检查点
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
Gemini 函式呼叫簡介
GSP1227
總覽
Gemini 是由 Google DeepMind 開發的一系列生成式 AI 模型,專為多模態用途而設計。Gemini API 可讓您使用 Gemini Pro Vision 和 Gemini Pro 模型。本研究室將說明如何透過 Vertex AI Gemini API,使用文字提示生成函式呼叫。
Gemini 的函式呼叫
函式呼叫可讓開發人員在程式碼中撰寫函式說明,然後透過要求傳遞至語言模型。模型的回應會包含符合該說明的函式名稱,以及呼叫所用的引數。
函式呼叫類似 Vertex AI 擴充功能,兩者都能產生函式資訊。差別在於函式呼叫會傳回 JSON 資料,其中包括函式名稱及用於程式碼的引數,Vertex AI 擴充功能則會傳回函式並為您呼叫。
目標
本研究室的內容包括:
- 安裝 Python 適用的 Vertex AI SDK。
- 使用 Vertex AI Gemini API 與 Gemini Pro (
gemini-pro
) 模型互動:- 使用文字提示生成函式呼叫,協助消費者獲得 Google 商店的產品資訊。
- 使用文字提示生成函式呼叫,以便呼叫外部 API 為地址進行地理編碼。
- 使用文字提示生成函式呼叫,從記錄檔資料中擷取實體。
設定和需求
點選「Start Lab」按鈕前的須知事項
請詳閱以下操作說明。研究室活動會計時,而且中途無法暫停。點選「Start Lab」 後就會開始計時,讓您瞭解有多少時間可以使用 Google Cloud 資源。
您將在真正的雲端環境中完成實作研究室活動,而不是在模擬或示範環境。為達此目的,我們會提供新的暫時憑證,讓您用來在研究室活動期間登入及存取 Google Cloud。
如要完成這個研究室活動,請先確認:
- 您可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。
- 是時候完成研究室活動了!別忘了,活動一開始將無法暫停。
如何開始研究室及登入 Google Cloud 控制台
-
按一下「Start Lab」(開始研究室) 按鈕。如果研究室會產生費用,畫面中會出現選擇付款方式的彈出式視窗。左側的「Lab Details」(研究室詳細資料) 面板會顯示下列項目:
- 「Open Google Console」(開啟 Google 控制台) 按鈕
- 剩餘時間
- 必須在這個研究室中使用的暫時憑證
- 完成這個研究室所需的其他資訊 (如有)
-
按一下「Open Google Console」(開啟 Google 控制台)。接著,研究室會啟動相關資源並開啟另一個分頁,當中會顯示「Sign in」(登入) 頁面。
提示:您可以在不同的視窗中並排開啟分頁。
注意事項:如果頁面中顯示了「Choose an account」(選擇帳戶) 對話方塊,請按一下「Use Another Account」(使用其他帳戶)。 -
如有必要,請複製「Lab Details」(研究室詳細資料) 面板中的使用者名稱,然後貼到「Sign in」(登入) 對話方塊。按一下「Next」(下一步)。
-
複製「Lab Details」(研究室詳細資料) 面板中的密碼,然後貼到「Welcome」(歡迎使用) 對話方塊。按一下「Next」(下一步)。
重要注意事項:請務必使用左側面板中的憑證,而非 Google Cloud 技能重點加強的憑證。 注意事項:如果使用自己的 Google Cloud 帳戶來進行這個研究室,可能會產生額外費用。 -
按過後續的所有頁面:
- 接受條款及細則。
- 由於這是臨時帳戶,請勿新增救援選項或雙重驗證機制。
- 請勿申請免費試用。
Cloud 控制台稍後會在這個分頁中開啟。
工作 1:開啟 Vertex AI Workbench 中的筆記本
-
前往 Google Cloud 控制台,依序點選「導覽選單」>「Vertex AI」>「Workbench」。
-
前往「使用者自行管理的 Notebooks」頁面中,找出
generative-ai-jupyterlab
筆記本,然後點選「Open JupyterLab」按鈕。
JupyterLab 介面會在新的瀏覽器分頁中開啟。
工作 2:開啟 generative-ai 資料夾
-
在筆記本左側,前往
generative-ai
資料夾。 -
前往
/gemini/function-calling
資料夾。 -
點按
intro_function_calling.ipynb
檔案。 -
執行筆記本的「Getting Started」、「Set Google Cloud project information」和「Import libraries」部分。
- 在「Project ID」部分使用「
」,並在「Location」部分使用「 」。
- 在「Project ID」部分使用「
在下列各節中,您將執行筆記本儲存格,瞭解如何搭配使用 Vertex AI Gemini API 和 Python 適用的 Vertex AI SDK。
點按「Check my progress」,確認目標已達成。
工作 3:運用函式呼叫取得 Google 商店結構化查詢
使用生成式文字模型時,想要求大型語言模型以 JSON 等結構化格式提供一致的回應,可能並不簡單。然而使用函式呼叫,即可透過提示和非結構化輸入內容,輕鬆搭配大型語言模型運作,要求傳回可用於呼叫外部函式的結構化回應。
您可以透過函式呼叫,利用使用者提示和函式定義取得結構化輸出內容,用來向外部系統提出 API 要求,然後將函式回應傳回至大型語言模型,生成回覆給使用者。換句話說,Gemini 函式呼叫可從使用者的非結構化文字或訊息,擷取出結構化參數。在這個例子中,您可以搭配使用函式呼叫與 Gemini 模型中的對話模式,協助消費者取得 Google 商店內的產品資訊。
- 在這項工作中,請執行各個筆記本儲存格,瞭解如何使用 Gemini 模型,協助消費者取得 Google 商店內的產品資訊。
點按「Check my progress」,確認目標已達成。
工作 4:使用函式呼叫,透過 Maps API 為地址進行地理編碼
在這個例子中,您將使用 Gemini API 中的文字模式,定義以多個參數做為輸入內容的函式。接著,您可運用函式呼叫回應來發出即時 API 呼叫,將地址轉換成經緯度座標。
- 在這項工作中,請執行各個筆記本儲存格,瞭解如何使用 Gemini Pro 模型生成將地址進行地理編碼的函式呼叫。
點按「Check my progress」,確認目標已達成。
工作 5:使用函式呼叫擷取實體
在先前的例子中,您運用了 Gemini 函式呼叫的擷取實體函式,所以可以傳遞結果參數到 REST API 或用戶端程式庫。然而,您可能只想利用 Gemini 函式呼叫擷取實體就好,不用真的呼叫 API。這個函式如同一個簡便的工具,可以把非結構化文字資料轉換成結構化欄位。
在這個例子中,您可以建構記錄檔擷取器來收集原始記錄檔資料,並轉換成包含錯誤訊息詳細資料的結構化資料。
- 在這項工作中,請執行各個筆記本儲存格,瞭解如何使用 Gemini Pro 模型生成函式呼叫,從記錄檔資料中擷取實體。
點按「Check my progress」,確認目標已達成。
恭喜!
恭喜!在本研究室中,您學會了如何透過 Vertex AI Gemini API,使用文字提示生成函式呼叫。您運用了 Gemini Pro 模型生成函式呼叫,協助消費者取得 Google 商店內的產品資訊、將地址地理編碼,並從記錄檔資料中擷取實體。
後續步驟/瞭解詳情
- 查看 Generative AI on Vertex AI 說明文件
- 前往 Google Cloud Tech 的 YouTube 頻道,進一步瞭解生成式 AI
- Google Cloud 生成式 AI 官方存放區
- Gemini 筆記本示例
Google Cloud 教育訓練與認證
協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法,讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程,並有隨選、線上和虛擬課程等選項,方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。
使用手冊上次更新日期:2024 年 4 月 23 日
研究室上次測試日期:2024 年 4 月 23 日
Copyright 2024 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標,其他公司和產品名稱則有可能是其關聯公司的商標。