将 Google 的 Gemini AI 集成到 Android 应用程序中

本文主要是介绍将 Google 的 Gemini AI 集成到 Android 应用程序中，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Google 的 Gemini SDK 是一款功能强大的工具，可直接访问 Android 应用程序中的 Gemini AI 模型。此集成简化了应用程序开发，因为开发人员无需管理复杂的后端 AI 基础架构。让我们深入了解如何将 Gemini 的功能引入您的 Android 项目。

我们首先从https://aistudio.google.com/app/apikey获取 api 密钥。如果您被重定向到https://ai.google.dev/available_regions，则意味着该 api 在您所在的地区尚不可用（您可以使用 VPN 进行测试）。

然后我们导入依赖项

generativeai = { group = “com.google.ai.client.generativeai”， name = “generativeai”， version. ref = “ai” }

人工智能能够为文本或文本和图像输入创建文本输出。如果您计划仅传递文本输入，建议使用“gemini-pro”，否则使用“gemini-pro-vision”模型。

我们首先创建模型

val model = GenerativeModel( modelName = "gemini-pro" , apiKey = BuildConfig.apiKey // 或者您存储 api 密钥的任何位置
)

然后生成对你的提示的响应非常容易：

suspend  fun  parseInput (prompt: String ) : String? { return withContext(Dispatchers.IO) { val response = model.generateContent(prompt) return @withContext response.text } 
}

如果你还想传递图像，那么你应该使用以下方法初始化你的模型

val model = GenerativeModel( modelName = "gemini-pro-vision" , apiKey = BuildConfig.apiKey // 或者您存储 api 密钥的任何位置
)

然后你用以下方法从文本和图像生成输出

suspend  fun  parseInput (prompt: String , image: Bitmap ) : String? { return withContext(Dispatchers.IO) { val inputContent = content { image(image) text(prompt) } // 如果愿意，您可以传递多张图片val response = model.generateContent(inputContent) return @withContext response.text } 
}

如果我们检查上面的内容函数，我们会看到

public fun content(role: String? = "user",init: Content.Builder.() -> Unit
): Content

这也可以用于创建聊天类集成的角色。我们可以拥有一个“用户”角色和一个“模型”角色，存储之前的问题和答案，并利用对话上下文轻松地与我们的模型聊天。

private  val chatHistory = mutableListOf( content(role = "user" ) { text( "您好，我想问一个问题" ) }, content(role = "model" ) { text( "很高兴认识您。您想知道什么？" ) } 
) 
suspend  fun  converse (prompt: String ) : String? { return withContext(Dispatchers.IO) { val chat = generativeModel.startChat(history = chatHistory) return @withContext   chat.sendMessage(prompt).text?.also { chatHistory.add(content(role = "user" ) { text(prompt) }) chatHistory.add(content(role = "model" ) { text(it) }) } } 
}

如果你不想等待完整的响应，而是分块获取响应（类似于在线人工智能模型的做法），那么设置起来相当容易

suspend  fun  parseInput (prompt: String ) : Flow<String> { return withContext(Dispatchers.IO) { return @withContext generativeModel .generateContentStream(prompt) .mapNotNull { it.text } } 
}