解锁AI力量：Gemini模型在Android中的技术应用

news2024/11/15 6:18:36

说在前面的话

大型语言模型（LLM）是近年来人工智能领域最令人瞩目的突破之一。它们拥有强大的语言理解和生成能力，能够完成各种任务，为我们打开了一个全新的世界。

以下是一些常见的使用场景：

1. 内容创作：

写作辅助： LLM 可以帮助你克服写作障碍，提供主题构思、段落结构和语句润色等方面的建议，提升写作效率和质量。
文章生成： LLM 可以根据你的要求生成新闻报道、故事、诗歌等各种类型的文章，甚至可以模仿特定作家的风格。
营销文案创作： LLM 可以帮助你生成吸引人的广告语、产品描述和社交媒体内容，提高营销效果。

2. 翻译与语言学习：

实时翻译： LLM 可以实时翻译不同语言之间的文本，打破语言障碍，方便交流。
语言学习： LLM 可以提供练习对话、翻译、语法和词汇等方面的训练，帮助你学习新语言。
3. 代码开发：
代码生成： LLM 可以根据你的自然语言描述生成代码，简化编程流程，提高开发效率。
代码调试： LLM 可以帮助你识别代码中的错误，并提供修复建议，加速调试过程。

等等，为我们生活中提供了好多便捷的使用

而今天我们要讲的主角为：Gemini

Gemini 是由 Google AI 开发的大型语言模型（LLM）。它是一个强大的 AI 系统，能够理解和生成类似人类的文本、代码和其他形式的内容。

Gemini 的主要特点：

多模态理解和生成： Gemini 可以处理和生成文本、代码、图像和音频，使其成为一个通用的 AI 系统。
高级推理和解决问题的能力： 它具有出色的推理能力，能够解决复杂问题并提供有见地的解决方案。
上下文感知： Gemini 可以在对话中保持上下文，确保响应连贯且相关。
知识整合： 它已经接受过海量数据集的训练，拥有庞大的知识库，能够回答各种问题。
代码生成和调试： Gemini 可以用各种编程语言生成代码，并帮助进行调试。
翻译和摘要： 它可以将文本翻译成不同的语言并生成简洁的摘要。
创意内容生成： Gemini 可以创作故事、诗歌和其他形式的创意内容。

Gemini 的工作原理：

Gemini 是一个深度学习模型，使用 Transformer 架构。它已经接受过海量文本、代码和其他数据的数据集的训练，使用监督和无监督学习技术。这种训练使其能够学习数据中的模式和关系，使其能够执行各种任务。

Gemini 的应用：

聊天机器人和对话式 AI： 为客户服务、教育和娱乐创建引人入胜且信息丰富的聊天机器人。
内容创作： 生成文章、博客文章、社交媒体内容和其他形式的书面材料。
软件开发： 帮助开发人员进行代码生成、调试和文档编写。
翻译和本地化： 将文本翻译成不同的语言，并将内容适应不同的文化。
研究和分析： 分析数据、提取见解并生成报告。

与其他 LLM 的比较：

Gemini 被认为是目前最先进的 LLM 之一。它在多模态能力、推理能力和知识库方面超越了以前的模型。

局限性：

偏见和公平： 像所有 LLM 一样，Gemini 会根据其接受过训练的数据表现出偏见。
缺乏常识： 它可能难以完成需要常识推理的任务。
伦理问题： 生成假新闻或操纵信息等潜在的滥用可能性令人担忧。

这也是2024年Google 开发者大会主推的功能点

回归本源

现在讲视野拉回我们这次主讲的内容点上：

如何在项目中使用Gemini
使用Gemini处理文字、声音、视频
如何在AS中使用Gemini功能，以及代码优化
如何使用Google AI Studio

一、如何在项目中使用Gemini

1、Gemini API_KEY申请流程

首先我们需要先申请一个API_KEY，申请网站
在这里插入图片描述
不过这里需要注意的一点：必现已经在Google Cloud 中存在项目，才能创建API_KEY。

这个API_KEY是有免费使用次数限制
在这里插入图片描述
就是说一分钟最多15个请求，一天最多请求1500个请求，当然收费的另讲

2、Gemini SDK 接入

引入Gemini SDK：官方教程

dependencies {
  // add the dependency for the Google AI client SDK for Android
  implementation("com.google.ai.client.generativeai:generativeai:0.7.0")
}

初始化模型

在进行任何 API 调用之前，您需要先导入并初始化模型。Gemini 1.5 模型用途广泛，而且最重要一点就是免费的次数比较多，别的模型使用的次数比较少

val generativeModel = GenerativeModel(
      modelName = "gemini-1.5-flash",
      // Access your API key as a Build Configuration variable (see "Set up your API key" above)
      apiKey = BuildConfig.apiKey
)

发出第一个请求

最好在协程内使用，这个事例是阻塞式请求

lifecycleScope.launch(Dispatchers.IO) {
     val prompt = "请问中国有多个民族，以及中国有多大的面积"
     val response = generativeModel.generateContent(prompt)
     Log.d(TAG, "testGemini() called  ${response.text}")
}