總覽

• 實驗室活動會計時且無法暫停，點選「Start Lab」後就會開始計時。
• 內建的 Cloud 終端機已預先設定了 gcloud SDK。
• 使用終端機執行指令，然後點選「Check my progress」，確認工作已完成。

目標

您可透過 Vertex AI 生成式 AI (又稱「生成式 AI」) 測試、調整及部署 Google 的大型生成式 AI 模型，以便在 AI 應用程式中使用。本實驗室的學習內容包括：

• 連結至 Vertex AI (Google Cloud AI 平台)：瞭解如何使用 Vertex AI SDK 建立與 Google AI 服務的連線。
• 載入預先訓練的生成式 AI 模型 - Gemini：瞭解如何使用強大的預先訓練 AI 模型，不必從頭建構。
• 將文字傳送至 AI 模型：瞭解如何提供輸入內容給 AI 處理。
• 從 AI 擷取對話回覆：瞭解如何處理及解讀 AI 模型生成的對話回覆。
• 瞭解建構 AI 應用程式的基本知識：深入瞭解將 AI 整合至軟體專案的核心概念。

運用生成式 AI

啟動實驗室後，會出現分割窗格檢視畫面，左側是程式碼編輯器，右側是實驗室操作說明。請按照下列步驟，使用 Vertex AI Python SDK 與生成式 AI API 互動。

不使用串流的對話回覆：

串流是指在生成提示詞回覆的同時接收回覆。也就是說，模型生成輸出詞元後，就會立即傳送。所有輸出詞元生成後，系統才會傳送非串流的提示詞回覆。

首先來看看不使用串流時的對話回覆。

建立新檔案，不使用串流來取得對話回覆：

1. 依序點選「File」>「New File」，在程式碼編輯器中開啟新檔案。
2. 複製以下程式碼片段並貼到檔案。

from google import genai from google.genai.types import HttpOptions, ModelContent, Part, UserContent import logging from google.cloud import logging as gcp_logging # ------ 以下 Cloud Logging 程式碼供 Qwiklab 內部使用，請勿編輯或移除。-------- # 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. 依序點選「File」>「Save」，在「Name」欄位輸入 SendChatwithoutStream.py，然後點選「Save」。

4. 在程式碼編輯器窗格的終端機中執行下列指令，查看輸出內容。

/usr/bin/python3 /SendChatwithoutStream.py

解釋程式碼

• 程式碼片段會在 Vertex AI 上載入名為 Gemini 的預先訓練 AI 模型 (gemini-2.0-flash-001)。
• 程式碼會呼叫已載入 Gemini 模型的 send_message 方法。
• 這段程式碼運用 Gemini 的對話功能，並根據提示詞中的文字開始對話。

使用串流的對話回覆：

現在來看看如何使用串流功能取得對話回覆。

建立新檔案，使用串流取得對話回覆：

5. 依序點選「File」>「New File」，在程式碼編輯器中開啟新檔案。
6. 複製以下程式碼片段並貼到檔案。

from google import genai from google.genai.types import HttpOptions import logging from google.cloud import logging as gcp_logging # ------ 以下 Cloud Logging 程式碼供 Qwiklab 內部使用，請勿編輯或移除。-------- # 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. 依序點選「File」>「Save」，在「Name」欄位輸入 SendChatwithStream.py，然後點選「Save」。

8. 在程式碼編輯器窗格的終端機中執行下列指令，查看輸出內容。

/usr/bin/python3 /SendChatwithStream.py

解釋程式碼

• 程式碼片段會在 Vertex AI 上載入名為 Gemini 的預先訓練 AI 模型 (gemini-2.0-flash-001)。
• 程式碼會呼叫已載入 Gemini 模型的 send_message_stream 方法。
• 這段程式碼運用 Gemini 理解提示詞的能力，進行有狀態的對話。

快來親自試試！用不同提示詞，探索 Gemini 的功能。

點選「Check my progress」確認目標已達成。

將文字提示詞要求傳送至生成式 AI，並接收對話回覆

恭喜！

您已完成這個實驗室！辛苦了！

Copyright 2025 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。