在Google Colab中调用Gemini的API实现智能问答

一、引言

Google终于放出大招，在2023年12月6日正式推出规模最大、功能最强大的人工智能模型Gemini，对标ChatGPT，甚至有要赶超ChatGPT-4.0的节奏。

相比之前的Bard，Gemini的文本理解能力、图片识别能力和语义抽取能力大大增强，可以进行复杂深入的推理分析，精确的文本信息抽取，细节入微的理解判断，将有助于用户在文本生成、智能问答、科学研究等领域实现历史性的突破。

更为重要的是Google随后开放了免费Gemini的API的申请，大家可以通过以下网站轻松申请到免费的API。

API​ai.google.dev

二、如何在Colab中调用Gemini的API

那么如何使用Gemini的API呢？本文将教你一步一步在Google Colab中用python调用Gemini的API。

第一步：申请Gemini的API Key

打开网站后显示如下，可以点击【Get API key in Google AI Studio】

进入到Google AI studio后，点击Get API key就可以得到一个Gemini的API key。与ChatGPT不同的时，这个key可以反复查看，不用担心生成后忘记或者丢失。

第二步：配置Google Colab

有了API key后，我们可以在Google的Colab中搭建一个项目，具体网址如下：

Google Colab​

进入到Colab中，我们新建一个记事本，把Gemini的API key复制一下，点击Colab左侧的小钥匙图标，添加一个环境变量：【GOOGLE_API_KEY】，它的值就定义为你的API key，这样就可以通过GOOGLE_API_KEY=userdata.get('GOOGLE_API_KEY')安全调用，同时在运行时不在代码中显示你的key，从而防止key泄露。

第三步： 调用Gemini的API代码

接着，我们需要把以下代码粘贴到记事本的单元格中。本文使用的是Gemini自带的Python代码，并加以修改以后如下：

import pathlib
import textwrap

import google.generativeai as genai

# Used to securely store your API key
from google.colab import userdata

from IPython.display import display
from IPython.display import Markdown

def to_markdown(text):
  text = text.replace('•', '  *')
  return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))

GOOGLE_API_KEY=userdata.get('GOOGLE_API_KEY')

genai.configure(api_key=GOOGLE_API_KEY)

model = genai.GenerativeModel('gemini-pro')

response = model.generate_content("Tell me 5 resorts in the US for international travelers.")

md_content = to_markdown(response.text)

display(md_content)

在上面response一列可以输入自己的问题，如我输入的是：【Tell me 5 resorts in the US for international travelers.】告诉我美国的五大旅游胜地？经过Gemini的处理，我们得到了下面markdown格式的内容：

三、学后反思

1. Gemini目前是Google推出的最强大的人工智能工具，性能上不次于Chatgpt plus，而且还免费开放其API 申请，如果能结合APIkey + Colab + Python使用，对于用户来说将简单方便。

2. 使用Colab的好处是，我们不用在本地安装Python软件，配置安装环境，能够节省本地资源，同时减少运行环境不完善带来的报错，是我们调试Python程序的绝佳平台。

3. 以上的资源均为免费，可以节省预算，又能最大限度地综合发挥各大平台的优势，方便我们使用。动手能力强的小伙伴可以试试。

4. 使用Python的原因是，我们可以更好地批量调用Gemini的API，而不用一次输入一个问题，而是一次输入多个问题，静待答案的生成。Google强大的计算能力能让我们统筹各项工作，不用担心本地计算资源不足的问题。

关注我，一个喜欢Python爱好者，带给你不一样的学习体验。