การใช้ Gemini Code Assist เพื่อสำรวจและปรับปรุงโซลูชันการเริ่มต้นการสรุปข้อมูลโดย AI

1. บทนำ

ในโค้ดแล็บนี้ เราจะดูโซลูชัน Jump Start ที่มีอยู่แล้ว ซึ่งก็คือการสรุปด้วย AI ที่ใช้โมเดล Vertex AI เพื่อสรุปเอกสาร PDF ที่อัปโหลดไปยัง Google Cloud Storage

จากนั้นเราจะใช้ Gemini Code Assist เพื่อทำสิ่งต่อไปนี้

  • ทำความเข้าใจโค้ด Python ที่ขับเคลื่อน Cloud Functions ซึ่งมีหน้าที่ดึงข้อความจากเอกสาร PDF สรุปข้อความ และเขียนผลลัพธ์ไปยัง BigQuery
  • เราจะใช้ความช่วยเหลือจาก Gemini Code Assist ตลอดกระบวนการเพื่อช่วยเขียนฟังก์ชันการทำงานใหม่ เราจะพัฒนาเว็บแอปพลิเคชัน (แอปพลิเคชัน Python Flask) และเรียกใช้แอปพลิเคชันในเครื่องเพื่อยืนยันโค้ด
  • นอกจากนี้ เรายังสามารถพิจารณาการติดตั้งใช้งานแอปพลิเคชันนี้ใน Cloud Run และปรับปรุงการออกแบบ (สุนทรียภาพ) ของเว็บแอปพลิเคชันโดยใช้ Material Design ได้ด้วย

สิ่งที่คุณต้องทำ...

  • คุณจะติดตั้งใช้งานโซลูชัน AI Summarization Jump Start และทริกเกอร์โฟลว์กระบวนการเพื่อทำความเข้าใจวิธีการทำงาน
  • จากนั้นคุณจะใช้ Cloud Shell IDE เพื่อดาวน์โหลดโค้ดที่มีอยู่สำหรับโซลูชัน Jump Start และใช้ Gemini Code Assist เพื่อทำความเข้าใจโค้ด
  • คุณจะใช้ Gemini Code Assist Cloud Shell IDE เพื่อสร้างโค้ดสำหรับฟังก์ชันการทำงานใหม่

สิ่งที่คุณจะได้เรียนรู้...

  • วิธีการทำงานของโซลูชันการเริ่มต้นใช้งานการสรุปโดย AI
  • วิธีใช้ Gemini Code Assist สำหรับงานของนักพัฒนาแอปหลายอย่าง เช่น การสร้างโค้ด การเติมโค้ดอัตโนมัติ และการสรุปโค้ด

สิ่งที่คุณต้องมี...

  • เว็บเบราว์เซอร์ Chrome
  • บัญชี Gmail
  • โปรเจ็กต์ Cloud ที่เปิดใช้การเรียกเก็บเงิน
  • เปิดใช้ Gemini Code Assist สำหรับโปรเจ็กต์ Cloud

แล็บนี้มีไว้สำหรับนักพัฒนาซอฟต์แวร์ทุกระดับ รวมถึงผู้เริ่มต้น แม้ว่าแอปพลิเคชันตัวอย่างจะอยู่ในภาษา Python แต่คุณไม่จำเป็นต้องคุ้นเคยกับการเขียนโปรแกรม Python เพื่อทำความเข้าใจสิ่งที่เกิดขึ้น เราจะมุ่งเน้นไปที่การทำความคุ้นเคยกับความสามารถของ Gemini Code Assist สำหรับนักพัฒนาซอฟต์แวร์

2. ตั้งค่า

ส่วนนี้จะครอบคลุมทุกอย่างที่คุณต้องทำเพื่อเริ่มต้นใช้งานแล็บนี้

เปิดใช้ Gemini สำหรับ Cloud ในโปรเจ็กต์ Google Cloud

ตอนนี้เราจะเปิดใช้ Gemini สำหรับ Cloud ในโปรเจ็กต์ Google Cloud ทำตามขั้นตอนด้านล่าง

  1. ไปที่ https://console.cloud.google.com และตรวจสอบว่าคุณได้เลือกโปรเจ็กต์ Google Cloud ที่วางแผนจะใช้ในแล็บนี้ คลิกไอคอนเปิด Gemini ที่คุณเห็นที่ด้านขวาบน

28f084ec1e159938.png

  1. หน้าต่างแชท Gemini สำหรับ Cloud จะเปิดขึ้นทางด้านขวาของคอนโซล คลิกปุ่มเปิดใช้ตามที่แสดงด้านล่าง หากไม่เห็นปุ่มเปิดใช้ แต่เห็นอินเทอร์เฟซของ Chat แสดงว่าคุณอาจเปิดใช้ Gemini สำหรับ Cloud สำหรับโปรเจ็กต์แล้ว และสามารถไปที่ขั้นตอนถัดไปได้โดยตรง

e8df9adc4ea43a37.png

  1. เมื่อเปิดใช้แล้ว คุณสามารถทดลองใช้ Gemini สำหรับ Cloud ได้โดยการถามคำค้นหา 1-2 รายการ ระบบจะแสดงตัวอย่างคำค้นหา 2-3 รายการ แต่คุณลองใช้คำค้นหาอย่างเช่น What is Cloud Run? ก็ได้

9859ea86a8310cb.png

Gemini สำหรับ Cloud จะตอบคำถามของคุณ คุณคลิกไอคอน f68286b2b2ea5c0a.png ที่มุมขวาบนเพื่อปิดหน้าต่างแชท Gemini สำหรับ Cloud ได้

เปิดใช้ Gemini Code Assist ใน Cloud Shell IDE

เราจะใช้ Cloud Shell IDE ซึ่งเป็นสภาพแวดล้อมในการพัฒนาซอฟต์แวร์ที่อิงตาม Code OSS ที่มีการจัดการครบวงจรสำหรับส่วนที่เหลือของโค้ดแล็บ เราต้องเปิดใช้และกำหนดค่า Code Assist ใน Cloud Shell IDE โดยขั้นตอนมีดังนี้

  1. ไปที่ ide.cloud.google.com IDE อาจใช้เวลาสักครู่จึงจะปรากฏขึ้น โปรดรอสักครู่
  2. คลิกปุ่ม Cloud Code - ลงชื่อเข้าใช้ ในแถบสถานะด้านล่างตามที่แสดง ให้สิทธิ์ปลั๊กอินตามวิธีการ หากเห็น "Cloud Code - ไม่มีโปรเจ็กต์" ในแถบสถานะ ให้เลือกข้อความดังกล่าว แล้วเลือกโปรเจ็กต์ Google Cloud ที่ต้องการจากรายการโปรเจ็กต์ที่คุณวางแผนจะใช้

6f5ce865fc7a3ef5.png

  1. คลิกปุ่ม Gemini ที่มุมขวาล่างตามที่แสดง แล้วเลือกโปรเจ็กต์ Google Cloud ที่ถูกต้องอีกครั้ง หากระบบขอให้เปิดใช้ Cloud AI Companion API โปรดดำเนินการและดำเนินการต่อ
  2. เมื่อเลือกโปรเจ็กต์ Google Cloud แล้ว ให้ตรวจสอบว่าคุณเห็นโปรเจ็กต์นั้นในข้อความสถานะของ Cloud Code ในแถบสถานะ และคุณได้เปิดใช้ Code Assist ทางด้านขวาในแถบสถานะตามที่แสดงด้านล่าง

709e6c8248ac7d88.png

Gemini Code Assist พร้อมใช้งานแล้ว

ไม่บังคับ: หากไม่เห็น Gemini ในแถบสถานะที่ด้านขวาล่าง คุณจะต้องเปิดใช้ Gemini ใน Cloud Code ก่อนดำเนินการดังกล่าว โปรดตรวจสอบว่าได้เปิดใช้ Gemini ใน IDE โดยไปที่ส่วนขยาย Cloud Code → การตั้งค่า แล้วป้อนข้อความ Gemini ตามที่แสดงด้านล่าง ตรวจสอบว่าได้เลือกช่องทำเครื่องหมายแล้ว คุณควรโหลด IDE อีกครั้ง ซึ่งจะเปิดใช้ Gemini ใน Cloud Code และไอคอน Gemini ในแถบสถานะจะปรากฏใน IDE

228c9c9c6b956c8e.png

3. ติดตั้งใช้งานโซลูชันการเริ่มต้นอย่างรวดเร็วสำหรับการสรุปด้วย AI

  1. ไปที่โซลูชันการสรุปเอกสารด้วย Generative AI
  2. คลิก "ทำให้ใช้งานได้"
  • หากโปรเจ็กต์ไม่ได้เปิดใช้การเรียกเก็บเงิน ให้เปิดใช้การเรียกเก็บเงิน
  • เลือก us-central1 เป็นภูมิภาค
  • คลิก "ทําให้ใช้งานได้"
  • การดำเนินการนี้อาจใช้เวลาสูงสุด 15 นาที
  • คุณไม่จำเป็นต้องทำการเปลี่ยนแปลงใดๆ แต่สามารถดูการติดตั้งใช้งาน Jump Start Solution ได้โดยคลิกปุ่มสำรวจโซลูชันนี้ในหน้ารายละเอียดการติดตั้งใช้งานโซลูชัน

4. แชทกับ Gemini

เราจะเริ่มต้นด้วยการเรียนรู้วิธีแชทกับ Gemini Gemini พร้อมใช้งานเป็นผู้ช่วยแชทภายใน Cloud Shell IDE ซึ่งเป็นส่วนหนึ่งของส่วนขยาย Cloud Code ใน VS Code คุณสามารถเปิดใช้ได้โดยคลิกปุ่ม Gemini ในแถบนำทางด้านซ้าย มองหาไอคอน Gemini a489f98a34898727.png ในแถบเครื่องมือการนำทางด้านซ้าย แล้วคลิก

ซึ่งจะแสดงแผงแชท: GeminiI ภายใน Cloud Shell IDE และคุณสามารถแชทกับ Gemini เพื่อรับความช่วยเหลือเกี่ยวกับ Google Cloud ได้

14ad103efaa0ddaa.png

มาใช้แผงแชทกับ Gemini เพื่อป้อนพรอมต์และดูคำตอบจาก Gemini กัน ป้อนพรอมต์ต่อไปนี้

What is Cloud Run?

Gemini ควรตอบกลับพร้อมรายละเอียดเกี่ยวกับ Cloud Run พรอมต์คือคำถามหรือข้อความที่อธิบายความช่วยเหลือที่คุณต้องการ พรอมต์อาจมีบริบทจากโค้ดที่มีอยู่ซึ่ง Google Cloud จะวิเคราะห์เพื่อตอบกลับให้สมบูรณ์หรือเป็นประโยชน์มากขึ้น ดูข้อมูลเพิ่มเติมเกี่ยวกับการเขียนพรอมต์เพื่อสร้างคำตอบที่ดีได้ที่เขียนพรอมต์ที่ดีขึ้นสำหรับ Gemini ใน Google Cloud

ลองใช้พรอมต์ตัวอย่างต่อไปนี้หรือพรอมต์ของคุณเองเพื่อถามคำถามเกี่ยวกับ Google Cloud

  • What is the difference between Cloud Run and Cloud Functions?
  • What services are available on Google Cloud to run containerized workloads?
  • What are the best practices to optimize costs while working with Google Cloud Storage?

สังเกตไอคอนถังขยะที่ด้านบน ซึ่งเป็นวิธีรีเซ็ตบริบทสำหรับประวัติการแชทของ Code Assist โปรดทราบว่าการโต้ตอบทางแชทนี้เกี่ยวข้องกับไฟล์ที่คุณกำลังทำงานใน IDE

5. ดาวน์โหลด Cloud Function ของโซลูชัน Jump Start ใน Cloud Code

หากคุณอยู่ใน Cloud Shell Editor ให้ทำตามขั้นตอนต่อไปนี้

  • คลิก Cloud Code c0231861cba4b5d2.png
  • หมายเหตุ: อาจใช้เวลา 1 หรือ 2 ขั้นตอน ทั้งนี้ขึ้นอยู่กับขนาดหน้าจอ

4bf4e654a1749030.png หรือ a0baa1d1c1c30151.png

  • คลิก Cloud Functions
  • หากได้รับข้อความแจ้ง ให้เข้าสู่ระบบหรือให้สิทธิ์บัญชี
  • คลิกฟังก์ชัน Webhook
  • คลิกไอคอนดาวน์โหลดไปยังพื้นที่ทำงานใหม่ 21c63666e951f7b4.png
  • 196780f852e1a99e.png
  • ใช้ webhook-1 เป็นชื่อพื้นที่ทำงาน (ควรเป็นค่าเริ่มต้น) หรือชื่ออื่นๆ แล้วคลิกตกลง
  • ซึ่งจะเป็นการเปิดโค้ดใน Cloud Shell IDE

6. ตรวจสอบโปรเจ็กต์ที่มีอยู่

โซลูชัน Jump Start นี้แสดงอยู่ด้านล่าง

ddf9ee7ff5346f23.png

ตรวจสอบโฟลว์จากฟังก์ชันการอัปโหลด PDF ไปยัง Cloud Storage ฟังก์ชัน Cloud ที่จะเรียกใช้หากมีการอัปโหลดไฟล์ PDF จะอยู่ในไฟล์ main.py

คลิกไฟล์นั้น จุดแรกเข้าของฟังก์ชัน Cloud คือฟังก์ชัน entrypoint ซึ่งจะเรียกใช้ฟังก์ชัน cloud_event_entrypoint ที่ดึงข้อความจาก PDF จากนั้นจะเรียกใช้ฟังก์ชัน summarization_entrypoint ที่ใช้โมเดล Vertex AI เพื่อสรุปและเขียนผลลัพธ์ไปยัง GCS และ BigQuery ตามลำดับ

ไฮไลต์โค้ดทั้งหมดในไฟล์ main.py หรือข้อมูลโค้ดที่เฉพาะเจาะจง คลิก Gemini Chat แล้วป้อนพรอมต์ต่อไปนี้ Explain this

ซึ่งจะอธิบายโค้ดให้คุณ

7. เรียกใช้การทดสอบตัวอย่าง

ตามแผนภาพสถาปัตยกรรม เราจะอัปโหลดไฟล์ไปยัง Bucket <PROJECT_ID>_uploads เพื่อให้เรียกใช้ Cloud Function ได้

ตรวจสอบว่าคุณมี PDF ตัวอย่างที่พร้อมอัปโหลดและต้องการให้สรุป

  • ไปที่ Google Cloud Storage ใน Cloud Console
  • ไปที่ที่เก็บข้อมูล <PROJECT_ID>_uploads คลิกลิงก์อัปโหลดไฟล์ แล้วอัปโหลด PDF ตัวอย่าง

หากไม่มีไฟล์ PDF ตัวอย่าง คุณสามารถใช้ตัวอย่างที่เราสร้างขึ้นได้ จาก Cloud Shell ให้เรียกใช้คำสั่งต่อไปนี้

gsutil cp \
    gs://arxiv-dataset/arxiv/cmp-lg/pdf/9410/9410009v1.pdf \
    gs://<PROJECT_ID>_uploads/

เมื่ออัปโหลดไฟล์สำเร็จแล้ว ฟังก์ชันระบบคลาวด์ webhook จะได้รับการเรียกใช้และสรุปข้อความที่พบในเอกสาร ระบบจะเขียนเอาต์พุตไปยังชุดข้อมูล BigQuery ที่ชื่อ summary_dataset และในตาราง summary_table

ค้นหาตารางเพื่อดูผลลัพธ์ของข้อมูลสรุป

f2ed627e3e96d84e.png

8. สร้างไคลเอ็นต์เว็บแอปพลิเคชันสำหรับแอปพลิเคชัน

กระบวนการข้างต้นเป็นขั้นตอนแบบทีละขั้นตอนด้วยตนเองในการอัปโหลด PDF ที่เราต้องการสรุป แล้วการสร้างส่วนหน้าของเว็บสำหรับแอปพลิเคชันล่ะ

ข้อกำหนดสำหรับส่วนหน้าของเว็บนั้นง่ายๆ ดังนี้

  1. แบบฟอร์ม HTML พื้นฐานที่ช่วยให้เราเลือกและอัปโหลดไฟล์ที่ต้องสรุปได้
  2. เมื่ออัปโหลดไฟล์สำเร็จ ระบบควรเขียนไฟล์ไปยังที่เก็บข้อมูล <PROJECT_ID>_uploads เพื่อให้ฟังก์ชันอื่นๆ ทำงานได้ตามปกติ

เราจะใช้ Python และเฟรมเวิร์ก Flask สำหรับเว็บแอปพลิเคชันเพื่อสร้างฟีเจอร์นี้โดยใช้ความช่วยเหลือจาก Duet AI

มาเริ่มกันเลยดีกว่า เราจะถือว่าคุณยังคงเปิดพื้นที่ทำงานเดียวกันใน Cloud Shell IDE

ปิดไฟล์ทั้งหมด แล้วป้อนพรอมต์ต่อไปนี้ในหน้าต่าง Gemini Chat

Write a Python Flask application that has a couple of routes:
The root route / should serve the index.html page using the render_template framework. The /upload route should accept a file being uploaded and write that file to a Cloud Storage bucket.

ซึ่งควรสร้างโค้ดดังนี้

from flask import Flask, render_template, request, redirect, url_for
from google.cloud import storage

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/upload', methods=['POST'])
def upload():
    file = request.files['file']
    filename = file.filename
    bucket = storage.Client().bucket('your-bucket-name')
    blob = bucket.blob(filename)
    blob.upload_from_string(
        file.read(),
        content_type=file.content_type
    )
    return redirect(url_for('index'))

if __name__ == '__main__':
    app.run(debug=True)

บันทึกโค้ดด้านบนเป็น app.py ในรูทของพื้นที่ทำงาน IDE

เราต้องการให้แอปพลิเคชันทำงานบนพอร์ต 8080 และใช้ที่อยู่โฮสต์ 0.0.0.0 ดังนั้นมาแจ้งให้ Gemini แก้ไขคำสั่ง app.run กัน

ป้อนพรอมต์ต่อไปนี้

Modify the app.py to run on port 8080 and host address 0.0.0.0

ตอนนี้โค้ดควรมีลักษณะดังนี้

from flask import Flask, render_template, request, redirect, url_for
from google.cloud import storage

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/upload', methods=['POST'])
def upload():
    file = request.files['file']
    filename = file.filename
    bucket = storage.Client().bucket('your-bucket-name')
    blob = bucket.blob(filename)
    blob.upload_from_string(
        file.read(),
        content_type=file.content_type
    )
    return redirect(url_for('index'))

if __name__ == '__main__':
    app.run(debug=True, host='0.0.0.0', port=8080)

ต่อไป เราต้องการให้สร้าง index.html ด้วย ป้อนพรอมต์ต่อไปนี้ในหน้าต่าง Gemini Chat

Provide the index.html file

ซึ่งควรแสดงโค้ดดังที่ระบุไว้ด้านล่างสำหรับ index.html

<!DOCTYPE html>
<html>
<head>
  <title>File Upload</title>
</head>
<body>
  <h1>File Upload</h1>
  <form action="/upload" method="post" enctype="multipart/form-data">
    <input type="file" name="file">
    <input type="submit" value="Upload">
  </form>
</body>
</html>

เราขอให้ Gemini บอกตำแหน่งที่จะบันทึกไฟล์ index.html ได้ ป้อนพรอมต์ต่อไปนี้

Since this is using the render_template framework, where should this file be saved?

โดยควรให้คำตอบที่คล้ายกับคำตอบต่อไปนี้

c666ee4af5039728.png

สร้างโฟลเดอร์ชื่อ templates ในโฟลเดอร์รูท แล้วบันทึกไฟล์ index.html ไว้ในโฟลเดอร์นั้น

เราต้องการให้มีการจัดการข้อยกเว้นในไฟล์ app.py ในกรณีที่บันทึกไฟล์ใน Bucket ของ Google Cloud Storage ไม่ได้ เปิดไฟล์ app.py ไว้ แล้วป้อนพรอมต์ต่อไปนี้ในหน้าต่าง Gemini Chat

modify the app.py to have exception handling in the upload() function. The success or failure should be returned to the index page.

ตอนนี้ควรเพิ่มการจัดการข้อยกเว้นบางอย่างดังที่แสดงด้านล่าง

from flask import Flask, render_template, request, redirect, url_for
from google.cloud import storage

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/upload', methods=['POST'])
def upload():
    try:
        file = request.files['file']
        filename = file.filename
        bucket = storage.Client().bucket('your-bucket-name')
        blob = bucket.blob(filename)
        blob.upload_from_string(
            file.read(),
            content_type=file.content_type
        )
        return redirect(url_for('index'))
    except Exception as e:
        return render_template('index.html', error=str(e))

if __name__ == '__main__':
    app.run(debug=True, host='0.0.0.0', port=8080)

เนื่องจากเราต้องแสดงข้อความแสดงข้อผิดพลาดใน index.html จึงต้องแก้ไขไฟล์ดังกล่าวด้วย มาขอให้ Gemini ทำสิ่งนี้ผ่านพรอมต์ด้านล่างกัน

update the index.html to display the error message

ซึ่งควรให้ไฟล์ index.html ที่อัปเดตแล้วดังที่แสดงด้านล่าง

<!DOCTYPE html>
<html>
<head>
  <title>File Upload</title>
</head>
<body>
  <h1>File Upload</h1>
  {% if error %}
    <p style="color: red;">{{ error }}</p>
  {% endif %}
  <form action="/upload" method="post" enctype="multipart/form-data">
    <input type="file" name="file">
    <input type="submit" value="Upload">
  </form>
</body>
</html>

ตรวจสอบว่าในแต่ละขั้นตอนข้างต้น คุณได้บันทึกการเปลี่ยนแปลงในไฟล์ app.py และ index.html ตามลำดับ

app.py ไม่มีชื่อที่เก็บข้อมูลที่ถูกต้อง ดังนั้นเราจึงให้ข้อมูลนั้นแก่ Gemini และขอให้ทำการเปลี่ยนแปลงได้ นอกจากนี้ เรายังต้องระบุรหัสโปรเจ็กต์สำหรับอินสแตนซ์ storage.Client() ด้วย ดังนั้น ให้ป้อนพรอมต์ 2 รายการต่อไปนี้ (แทนที่ <PROJECT_ID> ด้วยรหัสโปรเจ็กต์ Google Cloud ของคุณ) ในหน้าต่าง Gemini Chat แล้วรวมการเปลี่ยนแปลง

พรอมต์ 1

My bucket name is gemini-for-devs-demo_uploads, please change the code to use that.

พรอมต์ 2

My project id is gemini-for-devs-demo, please change the storage.Client() to use that.

ไฟล์ app.py สุดท้ายจะมีลักษณะดังนี้ (รหัสโปรเจ็กต์ของฉันแสดงอยู่ด้านล่าง แต่ในอุดมคติแล้วควรเป็นรหัสที่คุณกำลังทำงานด้วยและที่คุณระบุในพรอมต์ด้านบน)

from flask import Flask, render_template, request, redirect, url_for
from google.cloud import storage

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/upload', methods=['POST'])
def upload():
    try:
        file = request.files['file']
        filename = file.filename
        bucket = storage.Client(project='gcp-experiments-349209').bucket('gcp-experiments-349209_uploads')
        blob = bucket.blob(filename)
        blob.upload_from_string(
            file.read(),
            content_type=file.content_type
        )
        return redirect(url_for('index'))
    except Exception as e:
        return render_template('index.html', error=str(e))

if __name__ == '__main__':
    app.run(debug=True, host='0.0.0.0', port=8080)

9. เรียกใช้เว็บแอปพลิเคชันในเครื่อง

สร้างสภาพแวดล้อม Python ที่มีทรัพยากร Dependency ที่กำหนดไว้ในไฟล์ requirements.txt ไปที่ Command Palette ใน Cloud Shell IDE ดังที่แสดงด้านล่าง

55dffeed9fe6e9c0.png

พิมพ์ Python: Create Environment แล้วทำตามขั้นตอนเพื่อสร้างสภาพแวดล้อมเสมือนโดยใช้ (venv) จากนั้นใช้ตัวแปล Python 3.x และไฟล์ requirements.txt การดำเนินการนี้จะสร้างสภาพแวดล้อมที่จำเป็น

เปิดใช้เทอร์มินัลตอนนี้ ดังที่แสดงด้านล่าง

6ede24cb97a4e9c5.png

ป้อนคำสั่งต่อไปนี้ในเทอร์มินัล

python app.py

แอป Flask ควรเปิดตัวและคุณควรเห็นข้อความคล้ายกับข้อความต่อไปนี้

(.venv) romin@cloudshell:~/webhook-2 (gcp-experiments-349209)$ python app.py 
 * Serving Flask app 'app'
 * Debug mode: on
WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.
 * Running on all addresses (0.0.0.0)
 * Running on http://127.0.0.1:8080
 * Running on http://10.88.0.3:8080
Press CTRL+C to quit
 * Restarting with watchdog (inotify)
 * Debugger is active!
 * Debugger PIN: 989-296-833

ไปที่ URL http://127.0.0.1:8080 แล้วหน้า index.html ควรจะแสดงขึ้น

อัปโหลดไฟล์จากเครื่องในพื้นที่ของคุณ แล้วระบบจะประมวลผลไฟล์ดังกล่าวเรียบร้อย

คุณตรวจสอบการสรุปได้โดยไปที่ชุดข้อมูลและตาราง BigQuery ที่เราเห็นก่อนหน้านี้ในแล็บ หรือจะดูที่ Bucket ของ Cloud Storage (<PROJECT_ID>_output) ก็ได้

10. (ไม่บังคับ) เปิดการสํารวจ - ทำให้ใช้งานได้ใน Cloud Run

  • คุณสามารถติดตั้งใช้งานแอปพลิเคชันใน Cloud Run ได้
  • ถาม Gemini Code Assist ด้วยพรอมต์ต่อไปนี้ (อาจต้องลองใช้พรอมต์ด้านบนหลายๆ รูปแบบ)
I don't want to build a container image but deploy directly from source. What is the gcloud command for that?

11. (ไม่บังคับ) เปิดการสํารวจ - เพิ่มรูปแบบ CSS

  • ใช้ Gemini Code Assist และผู้ช่วยในตัวแก้ไขเพื่อเพิ่มสไตล์ CSS ลงในแอปพลิเคชัน แล้วจึงนำแอปพลิเคชันไปใช้งานอีกครั้งเมื่อเสร็จสิ้น
  • เปิดไฟล์ index.html แล้วป้อนพรอมต์ต่อไปนี้ใน Gemini Chat Can you apply material design styles to this index.html?
  • ลองใช้รหัสและดูว่าใช้งานได้ไหม

12. ยินดีด้วย

ขอแสดงความยินดี คุณได้ทำงานร่วมกับ Gemini Code Assist ในโปรเจ็กต์ตัวอย่างเรียบร้อยแล้ว เพื่อทำความเข้าใจวิธีที่เครื่องมือนี้ช่วยในการสร้างโค้ด การเติมโค้ดให้สมบูรณ์ การสรุปโค้ด และช่วยคุณในการหาคำตอบสำหรับคำถามเกี่ยวกับ Google Cloud

13. เอกสารอ้างอิง