Présentation

• Les ateliers sont minutés et ne peuvent pas être mis en pause. Le minuteur démarre lorsque vous cliquez sur Démarrer l'atelier.
• Le terminal cloud inclus est préconfiguré avec le SDK gcloud.
• Utilisez le terminal pour exécuter les commandes, puis cliquez sur Vérifier ma progression pour que votre travail soit validé.

Objectif

L'IA générative sur Vertex AI vous donne accès aux grands modèles d'IA générative de Google. Vous pouvez ainsi les tester, les régler et les déployer pour les utiliser dans vos applications optimisées par l'IA. Au cours de cet atelier, vous allez :

• Vous connecter à Vertex AI (plate-forme d'IA de Google Cloud) : découvrez comment établir une connexion aux services d'IA de Google à l'aide du SDK Vertex AI.
• Charger un modèle d'IA générative pré-entraîné – Gemini : découvrez comment utiliser un modèle d'IA pré-entraîné performant sans avoir à le créer de toutes pièces.
• Envoyer du texte au modèle d'IA : apprenez à fournir des entrées à traiter par l'IA.
• Extraire les réponses de discussion fournies par l'IA : apprenez à gérer et à interpréter les réponses de discussion générées par le modèle d'IA.
• Comprendre les bases de la création d'applications d'IA : explorez les concepts de base de l'intégration de l'IA dans les projets logiciels.

Travailler avec l'IA générative

Une fois l'atelier démarré, vous obtenez une vue divisée en deux volets : l'éditeur de code à gauche et les instructions de l'atelier à droite. Suivez ces étapes pour exploiter les API Generative AI à l'aide du SDK Vertex AI pour Python.

Réponses de discussion sans utiliser le flux continu :

L'affichage en flux continu implique de recevoir des réponses aux prompts au fur et à mesure de leur génération. Autrement dit, les jetons de sortie sont envoyés dès lors qu'ils ont été générés par le modèle. Si le flux continu n'est pas utilisé, la réponse aux prompts n'est envoyée qu'une fois tous les jetons de sortie générés.

Nous allons d'abord explorer les réponses de discussion sans utiliser le flux continu.

Créez un fichier pour obtenir les réponses de discussion sans utiliser le flux continu :

1. Cliquez sur Fichier > Nouveau fichier pour ouvrir un nouveau fichier dans l'éditeur de code.
2. Copiez l'extrait de code fourni et collez-le dans votre fichier.

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. Cliquez sur Fichier > Enregistrer, saisissez SendChatwithoutStream.py dans le champ "Nom", puis cliquez sur Enregistrer.

4. Exécutez le fichier Python en lançant la commande ci-dessous dans le terminal du volet "Éditeur de code" pour afficher le résultat.

/usr/bin/python3 /SendChatwithoutStream.py

Explication du code

• L'extrait de code charge un modèle d'IA pré-entraîné appelé Gemini (gemini-2.0-flash-001) sur Vertex AI.
• Le code appelle la méthode send_message du modèle Gemini chargé.
• Le code utilise la capacité à discuter de Gemini. Il utilise le texte fourni dans le prompt pour discuter.

Réponses de discussion en utilisant le flux continu :

Nous allons maintenant explorer les réponses de discussion en utilisant le flux continu.

Créez un fichier pour obtenir les réponses de discussion en utilisant le flux continu :

5. Cliquez sur Fichier > Nouveau fichier pour ouvrir un nouveau fichier dans l'éditeur de code.
6. Copiez l'extrait de code fourni et collez-le dans votre fichier.

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. Cliquez sur Fichier > Enregistrer, saisissez SendChatwithStream.py dans le champ "Nom", puis cliquez sur Enregistrer.

8. Exécutez le fichier Python en lançant la commande ci-dessous dans le terminal du volet "Éditeur de code" pour afficher le résultat.

/usr/bin/python3 /SendChatwithStream.py

Explication du code

• L'extrait de code charge un modèle d'IA pré-entraîné appelé Gemini (gemini-2.0-flash-001) sur Vertex AI.
• Le code appelle la méthode send_message_stream du modèle Gemini chargé.
• Le code utilise la capacité de Gemini à comprendre les prompts et à mener une conversation avec état.

Essayez vous-même ! Testez différents prompts pour explorer les fonctionnalités de Gemini.

Cliquez sur Vérifier ma progression pour valider l'objectif.

Envoyer les prompts textuels à l'IA générative et recevoir une réponse de discussion

Félicitations !

Vous avez terminé l'atelier. Bravo !

Copyright 2025 Google LLC. Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.