深入探索Gemini 2.5 AI工程工作坊：文本生成与对话实战指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00285/article/details/148683413

深入探索Gemini 2.5 AI工程工作坊：文本生成与对话实战指南

gemini-2.5-ai-engineering-workshop 项目地址: https://gitcode.com/gh_mirrors/ge/gemini-2.5-ai-engineering-workshop

前言

在人工智能领域，文本生成技术正以前所未有的速度发展。Gemini 2.5作为Google最新推出的大型语言模型，在文本理解和生成能力上展现了卓越的性能。本文将带您深入探索Gemini 2.5的文本生成与对话功能，从基础应用到高级技巧，帮助开发者快速掌握这一强大工具。

环境准备与初始化

在开始之前，我们需要完成基础环境配置。Gemini 2.5提供了专门的SDK——google-genai，这是与模型交互的主要接口。

from google import genai
from google.genai import types
import os
import sys

# 初始化客户端
MODEL_ID = "gemini-2.5-flash-preview-05-20"
client = genai.Client(api_key=GEMINI_API_KEY)

基础文本生成

1. 发送第一个提示

让我们从一个简单的咖啡店命名请求开始：

prompt = "Create 3 names for a new coffee shop that emphasizes sustainability."
response = client.models.generate_content(
    model=MODEL_ID,
    contents=prompt
)
print(response.text)

这个基础示例展示了Gemini 2.5如何理解并响应简单的创意请求。模型会根据提示中的关键词"sustainability"(可持续性)生成符合主题的店名建议。

练习建议

为了加深理解，建议尝试以下练习：

让模型生成关于机器人的短诗
请求用简单术语解释"机器学习"
比较不同模型版本(如gemini-2.0-flash)的输出差异

令牌管理与成本控制

2. 理解令牌机制

令牌是Gemini模型处理文本的基本单位，理解令牌使用对项目至关重要：

成本管理：计费基于令牌消耗
上下文限制：模型有最大令牌限制(如Gemini 2.5 Pro支持100万令牌)
性能优化：较小的输入通常处理更快

在Gemini模型中，1个令牌约等于4个字符，100个令牌约等于60-80个英文单词。

令牌计数实践

prompt = "The quick brown fox jumps over the lazy dog."
token_count = client.models.count_tokens(
    model=MODEL_ID,
    contents=prompt
)
print(f"输入令牌数: {token_count.total_tokens}")

# 成本估算(示例)
estimated_cost = token_count.total_tokens * 0.15 / 1_000_000
print(f"估算输入成本: ${estimated_cost:.6f}")

生成内容后也可以获取详细的令牌使用信息：

usage = response.usage_metadata
print(f"输入令牌: {usage.prompt_token_count}")
print(f"思考令牌: {usage.thoughts_token_count}")
print(f"输出令牌: {usage.candidates_token_count}")

高级文本理解

3. 多内容输入

contents参数支持多种输入形式，包括单一提示、提示列表或多模态输入组合：

# 单一问题
response = client.models.generate_content(
    model=MODEL_ID,
    contents="What is the capital of France?"
)

# 多内容输入
response = client.models.generate_content(
    model=MODEL_ID,
    contents=["Create 3 names for a vegan restaurant", "city: Berlin"]
)

这种灵活性使得我们可以构建更复杂的查询，引导模型生成更精准的响应。

流式响应技术

4. 实时内容生成

流式传输允许增量接收响应，为长内容生成或实时应用提供更好的用户体验：

prompt = "Write a short story about a brave knight and a friendly dragon."
print("流式响应:")
for chunk in client.models.generate_content_stream(
    model=MODEL_ID,
    contents=prompt
):
    if chunk.text:
        print(chunk.text, end="", flush=True)

适用场景：

交互式应用(聊天机器人、助手)
长内容生成
实时用户反馈
提升感知性能

多轮对话实现

5. 聊天会话管理

聊天类提供了跟踪对话历史的接口，底层仍使用相同的generate_content方法：

chat_session = client.chats.create(model=MODEL_ID)

# 第一轮对话
user_message1 = "I'm planning a weekend trip. Any suggestions?"
response1 = chat_session.send_message(message=user_message1)

# 第二轮对话(带上下文)
user_message2 = "I like history and good food. Not too expensive."
response2 = chat_session.send_message(message=user_message2)

# 查看历史
history = chat_session.get_history()

这种机制使得构建连贯的对话体验变得简单直观。

系统指令定制

6. 模型行为塑造

系统指令允许定义模型的整体行为和个性特征，在整个对话中保持一致：

system_instruction = "You are a renowned poet from the 17th century..."
response = client.models.generate_content(
    model=MODEL_ID,
    contents="What are your thoughts on modern technology?",
    config=types.GenerateContentConfig(
        system_instruction=system_instruction
    )
)

最佳实践：

明确具体
定义角色和语气
包含格式偏好
设置行为准则

生成参数配置

7. 响应微调

通过配置参数可以精细调整生成行为：

config = {
    "temperature": 0.2,      # 较低值更确定性，较高值更有创造性
    "max_output_tokens": 2000, # 限制响应长度
    "top_p": 0.8,            # 核心采样 - 令牌选择的多样性
    "top_k": 30,             # 考虑前30个最可能的令牌
}

response = client.models.generate_content(
    model=MODEL_ID,
    contents="Write a tagline for eco-friendly sneakers",
    config=config
)

参数指南：

Temperature (0.0-2.0): 控制随机性。事实内容用0.2-0.4，创意内容用0.7-1.0
Top-p (0.0-1.0): 控制多样性。值越低越集中，越高越多样
Top-k: 限制令牌选择。值越低越集中，越高越多样
Max output tokens: 防止过长响应并控制成本

长上下文处理

8. 大文件上传与分析

Gemini 2.5 Pro支持100万令牌的上下文窗口，相当于：

5万行代码(标准80字符/行)
过去5年发送的所有短信
8本平均长度的英文小说
1小时视频数据

文件API允许上传文件作为请求上下文：

# 上传文本文件
myfile = client.files.upload(file="sample_book.txt")

# 使用上传文件作为上下文生成内容
response = client.models.generate_content(
    model=MODEL_ID, 
    contents=[myfile, "Summarize this book in 3 key points"]
)

实战练习：与"爱丽丝梦游仙境"对话

让我们创建一个交互式聊天会话，与经典文学作品"对话"：

# 下载书籍文本
book_text_url = "https://www.gutenberg.org/files/11/11-0.txt"
response = requests.get(book_text_url)
with open("alice_in_wonderland.txt", "w") as f:
    f.write(response.text)

# 上传文件
book_file = client.files.upload(file="alice_in_wonderland.txt")

# 创建带系统指令的聊天会话
system_instruction = "You are the character Alice from Wonderland..."
chat_session = client.chats.create(
    model=MODEL_ID,
    system_instruction=system_instruction
)

# 发送初始消息
response = chat_session.send_message(
    message="Tell me about your adventures in Wonderland",
    context_files=[book_file]
)