1. Przegląd
Wprowadzenie
Gemini 2.5 Pro to najbardziej zaawansowany model Google do kodowania i wiedzy o świecie.
Modele Gemini z serii 2.5 to teraz modele wnioskowania hybrydowego. Gemini 2.5 Pro może poświęcić więcej czasu na przemyślenie zadań i używać narzędzi, aby zmaksymalizować dokładność odpowiedzi.
Gemini 2.5 Pro:
- Znacznie lepszy od poprzednich modeli pod względem możliwości, w tym kodowania, rozumowania i multimodalności.
- Najlepszy w branży w zakresie rozumowania, z najnowocześniejszymi wynikami w testach porównawczych z matematyki i nauk przyrodniczych, techniki, inżynierii i matematyki.
- Świetny model do kodowania, zwłaszcza do tworzenia stron internetowych.
- Szczególnie dobrze sprawdza się w przypadku złożonych promptów, ale jest też wszechstronny. Zajmuje 1 miejsce na liście LMSys.
Czego się nauczysz
Z tego samouczka dowiesz się, jak używać interfejsu Gemini API i pakietu Google Gen AI SDK for Python z modelem Gemini 2.5 Pro.
Wykonasz te zadania:
- Generowanie tekstu na podstawie promptów tekstowych
- Generowanie tekstu strumieniowego
- Rozpoczynanie czatów wieloetapowych
- Używanie metod asynchronicznych
- Konfigurowanie parametrów modelu
- Ustawianie instrukcji systemowych
- Korzystanie z filtrów bezpieczeństwa
- Korzystanie z generowania kontrolowanego
- Liczba tokenów
- przetwarzanie danych multimodalnych (audio, kod, dokumenty, obrazy, wideo);
- Korzystanie z automatycznego i ręcznego wywoływania funkcji
- Wykonanie kodu
- Przykłady trybu myślenia
2. Zanim zaczniesz
Wymagania wstępne
Zanim zaczniesz, musisz mieć projekt w Google Cloud z ważnym kontem rozliczeniowym. Wybierz projekt Google Cloud, którego chcesz używać.
Aby przeprowadzić to ćwiczenie, użyjemy Colab Enterprise, czyli zarządzanego środowiska notatników, które umożliwia współpracę, a przy tym udostępnia funkcje zabezpieczeń i zgodności z regulacjami oferowane w Google Cloud.
Włączanie wymaganych interfejsów API
Kliknij przycisk poniżej, aby włączyć w projekcie Google Cloud interfejsy API niezbędne do tego ćwiczenia: Vertex AI, Dataform i Compute Engine.
Kopiowanie notatnika Colab do Google Cloud
Kliknij przycisk poniżej, aby otworzyć notatnik z samouczkiem w Colab Enterprise. Spowoduje to utworzenie kopii notatnika Colab w bieżącym projekcie w chmurze Google, co umożliwi jego uruchomienie.
Zaczynamy!
3. Inicjowanie środowiska
Po utworzeniu notatnika Colab możemy uruchomić kod, który się w nim znajduje. W pierwszych kilku krokach zainstalujesz zależności i zaimportujesz niezbędne biblioteki.
Wykonaj czynności opisane w sekcji Pierwsze kroki.
Najpierw uruchom kolejno komórki w sekcji Pierwsze kroki.
Uwaga: aby uruchomić komórkę, najedź wskaźnikiem myszy na komórkę z kodem, którą chcesz uruchomić, a następnie kliknij ikonę 
Uruchom komórkę.
Po zakończeniu tej sekcji:
- Instalowanie pakietu Google Gen AI SDK for Python
- Zaimportuj biblioteki niezbędne do laboratorium
- Konfigurowanie projektu w chmurze Google do korzystania z Vertex AI
Teraz użyjemy Gemini 2.5 Pro do wygenerowania tekstu
4. Generuj teksty za pomocą Gemini
W tej sekcji notatnika użyjesz Gemini 2.5 Pro do generowania uzupełnień tekstu.
Wykonaj kolejny zestaw komórek w notatniku, poświęcając czas na przeczytanie kodu i zrozumienie, jak korzystać z pakietu Google GenAI SDK.
Po zakończeniu tej sekcji będziesz wiedzieć:
- Jak określić model, którego chcesz użyć.
- Generowanie danych wyjściowych w trybie strumieniowania i bez strumieniowania.
- korzystać z funkcji czatu wieloetapowego w pakiecie SDK,
- Wywoływanie pakietu SDK asynchronicznie.
- Konfigurowanie parametrów modelu.
- Ustawianie instrukcji systemowych w celu dostosowania działania modelu.
- konfigurowanie filtrów bezpieczeństwa treści;
Następnie pokażemy, jak wysyłać do Gemini prompty multimodalne
5. Prompty multimodalne
W tej sekcji notatnika użyjesz Gemini 2.5 Pro do przetwarzania obrazów i filmów.
Wykonaj w notatniku te komórki: 
Po zakończeniu tej sekcji będziesz wiedzieć:
- Wysyłanie prompta składającego się z obrazu i tekstu.
- Przetwarzanie filmu z adresu URL
Następnie wygenerujemy dobrze zdefiniowane i uporządkowane dane wyjściowe
6. Uporządkowane dane wyjściowe
Podczas używania odpowiedzi modeli w kodzie ważne jest, aby model generował spójne i wiarygodne wyniki. Generowanie kontrolowane umożliwia zdefiniowanie schematu odpowiedzi, aby określić strukturę danych wyjściowych modelu, nazwy pól i oczekiwany typ danych dla każdego pola.
Wykonaj w notatniku te komórki: 
Następnie pokażemy, jak ugruntować wyniki modeli
7. Osadzanie w kontekście
Jeśli chcesz korzystać z istniejących baz wiedzy lub dostarczać modelowi informacje w czasie rzeczywistym, zapoznaj się z informacjami o powiązaniu wyników modelu ze źródłem informacji.
Dzięki Gemini i Vertex AI możesz opierać wyniki na wyszukiwarce Google, na wynikach odpowiedzi funkcji i w końcu na samym kodzie. Funkcja wykonywania kodu umożliwia modelowi generowanie i stosowanie kodu, a tym samym uczenie się na podstawie wyników i iteracyjne uzyskiwanie ostatecznego wyniku.
Wykonaj w notatniku te komórki: 
Następnie zobaczymy możliwości myślenia modelu Gemini 2.5 Pro
8. Myślę
Tryb myślenia jest szczególnie przydatny w przypadku złożonych zadań, które wymagają wielu rund strategii i iteracyjnego rozwiązywania. Modele Gemini 2.5 to modele myślące. Zanim odpowiedzą, są w stanie przeprowadzić rozumowanie, czego wynikiem jest lepsza wydajność i zwiększona dokładność odpowiedzi.
Wykonaj w notatniku te komórki. Zwróć uwagę na wynik procesu myślowego, zanim model przedstawi rzeczywisty wynik. 
9. Podsumowanie
Gratulacje! Wiesz już, jak wykorzystać możliwości modelu Gemini 2.5 Pro za pomocą pakietu Google Gen AI SDK for Python, w tym generowanie tekstu, multimodalność, ugruntowanie, dane wyjściowe o strukturze i zaawansowane możliwości myślenia. Masz już podstawową wiedzę, która pozwoli Ci zacząć tworzyć własne innowacyjne aplikacje przy użyciu pakietu SDK. Gemini 2.5 Pro, dzięki zaawansowanemu trybowi myślenia i rozumowania, otwiera nowe możliwości i sprzyja innowacjom w różnych zastosowaniach.
Dodatkowe materiały
- Zapoznaj się z dokumentacją referencyjną pakietu Google Gen AI SDK.
- Dodatkowe notatniki znajdziesz w repozytorium GitHub dotyczącym generatywnej AI w Google Cloud.
- Poznaj modele AI w Model Garden.