Descripción general

• Los labs se cronometran y no se pueden pausar. El cronómetro comienza a funcionar cuando haces clic en Comenzar lab.
• La terminal de Cloud incluida está preconfigurada con el SDK de gcloud.
• Usa la terminal para ejecutar comandos y, luego, haz clic en Revisar mi progreso para verificar tu trabajo.

Objetivo

La IA generativa en Vertex AI (también conocida como genAI o gen AI) te da acceso a los grandes modelos de IA generativa de Google para que puedas probarlos, implementarlos y ajustarlos en tus aplicaciones impulsadas por IA. En este lab, aprenderás a hacer lo siguiente:

• Conéctate a Vertex AI (plataforma de IA de Google Cloud): Aprende a establecer una conexión con los servicios de IA de Google usando el SDK de Vertex AI.
• Con Gemini, carga un modelo de IA generativa previamente entrenado: Descubre cómo usar un modelo de IA potente y previamente entrenado sin tener que crear uno desde cero.
• Envía texto al modelo de IA: Comprende cómo proporcionar entradas para que la IA las procese.
• Extrae respuestas de chat de la IA: Aprende a manejar e interpretar las respuestas de chat generadas por el modelo de IA.
• Comprende los conceptos básicos de la creación de aplicaciones de IA: Obtén información sobre los conceptos básicos de la integración de la IA en proyectos de software.

Trabaja con la IA generativa

Después de iniciar el lab, obtendrás una vista de panel dividido que consta del editor de código en el lado izquierdo y las instrucciones del lab en el lado derecho. Sigue estos pasos para interactuar con las APIs de IA generativa usando el SDK de Vertex AI para Python.

Respuestas de chat sin usar transmisión:

La transmisión implica recibir respuestas a las instrucciones a medida que se generan. Es decir que los tokens de salida se envían en cuanto el modelo los genera. En cambio, la respuesta a las instrucciones sin utilizar transmisión se envía solo después de que se generan todos los tokens de salida.

Primero, exploraremos las respuestas del chat sin usar la transmisión.

Crea un nuevo archivo para obtener las respuestas del chat sin usar la transmisión:

1. Haz clic en Archivo > Archivo nuevo para abrir un archivo nuevo en el editor de código.
2. Copia y pega en tu archivo el fragmento de código que se proporciona:

from google import genai from google.genai.types import HttpOptions, ModelContent, Part, UserContent import logging from google.cloud import logging as gcp_logging # ------ Below cloud logging code is for Qwiklab's internal use, do not edit/remove it. -------- # Initialize GCP logging gcp_logging_client = gcp_logging.Client() gcp_logging_client.setup_logging() client = genai.Client( vertexai=True, project='{{{ project_0.project_id | "project-id" }}}', location='{{{ project_0.default_region | "REGION" }}}', http_options=HttpOptions(api_version="v1") ) chat = client.chats.create( model="gemini-2.0-flash-001", history=[ UserContent(parts=[Part(text="Hello")]), ModelContent( parts=[Part(text="Great to meet you. What would you like to know?")], ), ], ) response = chat.send_message("What are all the colors in a rainbow?") print(response.text) response = chat.send_message("Why does it appear when it rains?") print(response.text)

3. Haz clic en Archivo > Guardar, ingresa SendChatwithoutStream.py en el campo Nombre y haz clic en Guardar.

4. Para ver el resultado, ejecuta el archivo de Python con el siguiente comando en la terminal del panel del editor de código:

/usr/bin/python3 /SendChatwithoutStream.py

Explicación del código

• El fragmento de código carga un modelo de IA previamente entrenado llamado Gemini (gemini-2.0-flash-001) en Vertex AI.
• El código llama al método send_message del modelo de Gemini cargado.
• El código usa la capacidad de chat de Gemini. Usa el texto proporcionado en la instrucción para chatear.

Respuestas de chat con transmisión:

Ahora exploraremos las respuestas del chat con transmisión.

Crea un archivo nuevo para obtener las respuestas del chat con la transmisión:

5. Haz clic en Archivo > Archivo nuevo para abrir un archivo nuevo en el editor de código.
6. Copia y pega en tu archivo el fragmento de código que se proporciona:

from google import genai from google.genai.types import HttpOptions import logging from google.cloud import logging as gcp_logging # ------ Below cloud logging code is for Qwiklab's internal use, do not edit/remove it. -------- # Initialize GCP logging gcp_logging_client = gcp_logging.Client() gcp_logging_client.setup_logging() client = genai.Client( vertexai=True, project='{{{ project_0.project_id | "project-id" }}}', location='{{{ project_0.default_region | "REGION" }}}', http_options=HttpOptions(api_version="v1") ) chat = client.chats.create(model="gemini-2.0-flash-001") response_text = "" for chunk in chat.send_message_stream("What are all the colors in a rainbow?"): print(chunk.text, end="") response_text += chunk.text

7. Haz clic en Archivo > Guardar, ingresa SendChatwithStream.py en el campo Nombre y haz clic en Guardar.

8. Para ver el resultado, ejecuta el archivo de Python con el siguiente comando en la terminal del panel del editor de código:

/usr/bin/python3 /SendChatwithStream.py

Explicación del código

• El fragmento de código carga un modelo de IA previamente entrenado llamado Gemini (gemini-2.0-flash-001) en Vertex AI.
• El código llama al método send_message_stream del modelo de Gemini cargado.
• El código usa la capacidad de Gemini para comprender instrucciones y tener una conversación de chat con estado.

Compruébalo. Experimenta con diferentes instrucciones para explorar las capacidades de Gemini.

Haz clic en Revisar mi progreso para verificar el objetivo.

Enviar a la IA generativa las solicitudes mediante instrucciones de texto y recibir una respuesta de chat

¡Felicitaciones!

Completaste el lab. ¡Felicitaciones!

Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.