1. Panoramica
Introduzione
Gemini 2.5 Pro è il modello più potente di Google per la programmazione e la conoscenza del mondo.
Con la serie 2.5, i modelli Gemini sono ora modelli di ragionamento ibridi. Gemini 2.5 Pro può applicare una quantità estesa di ragionamento alle attività e utilizzare gli strumenti per massimizzare l'accuratezza delle risposte.
Gemini 2.5 Pro è:
- Un miglioramento significativo rispetto ai modelli precedenti in termini di funzionalità, tra cui programmazione, ragionamento e multimodalità.
- Leader del settore nel ragionamento con prestazioni all'avanguardia nei benchmark di matematica e STEM.
- Un modello straordinario per il codice, con uno sviluppo web particolarmente avanzato.
- Particolarmente adatto per prompt complessi, ma comunque completo, incluso il numero 1 su LMSys.
Obiettivi didattici
In questo tutorial imparerai a utilizzare l'API Gemini e l'SDK Google Gen AI per Python con il modello Gemini 2.5 Pro.
Completerai le seguenti attività:
- Generare testo da prompt di testo
- Generare testo in modalità flusso
- Avviare chat a più turni
- Utilizzare metodi asincroni
- Configurare i parametri del modello
- Impostare le istruzioni di sistema
- Usare filtri di sicurezza
- Usare la generazione controllata
- Contare i token
- Elaborare dati multimodali (audio, codice, documenti, immagini, video)
- Usare la chiamata di funzione automatica e manuale
- Esecuzione del codice
- Esempi di modalità di ragionamento
2. Prima di iniziare
Prerequisiti
Prima di iniziare, devi disporre di un progetto Google Cloud con un account di fatturazione valido. Seleziona il progetto Google Cloud che vuoi utilizzare.
Per eseguire il codelab, utilizzeremo Colab Enterprise, un ambiente di notebook gestito e collaborativo con le funzionalità di sicurezza e conformità di Google Cloud.
Abilitare le API richieste
Fai clic sul pulsante di seguito per abilitare le API necessarie per questo codelab nel tuo progetto cloud Google Cloud: Vertex AI, Dataform e Compute Engine.
Copiare il notebook di Colab in Google Cloud
Fai clic sul pulsante di seguito per aprire il notebook del tutorial in Colab Enterprise. Verrà creata una copia del notebook di Colab nel progetto Google Cloud corrente, che ti consentirà di eseguire il notebook.
Iniziamo.
3. Inizializzare l'ambiente
Ora che abbiamo creato il notebook di Colab, possiamo eseguire il codice fornito al suo interno. I primi passaggi installeranno le dipendenze e importeranno le librerie necessarie.
Eseguire i passaggi della sezione Inizia
Innanzitutto, esegui le celle nella sezione Inizia una dopo l'altra.
Nota: puoi eseguire una cella tenendo il puntatore del mouse sopra la cella di codice che vuoi eseguire e poi facendo clic sull'icona 
Esegui cella.
Al termine di questa sezione avrai eseguito le seguenti operazioni.
- Installare l'SDK Google Gen AI per Python
- Importare le librerie necessarie per il lab
- Configurare un progetto Google Cloud per utilizzare Vertex AI
Ora utilizziamo Gemini 2.5 Pro per generare testo
4. Generare testo con Gemini
In questa sezione del notebook utilizzerai Gemini 2.5 Pro per generare completamenti di testo.
Continua ed esegui il prossimo insieme di celle nel notebook, prendendoti il tempo necessario per leggere il codice e capire come utilizzare l'SDK Google GenAI.
Al termine di questa sezione avrai imparato quanto segue.
- Come specificare il modello da utilizzare.
- Generazione di output non in streaming e in streaming.
- Utilizzo della funzionalità di chat a più turni dell'SDK.
- Chiamata asincrona dell'SDK.
- Configurazione dei parametri del modello.
- Impostazione delle istruzioni di sistema per personalizzare il comportamento del modello.
- Configurazione dei filtri di sicurezza dei contenuti.
Ora vedremo come inviare prompt multimodali a Gemini
5. Prompt multimodali
In questa sezione del notebook utilizzerai Gemini 2.5 Pro per elaborare immagini e video.
Continua ed esegui le seguenti celle nel notebook. 
Al termine di questa sezione avrai imparato quanto segue.
- Inviare un prompt composto da un'immagine e da testo.
- Elaborare un video da un URL
Ora genereremo output ben definiti e strutturati
6. Output strutturati
Quando utilizzi la risposta dei modelli nel codice, è importante ottenere output coerenti e affidabili dal modello. La generazione controllata ti consente di definire uno schema di risposta per specificare la struttura dell'output di un modello, i nomi dei campi e il tipo di dati previsto per ogni campo.
Continua ed esegui le seguenti celle nel notebook. 
Ora vedremo come ancorare gli output dei modelli
7. Grounding
Se vuoi utilizzare le knowledge base esistenti o fornire informazioni in tempo reale al modello, devi esaminare l'ancoraggio degli output del modello.
Con Gemini e Vertex AI, puoi ancorare l'output nella Ricerca Google, nell'output delle risposte delle funzioni e, infine, nel codice stesso. L'esecuzione del codice consente al modello di generare codice ed eseguirlo, imparando così dai risultati e iterando per ottenere l'output finale.
Continua ed esegui le seguenti celle nel notebook. 
Ora vedremo le funzionalità di ragionamento di Gemini 2.5 Pro
8. Ragionamento
La modalità di ragionamento è particolarmente utile per le attività complesse che richiedono più round di pianificazione strategica e risoluzione iterativa. I modelli Gemini 2.5 sono modelli pensanti in grado di ragionare sui propri pensieri prima di rispondere, mostrando prestazioni migliorate e una maggiore accuratezza.
Continua ed esegui le seguenti celle nel notebook. Quando lo fai, nota l'output di ragionamento prima che il modello presenti l'output effettivo. 
9. Conclusione
Complimenti! Hai imparato a sfruttare la potenza di Gemini 2.5 Pro utilizzando l'SDK Google Gen AI per Python, che copre la generazione di testo, la multimodalità, l'ancoraggio, gli output strutturati e le funzionalità di ragionamento avanzate. Ora hai le conoscenze di base per iniziare a creare le tue applicazioni innovative utilizzando l'SDK. Gemini 2.5 Pro, con la sua potente modalità di ragionamento, apre nuove possibilità e si presta all'innovazione in vari casi d'uso.
Riferimenti aggiuntivi
- Consulta la documentazione di riferimento dell'SDK Google Gen AI.
- Esplora altri notebook nel repository GitHub dell'AI generativa di Google Cloud.
- Esplora i modelli di AI in Model Garden.