构建LangChain应用程序的示例代码：28、如何利用Google Cloud的Vertex AI Model Garden部署Gemma，以及如何在本地使用Kaggle或HuggingFace运行

安装依赖

# 安装Python依赖库，升级langchain和langchain-google-vertexai包
!pip install --upgrade langchain langchain-google-vertexai

运行模型

# 基本参数设置，需要替换成你的项目ID、端点ID和位置
@title 基本参数
project: str = "PUT_YOUR_PROJECT_ID_HERE"  # @param {type:"string"}
endpoint_id: str = "PUT_YOUR_ENDPOINT_ID_HERE"  # @param {type:"string"}
location: str = "PUT_YOUR_ENDPOINT_LOCATION_HERE"  # @param {type:"string"}

# 导入Gemma模型相关的类
from langchain_google_vertexai import (
    GemmaChatVertexAIModelGarden,
    GemmaVertexAIModelGarden,
)

# 初始化Gemma模型，用于单轮对话
llm = GemmaVertexAIModelGarden(
    endpoint_id=endpoint_id,
    project=project,
    location=location,
)

# 调用模型并打印输出结果
output = llm.invoke("生命的意义是什么？")
print(output)

使用Gemma作为多轮聊天模型

# 导入HumanMessage类，用于构建用户消息
from langchain_core.messages import HumanMessage

# 构建第一条用户消息并调用模型
message1 = HumanMessage(content="2加2等于多少？")
answer1 = llm.invoke([message1])
print(answer1)