开启ChatVertexAI之旅：轻松掌握Google Cloud的AI聊天模型

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/142835047

# 开启ChatVertexAI之旅：轻松掌握Google Cloud的AI聊天模型

在现代人工智能的浪潮中，Google Cloud的VertexAI提供了一系列强大的聊天模型，如gemini-1.5-pro和gemini-1.5-flash。这篇文章将引导您快速上手ChatVertexAI，帮助您在Google Cloud上构建智能聊天应用。

## 引言

随着AI技术的快速发展，聊天机器人在各个行业中的应用越来越广泛。Google Cloud的VertexAI为开发者提供了灵活高效的聊天模型服务。本文章旨在帮助初学者和专业开发者理解如何使用ChatVertexAI，从而轻松实现自然语言处理任务。

## 主要内容

### 1. Google Cloud VertexAI vs Google PaLM

Google Cloud VertexAI和Google PaLM是独立的技术方案，VertexAI提供了企业版的PaLM，通过GCP支持多种聊天模型。对于需要企业级支持和扩展功能的开发者来说，这是一个理想的选择。

### 2. 设置和安装

**账户和认证**

为了使用VertexAI模型，您需要：
- 创建Google Cloud Platform账户
- 设置凭据并安装`langchain-google-vertexai`包

确保将服务帐号的JSON文件路径存储在环境变量`GOOGLE_APPLICATION_CREDENTIALS`中。

更多信息请参阅：
- [Google Cloud Application Default Credentials](https://cloud.google.com/docs/authentication/application-default-credentials#GAC)
- [Google Auth Documentation](https://googleapis.dev/python/google-auth/latest/reference/google.auth.html#module-google.auth)

**安装包**

安装`langchain-google-vertexai`包：
```bash
%pip install -qU langchain-google-vertexai

3. 实例化和调用

使用Python代码实例化模型对象并生成聊天结果：

from langchain_google_vertexai import ChatVertexAI

# 使用API代理服务提高访问稳定性
llm = ChatVertexAI(
    model="gemini-1.5-flash-001",
    temperature=0,
    max_tokens=None,
    max_retries=6,
    stop=None,
)

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
print(ai_msg.content)  # 输出: J'adore programmer.

4. 链接和提示模板

通过提示模板对模型进行链式调用：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
result = chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)

print(result.content)  # 输出: Ich liebe Programmieren.