python调用Gemini大模型方法详解（程序及示例效果）_import google.generativeai as genai

        谷歌Google于12月初正式发布了Gemini大模型，与GPT3.5、GPT4达到了相近效果。除了文本生成之外，Gemini还支持输入图片并进行理解，下文将详细介绍调用方式。当前阶段，Gemini应该有300刀的免费额度，有效期为3个月。每分钟调用次数为60次，而OpenAI免费GPT3.5的限制为每分钟3次。文末将给出Gemini key及其模型技术交流群。

1 GeminiPro

        GeminiPro模型的输入文本，输出也为文本。详细如下所示。

        我们可以看到输入支持将近32K个token，并且一个token大约相当于4个字符。

1.1 非stream输出

        示例程序如下所示。

import json
import requests
# 非stream方式
def test_gemini_no_stream(apikey, text):
    url = f'https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?key={apikey}'
    headers = {'Content-Type': 'application/json'}
    data = {
        'contents': [
            {
                'parts': [
                    {
                        'text': text
                        }
                    ]
                }
            ]
        }
 
    response = requests.post(url, headers=headers, data=json.dumps(data))
    # print(response.json())
    print(response.json()['candidates'][0]['content']['parts'][0]['text'])
if __name__ == '__main__':
    apikey = 'xxx'
    text   = 'say hello'
    print('test_gemini_no_stream(apikey, text):')
    test_gemini_no_stream(apikey, text)

        输出结果为：

test_gemini_no_stream(apikey, text):
Hello there! How are you doing today?

1.2 google-generativeai非stream输出

        上面直接通过requests访问api，这里将使用Google的Python库进行调用。首先需要通过下面命令安装google-generativeai。

pip install -U google-generativeai

        注意事项：Python版本需至少为3.9，google-generativeai版本为0.3.1。

        示例程序如下所示。

import google.generativeai as genai
 
def genai_no_stream(apikey, text):
    genai.configure(api_key=apikey)
    # 支持的模型列表
    # for m in genai.list_models():
    #     if 'generateContent' in m.supported_generation_methods:
    #         print(m.name)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content("how are you")
    print(response.text)

        输出结果为：

genai_no_stream(apikey, text):
I am a large language model, trained by Google.

1.3 google-generativeai stream输出

        流式输出只需将generate_content的stream设置为True即可，示例程序如下所示。

# text = '请介绍人工智能发展历史'
def genai_stream(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content(text, stream=True)
    for chunk in response:
        print(chunk.text, end='', flush=True)

        输出结果如下

**人工智能发展史**

* **1940年代：**诞生
    * 1943年，沃伦·麦卡洛克和沃尔特·皮茨提出神经网络模型。
    * 1949年，艾伦·图灵提出图灵检测，用以判断机器是否具有智能。
* **1950年代：**发展
    * 1950年，艾伦·纽厄尔和克利福德·肖提出逻辑理论家程序，该程序能够证明定理。
    * 1952年，阿瑟·塞缪尔发明会下棋的程序。
    * 1956年，约翰·麦卡锡在达特茅斯学院举办了世界上第一次人工智能研讨会，人工智能一词正式诞生。
* **1960年代：**突破
    * 1965年，拉斐尔·内尔逊提出通用问题求解器，该程序能够解决各种各样的问题。
    * 1966年，弗兰克·罗森布拉特发明感知机，该机器能够识别手写数字。
    * 1969年，马文·明斯基和西摩尔·帕帕特出版《感知机》，该书对感知机进行了详细的阐述。
* **1970年代：**停滞
    * 1973年，马文·明斯基和西摩尔·帕帕特出版《人工智能框架》，该书对人工智能进行了全面的概述。
    * 1974年，罗杰·香克斯和罗伯特·阿贝尔森提出脚本理论，该理论认为人们的行为是基于存储在记忆中的脚本。
    * 1979年，爱德华·菲根鲍姆和朱丽叶·费根鲍姆出版《人工智能专家系统》，该书对专家系统进行了详细的阐述。
* **1980年代：**复兴
    * 1980年，约翰·霍普菲尔德提出霍普菲尔德网络，该网络能够存储和检索信息。
    * 1982年，特伦斯·塞诺夫斯基和杰弗里· Hinton提出多层感知器，该网络能够学习和识别模式。
    * 1986年，戴维·鲁梅尔哈特和杰弗里· Hinton出版《并行分布式处理：探索大脑的计算》，该书对并行分布式处理进行了详细的阐述。
* **1990年代：**爆发
    * 1997年，IBM的深蓝战胜了世界象棋冠军加里·卡斯帕罗夫。
    * 1997年，杨立昆等人提出卷积神经网络，该网络能够识别图像。
    * 1998年，吴恩达等人提出长短期记忆网络，该网络能够学习和记忆长时间序列的数据。
* **2000年代：**深化
    * 2006年，杰弗里· Hinton等人提出深度信念网络，该网络能够学习和识别复杂的数据。
    * 2012年，安德鲁·恩等人提出卷积神经网络，该网络能够识别图像。
    * 2015年，谷歌的阿尔法狗战胜了世界围棋冠军李世石。
* **2010年代：**应用
    * 2016年，谷歌的阿尔法狗战胜了世界象棋冠军李世石。
    * 2017年，百度的人工智能围棋程序AlphaGo Zero战胜了阿尔法狗。
    * 2018年，谷歌的 Duplex 人工智能助手能够与人类进行自然的对话。
    * 2019年，OpenAI 的 GPT-3 人工智能语言模型能够生成类似人类的文本。

人工智能的发展日新月异，未来人工智能将对人类社会产生深远的影响。

        可以看到，其输出默认为MarkDown格式。

1.4 chat模式

        使用chat模式可以自动获取上下文。示例程序如下所示。

def genai_chat(apikey, text):
    genai.configure(api_key=apikey)
    # 历史消息，必须为偶数
    messages = [
    {'role':'user',
     'parts': ["请将我接下来的任何输入都直接翻译成中文即可。"]},
    {'role':'model',
     'parts': ["好的。我接下来将任何输入都直接翻译成中文"]}
    ]
    model = genai.GenerativeModel('gemini-pro')
    chat = model.start_chat(history=messages)
    response = chat.send_message(text)
    print(response.text)

        输出结果如下：

电脑就像一个聪明的机器人，可以帮助我们做很多事情。它里面有很多小零件，比如处理器、内存、硬盘、显卡等等。处理器就像电脑的大脑，负责处理信息和计算。内存就像电脑的短期记忆，可以临时存储信息。硬盘就像电脑的长期记忆，可以永久存储信息。显卡负责处理图形和图像。
 
当我们使用电脑时，我们通过键盘、鼠标或触摸屏等输入设备将信息输入到电脑中。电脑会将这些信息发送给处理器，由处理器进行处理和计算。处理后的结果会存储在内存中，或者永久存储在硬盘中。如果我们想看到处理结果，电脑会将它们发送给显示器或打印机等输出设备，这样我们就可以看到或打印出结果了。
 
电脑还可以连接到互联网，这样我们就可以与世界各地的其他人交流信息和数据。

        虽然上述程序可以加入历史消息，但是并不能模拟出OpenAI GPT api的system参数或GPTs功能。Gemini没有system这个角色。在获取上下文时，messages里的model信息正常情况下是由Gemini生成的。这里想人为进行设计的，似乎达不到想要的功能，但并不是说chat模式有问题，而是历史消息中的model信息没有正确设置为Gemini生成的内容。正常示例程序如下所示。

model = genai.GenerativeModel('gemini-pro')
chat = model.start_chat(history=[])
response = chat.send_message("In one sentence, explain how a computer works to a young child.")
print(chat.history)
response = chat.send_message("Okay, how about a more detailed explanation to a high schooler?", stream=True)
 
for chunk in response:
  print(chunk.text)
  print("_"*80)

1.5 多轮对话

        示例程序如下：

def genai_multi_turn(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    messages = [
        {'role':'user',
        'parts': ["请将我接下来的任何输入都直接翻译成中文即可。"]},
        {'role':'model',
        'parts': ["好的。我接下来将任何输入都直接翻译成中文"]},
        {'role':'user',
        'parts': [text]}
    ]
    response = model.generate_content(messages)
    print(response.text)

        输出结果如下：

电脑就像一个聪明的机器人，它能帮助我们做很多事情。电脑里面有很多零件，就像人有大脑、心脏、手脚一样。电脑的大脑叫中央处理器，它负责处理信息。电脑的心脏叫内存，它负责存储信息。电脑的手脚叫输入输出设备，它们负责与我们交流。
 
当我们使用电脑时，我们会通过键盘或鼠标把信息输入到电脑里。电脑的大脑会处理这些信息，然后把结果通过显示器或打印机等输出设备显示出来。
 
电脑还可以存储信息，就像我们的大脑可以记住事情一样。我们可以把照片、音乐、文件等信息存储在电脑里，以后需要的时候随时可以调出来。
 
电脑还可以帮助我们做很多有趣的事情，比如玩游戏、看电影、听音乐等。它就像一个神奇的工具，可以帮助我们学习、工作和娱乐。

        效果同上文的chat模式，正确用法为：

model = genai.GenerativeModel('gemini-pro')
messages = [
    {'role':'user',
     'parts': ["Briefly explain how a computer works to a young child."]}
]
response = model.generate_content(messages)
messages.append({'role':'model',
                 'parts':[response.text]})
messages.append({'role':'user',
                 'parts':["Okay, how about a more detailed explanation to a high school student?"]})
response = model.generate_content(messages)
print(response.text)

1.6 system或GPTs

        以上通过多轮对话来实现system或GPTs并没有获得成功，最好直接指定任务，如下所示。

def genai_system(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content("请将下面内容翻译成中文。\nBriefly explain how a computer works to a young child.")
    print(response.text)

        输出结果如下：

genai_system(apikey, text):
简单地向一个孩子解释电脑的工作原理。

2 Gemini Pro Vision

        Gemini Pro Vision支持对图片的理解，详细参数如下所示。

        下载示例图片：

curl -o image.jpg https://t0.gstatic.com/licensed-image?q=tbn:ANd9GcQ_Kevbk21QBRy-PgB4kQpS79brbmmEG7m3VOTShAn4PecDU5H5UxrJxE3Dw1JiaG17V88QIol19-3TM2wCHw

        示例程序如下所示：

def gemini_pro_vision(apikey, text, image_path):
    import PIL.Image
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro-vision')
    img = PIL.Image.open(image_path)
    response = model.generate_content([text, img], stream=True)
    response.resolve()
    print(response.text)

        输出如下所示。

 今天分享一道超级简单的快手便当，上班族和学生党都非常适合哦！
所需食材：鸡胸肉、西兰花、胡萝卜、米饭。
制作步骤：
1. 鸡胸肉切小块，用料酒、生抽、黑胡椒粉腌制15分钟。
2. 西兰花和胡萝卜焯水备用。
3. 米饭蒸熟。
4. 锅中热油，放入腌制好的鸡胸肉翻炒至变色。
5. 加入西兰花和胡萝卜，翻炒均匀。
6. 加入米饭，翻炒均匀即可。
这道快手便当就做好啦，是不是超级简单？赶紧动手试试吧！

        图片的理解（或者图片内容提取）可以与GeminiPro或者GPT进行结合实现更多应用。

3 模型配置

        Gemini也有与常规LLM或GPT相类似的配置方式，示例程序如下所示。

def genai_config(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content(
    text,
    generation_config=genai.types.GenerationConfig(
        # Only one candidate for now.
        candidate_count=1,
        stop_sequences=['x'],
        max_output_tokens=20,
        temperature=1.0)
    )
    print(response.text)

4 全部完整示例程序 

import json
import requests
# 非stream方式
def test_gemini_no_stream(apikey, text):
    url = f'https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?key={apikey}'
    headers = {'Content-Type': 'application/json'}
    data = {
        'contents': [
            {
                'parts': [
                    {
                        'text': text
                        }
                    ]
                }
            ]
        }
 
    response = requests.post(url, headers=headers, data=json.dumps(data))
    # print(response.json())
    print(response.json()['candidates'][0]['content']['parts'][0]['text'])
 
 
import google.generativeai as genai
 
def genai_no_stream(apikey, text):
    genai.configure(api_key=apikey)
    # 支持的模型列表
    # for m in genai.list_models():
    #     if 'generateContent' in m.supported_generation_methods:
    #         print(m.name)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content("how are you")
    print(response.text)
 
def genai_stream(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content(text, stream=True)
    for chunk in response:
        print(chunk.text, end='', flush=True)
 
def genai_chat(apikey, text):
    genai.configure(api_key=apikey)
    # 历史消息，必须为偶数
    messages = [
    {'role':'user',
     'parts': ["请将我接下来的任何输入都直接翻译成中文即可。"]},
    {'role':'model',
     'parts': ["好的。我接下来将任何输入都直接翻译成中文"]}
    ]
    model = genai.GenerativeModel('gemini-pro')
    chat = model.start_chat(history=messages)
    response = chat.send_message(text)
    print(response.text)
 
def genai_multi_turn(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    messages = [
        {'role':'user',
        'parts': ["请将我接下来的任何输入都直接翻译成中文即可。"]},
        {'role':'model',
        'parts': ["好的。我接下来将任何输入都直接翻译成中文"]},
        {'role':'user',
        'parts': [text]}
    ]
    response = model.generate_content(messages)
    print(response.text)
 
def genai_system(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content("请将下面内容翻译成中文。\nBriefly explain how a computer works to a young child.")
    print(response.text)
 
def gemini_pro_vision(apikey, text, image_path):
    import PIL.Image
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro-vision')
    img = PIL.Image.open(image_path)
    response = model.generate_content([text, img], stream=True)
    response.resolve()
    print(response.text)
 
def genai_config(apikey, text):
    genai.configure(api_key=apikey)
    model = genai.GenerativeModel('gemini-pro')
    response = model.generate_content(
    text,
    generation_config=genai.types.GenerationConfig(
        # Only one candidate for now.
        candidate_count=1,
        stop_sequences=['x'],
        max_output_tokens=20,
        temperature=1.0)
    )
    print(response.text)
 
 
if __name__ == '__main__':
    apikey = 'xxx'
    text   = 'say hello'
    # print('test_gemini_no_stream(apikey, text):')
    # test_gemini_no_stream(apikey, text)
 
    # print('genai_no_stream(apikey, text):')
    # genai_no_stream(apikey, text)
 
    # print('genai_stream(apikey, text):')
    # genai_stream(apikey, text='请介绍人工智能发展历史')
    
    # print('genai_chat(apikey, text):')
    # genai_chat(apikey, text='Briefly explain how a computer works to a young child.')
 
    # print('genai_chat(apikey, text):')
    # genai_multi_turn(apikey, text='Briefly explain how a computer works to a young child.')
 
    # print('genai_system(apikey, text):')
    # genai_system(apikey, text='请将下面内容翻译成中文。\nBriefly explain how a computer works to a young child.')
 
    # print('gemini-pro-vision(apikey, text, image_path):')
    # gemini_pro_vision(apikey, text='请基于图片中内容写一篇小红书文案。', image_path='image.jpg')
 
    print('genai_config(apikey, text)')
    genai_config(apikey, text='say hello.')

5 技术知识交流