenti con cui chiamarla.
Le chiamate di funzione sono simili alle estensioni di Vertex AI in quanto entrambe generano informazioni sulle funzioni. La differenza è che le chiamate di funzione restituiscono dati in formato JSON con il nome di una funzione e gli argomenti da utilizzare nel codice, mentre le estensioni di Vertex AI restituiscono la funzione e la chiamano per tuo conto.
Obiettivi
In questo lab imparerai a:
- Installare l'SDK Vertex AI per Python.
- Utilizzare l'API Vertex AI Gemini per interagire con il modello Gemini Pro (
gemini-pro
):- Generare chiamate di funzione da un prompt di testo per aiutare i clienti a ottenere informazioni sui prodotti del Google Store.
- Generare chiamate di funzione da un prompt di testo e chiamare un'API esterna per geocodificare gli indirizzi.
- Generare chiamate di funzione da un prompt di testo per estrarre entità dai dati di log.
Configurazione e requisiti
Prima di fare clic sul pulsante Avvia lab
Leggi le seguenti istruzioni. I lab sono a tempo e non possono essere messi in pausa. Il timer si avvia quando fai clic su Avvia lab e ti mostra per quanto tempo avrai a disposizione le risorse Google Cloud.
Con questo lab pratico avrai la possibilità di completare le attività in prima persona, in un ambiente cloud reale e non di simulazione o demo. Riceverai delle nuove credenziali temporanee che potrai utilizzare per accedere a Google Cloud per la durata del lab.
Per completare il lab, avrai bisogno di:
- Accesso a un browser internet standard (Chrome è il browser consigliato).
- È ora di completare il lab: ricorda che, una volta iniziato, non puoi metterlo in pausa.
Come avviare il lab e accedere alla console Google Cloud
-
Fai clic sul pulsante Avvia lab. Se devi effettuare il pagamento per il lab, si apre una finestra popup per permetterti di selezionare il metodo di pagamento. A sinistra, trovi il riquadro Dettagli lab con le seguenti informazioni:
- Pulsante Apri console Google
- Tempo rimanente
- Credenziali temporanee da utilizzare per il lab
- Altre informazioni per seguire questo lab, se necessario
-
Fai clic su Apri console Google. Il lab avvia le risorse e apre un'altra scheda con la pagina di accesso.
Suggerimento: disponi le schede in finestre separate posizionate fianco a fianco.
Note: se visualizzi la finestra di dialogo Scegli un account, fai clic su Utilizza un altro account. -
Se necessario, copia il Nome utente dal riquadro Dettagli lab e incollalo nella finestra di dialogo di accesso. Fai clic su Avanti.
-
Copia la Password dal riquadro Dettagli lab e incollala nella finestra di dialogo di benvenuto. Fai clic su Avanti.
Importante: devi utilizzare le credenziali presenti nel riquadro di sinistra. Non utilizzare le tue credenziali Google Cloud Skills Boost. Nota: utilizzare il tuo account Google Cloud per questo lab potrebbe comportare addebiti aggiuntivi. -
Fai clic nelle pagine successive:
- Accetta i termini e le condizioni.
- Non inserire opzioni di recupero o l'autenticazione a due fattori, perché si tratta di un account temporaneo.
- Non registrarti per le prove gratuite.
Dopo qualche istante, la console Google Cloud si apre in questa scheda.
Attività 1: apri il blocco note in Vertex AI Workbench
-
Nella console Google Cloud, nel menu di navigazione, fai clic su Vertex AI > Workbench.
-
Nella pagina Blocchi note gestiti dall'utente, trova il blocco note
generative-ai-jupyterlab
e fai clic sul pulsante Apri JupyterLab.
L'interfaccia JupyterLab si apre in una nuova scheda del browser.
Attività 2: apri la cartella generative-ai
-
Vai alla cartella
generative-ai
sul lato sinistro del blocco note. -
Vai alla cartella
/gemini/function-calling
. -
Fai clic sul file
intro_function_calling.ipynb
. -
Esamina le sezioni Getting Started (Introduzione), Set Google Cloud project information (Imposta le informazioni sul progetto Google Cloud) e Import libraries (Importa librerie) del blocco note.
- Per ID progetto usa
e per Località usa .
- Per ID progetto usa
Nelle sezioni seguenti, vengono esaminate le celle del blocco note per vedere come utilizzare l'API Vertex AI Gemini con l'SDK Vertex AI per Python.
Fai clic su Controlla i miei progressi per verificare l'obiettivo.
Attività 3: utilizza le chiamate di funzione per le query strutturate sul Google Store
Quando si utilizza un modello di testo generativo, può essere difficile costringere l'LLM a fornire risposte coerenti in un formato strutturato come JSON. Le chiamate di funzione semplificano l'utilizzo degli LLM tramite input non strutturati e prompt e fanno in modo che l'LLM restituisca una risposta strutturata utilizzabile per chiamare una funzione esterna.
Puoi considerare le chiamate di funzione come un modo per ottenere un output strutturato dai prompt dell'utente e dalle definizioni delle funzioni, utilizzare questo output strutturato per effettuare una richiesta API a un sistema esterno, quindi restituire la risposta di funzione all'LLM per generare una risposta all'utente. In altre parole, le chiamate di funzione in Gemini estraggono parametri strutturati da testo o messaggi non strutturati degli utenti. In questo esempio, utilizzerai le chiamate di funzione insieme alla modalità di chat nel modello Gemini per aiutare i clienti a ottenere informazioni sui prodotti del Google Store.
- In questa attività, esamina le celle del blocco note per vedere come utilizzare il modello Gemini per aiutare i clienti a ottenere informazioni sui prodotti del Google Store.
Fai clic su Controlla i miei progressi per verificare l'obiettivo.
Attività 4: utilizza le chiamate di funzione per geocodificare gli indirizzi con un'API di Google Maps
In questo esempio, utilizzerai la modalità di testo nell'API Gemini per definire una funzione che prende più parametri come input. Utilizzerai la risposta alla chiamata di funzione per effettuare una chiamata API live per convertire un indirizzo in coordinate di latitudine e longitudine.
- In questa attività, esamina le celle del blocco note per vedere come utilizzare il modello Gemini Pro allo scopo di generare una chiamata di funzione per geocodificare un indirizzo.
Fai clic su Controlla i miei progressi per verificare l'obiettivo.
Attività 5: utilizza chiamate di funzione per l'estrazione delle entità
Negli esempi precedenti, hai utilizzato la funzionalità di estrazione delle entità all'interno della chiamata di funzione di Gemini per passare i parametri risultanti a un'API REST o a una libreria client. Tuttavia, potresti voler eseguire soltanto il passaggio di estrazione delle entità con la chiamata di funzione di Gemini senza chiamare effettivamente un'API. Puoi considerare questa funzionalità come un modo conveniente per trasformare i dati di testo non strutturati in campi strutturati.
In questo esempio, creerai un estrattore di log che prende i dati di log non elaborati e li trasforma in dati strutturati con dettagli sui messaggi di errore.
- In questa attività, esamina le celle del blocco note per vedere come utilizzare il modello Gemini Pro per generare chiamate di funzione per estrarre entità dai dati di log.
Fai clic su Controlla i miei progressi per verificare l'obiettivo.
Complimenti!
Complimenti! In questo lab hai imparato a utilizzare l'API Vertex AI Gemini per generare chiamate di funzione da prompt di testo. Hai utilizzato il modello Gemini Pro per generare chiamate di funzione al fine di aiutare i clienti a ottenere informazioni sui prodotti del Google Store, per geocodificare gli indirizzi ed estrarre entità dai dati di log.
Passaggi successivi/Scopri di più
- Consulta la documentazione sull'AI generativa su Vertex AI.
- Scopri di più sull'AI generativa sul canale YouTube di Google Cloud Tech.
- Repository ufficiale sull'AI generativa di Google Cloud
- Blocchi note Gemini di esempio
Formazione e certificazione Google Cloud
… per utilizzare al meglio le tecnologie Google Cloud. I nostri corsi ti consentono di sviluppare competenze tecniche e best practice per aiutarti a metterti subito al passo e avanzare nel tuo percorso di apprendimento. Offriamo vari livelli di formazione, dal livello base a quello avanzato, con opzioni di corsi on demand, dal vivo e virtuali, in modo da poter scegliere il più adatto in base ai tuoi impegni. Le certificazioni ti permettono di confermare e dimostrare le tue abilità e competenze relative alle tecnologie Google Cloud.
Ultimo aggiornamento del manuale: 23 aprile 2024
Ultimo test del lab: 23 aprile 2024
Copyright 2024 Google LLC Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.