Ringkasan

• Lab memiliki timer dan tidak dapat dijeda. Timer akan dimulai saat Anda mengklik Mulai Lab.
• Terminal cloud yang disertakan telah dikonfigurasi sebelumnya dengan gcloud SDK.
• Gunakan terminal untuk mengeksekusi perintah, lalu klik Periksa progres saya untuk memverifikasi pekerjaan Anda.

Tujuan

AI Generatif di Vertex AI (juga dikenal sebagai genAI atau gen AI) memungkinkan Anda mengakses model AI generatif berukuran besar dari Google sehingga Anda dapat menguji, menyesuaikan, dan men-deploy-nya untuk digunakan dalam aplikasi berteknologi AI. Dalam lab ini, Anda akan:

• Menghubungkan ke Vertex AI (Google Cloud AI Platform): Pelajari cara membuat koneksi ke layanan AI Google menggunakan Vertex AI SDK.
• Memuat model AI generatif terlatih - Gemini: Pelajari cara menggunakan model AI terlatih yang canggih tanpa perlu membangunnya dari awal.
• Mengirim teks ke model AI: Pahami cara memberikan input untuk diproses oleh AI.
• Mengekstrak respons chat dari AI: Pelajari cara menangani dan menafsirkan respons chat yang dihasilkan oleh model AI.
• Memahami dasar-dasar membangun aplikasi AI: Dapatkan insight tentang konsep inti pengintegrasian AI ke dalam project software.

Bekerja dengan AI Generatif

Setelah memulai lab, Anda akan mendapatkan tampilan panel terpisah yang terdiri dari Editor Kode di sisi kiri dan petunjuk lab di sisi kanan. Ikuti langkah-langkah ini untuk berinteraksi dengan Generative AI API menggunakan Vertex AI Python SDK.

Respons chat tanpa menggunakan streaming:

Streaming meliputi penerimaan respons terhadap perintah saat dihasilkan. Artinya, segera setelah model menghasilkan token output, token output akan dikirim. Respons non-streaming terhadap perintah hanya dikirim setelah semua token output dibuat.

Pertama, kita akan menjelajahi respons chat tanpa menggunakan streaming.

Buat file baru untuk mendapatkan respons chat tanpa menggunakan streaming:

1. Klik File > New File untuk membuka file baru di Editor Kode.
2. Salin dan tempel cuplikan kode yang disediakan ke dalam file Anda.

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. Klik File > Save, masukkan SendChatwithoutStream.py untuk kolom Name, lalu klik Save.

4. Eksekusi file Python dengan menjalankan perintah di bawah ini pada terminal di panel Editor Kode untuk melihat output.

/usr/bin/python3 /SendChatwithoutStream.py

Penjelasan Kode

• Cuplikan kode ini memuat model AI terlatih yang disebut Gemini (gemini-2.0-flash-001) di Vertex AI.
• Kode ini memanggil metode send_message dari model Gemini yang dimuat.
• Kode ini menggunakan kemampuan Gemini untuk melakukan percakapan. Kode ini menggunakan teks yang disediakan dalam perintah untuk melakukan percakapan.

Respons chat menggunakan streaming:

Sekarang kita akan mempelajari respons chat menggunakan streaming.

Buat file baru untuk mendapatkan respons chat dengan menggunakan streaming:

5. Klik File > New File untuk membuka file baru di Editor Kode.
6. Salin dan tempel cuplikan kode yang disediakan ke dalam file Anda.

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. Klik File > Save, masukkan SendChatwithStream.py untuk kolom Name, lalu klik Save.

8. Eksekusi file Python dengan menjalankan perintah di bawah ini pada terminal di panel Editor Kode untuk melihat output.

/usr/bin/python3 /SendChatwithStream.py

Penjelasan Kode

• Cuplikan kode ini memuat model AI terlatih yang disebut Gemini (gemini-2.0-flash-001) di Vertex AI.
• Kode ini memanggil metode send_message_stream dari model Gemini yang dimuat.
• Kode ini menggunakan kemampuan Gemini untuk memahami perintah dan melakukan percakapan chat stateful.

Cobalah sendiri. Bereksperimenlah dengan berbagai perintah untuk menjelajahi kemampuan Gemini.

Klik Periksa progres saya untuk memverifikasi tujuan.

Mengirim permintaan perintah teks ke AI Generatif dan menerima respons chat

Selamat!

Anda telah menyelesaikan lab ini. Selamat!

Hak cipta 2025 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.