Gemini rīkkopa: viss, ko varat darīt jau šodien ar Google mākslīgā intelekta lietotnēm, rīkiem un API

Sākums » Labākās lietotnes » Gemini rīkkopa: viss, ko varat darīt jau šodien ar Google mākslīgā intelekta lietotnēm, rīkiem un API

“Gemini toolbox” vairs nav tikai āķīga frāze; tas ir praktisks lietotņu, rīku, aģentu un API kopums, ko Google nemanāmi ieauž visā, sākot no ikdienas mācīšanās līdz uzņēmumu darbplūsmām. Viena monolīta asistenta vietā Gemini tagad darbojas vairāk kā rīku kaste, kurā katra funkcija ir konkrēts instruments: pētniecības dzinējs, pasniedzējs, koda palīgs, sapulču plānotājs, slaidu veidotājs un daudz kas cits.

Ja saprotat, kā šīs daļas — Canvas, vadītā mācīšanās, laboratorijas, aģenti, Gemini Enterprise un Gemini API — sader kopā, varat pārvērst Gemini par īstu darba zirgu, nevis par jaunu tērzēšanas robotu. Zemāk atradīsiet detalizētu šī rīku komplekta apskatu: kas atrodas stabilajā sadaļā “Rīki”, kas tiek testēts sadaļā “Laboratorijas”, kā Gemini darbojas kā pasniedzējs ar attēliem un videoklipiem un kā izstrādātāji var savienot API ar Google Workspace nopietnai automatizācijai.

Kas īsti šodien ir Dvīņu instrumentu komplektā?

Gemini vislabāk var saprast kā mākslīgā intelekta modeļu saimi ( valodu modeļi ) (Gemini 1.0, Gemini 1.5, Gemini 3 utt.), kas tiek piegādāti, izmantojot dažādas front-end saskarnes: tīmekli, mobilās lietotnes, Workspace integrāciju un izstrādātāja API. “Rīku komplekta” ideja rodas no tā, kā Google tagad grupē konkrētas iespējas Gemini saskarnē, īpaši tīmeklī.

Tīmeklī galvenais atlasītājs Gemini iekšienē ir sadalīts divās galvenajās zonās: “Rīki” stabilai, ražošanai gatavai funkcionalitātei un “Laboratorijas” eksperimentiem, kas vēl nav pabeigti. Iedomājieties “Rīkus” kā uzticamu skrūvgriezi, ko paķerat katru dienu, savukārt “Laboratorijas” ir paplāte, kurā glabājat prototipus, kas nākamajā nedēļā varētu mainīt formu.

Mobilajās ierīcēs Gemini lietotnēs tiek pievienoti daudzi no šiem pašiem rīkiem — vadīta mācīšanās, Canvas tipa pieredze, attēliem bagāta palīdzība —, taču tie tiek ieviesti pakāpeniski. Ja lietotnē vēl neredzat konkrētu funkciju, Google nepārprotami iesaka mēģināt vēlreiz vēlāk vai apmeklēt vietni gemini.google.com, lai skatītu jaunāko versiju tīmeklī.

Zem pārsega visas šīs virsmas atbalsta Gemini API, kas nodrošina multimodālus modeļus un funkciju izsaukšanu, lai jūs varētu ģenerēt saturu, analizēt attēlus vai organizēt darbplūsmas, izmantojot kodu. Šis API ir daudzu Workspace automatizāciju mugurkauls, kuras mēs aplūkosim vēlāk.

Rīki pret laboratorijām: kā Gemini organizē savas funkcijas

Tā kā Gemini ir uzkrājis vairāk pogu un režīmu, Google ir ieviesis skaidrāku nodalījumu starp nobriedušām un eksperimentālām funkcijām, izmantojot divas sadaļas: “Rīki” un “Laboratorijas”. Šīs izmaiņas jau ir redzamas tīmekļa saskarnē un tiek pakāpeniski ieviestas no Google serveriem, tāpēc ne katrs konts vienlaikus redz vienu un to pašu izkārtojumu.

Sadaļā “Rīki” Google piedāvā iespējas, kuras tas uzskata par stabilām un paredzamām ikdienas lietošanai. Ziņojumi no tādiem avotiem kā Android Police un 9to5Google liecina, ka šajā sadaļā ir iekļauti tādi elementi kā Deep Research, attēlu ģenerēšana, video veidošana, izmantojot Veo, Canvas, Guided Learning un Deep Think, kas dažkārt ir saistīti ar konkrētiem abonēšanas līmeņiem, piemēram, Google AI Pro vai Google AI Ultra.

Savukārt “Laboratorijas” ir skaidri definēta rotaļu zona: īpaša zona Gemini atlasītājā, kurā tiek grupētas funkcijas, kas atzīmētas kā eksperimentālas. Parasti redzēsiet ikonas ar nelielu laboratorijas kolbu un tādiem apzīmējumiem kā Gemini aģents, dinamiskais skats (saukts arī par vizuālo izkārtojumu) un personīgā informācija. Noklikšķinot uz jebkā sadaļā “Laboratorijas”, sagaidāmais ir vienkāršs: darbība var mainīties, pazust vai pārvietoties bez īpaša brīdinājuma.

No produkta dizaina viedokļa šī atdalīšana ir svarīga uzticībai. Kad mākslīgā intelekta lietotne strauji attīstās, risks nav tikai "pārāk daudz funkciju", bet gan "neziņa par to, uz kurām funkcijām varu paļauties". Novietojot ikdienas rīkus vienā zonā un eksperimentus citā, Gemini signalizē par risku līdzīgi kā "normālais" un "sporta" režīms automašīnā.

Stabilie Gemini rīki: padziļinātā izpēte, Canvas, vadīta mācīšanās un citi

Galvenais Gemini rīku komplekts lielākajai daļai lietotāju atrodas sadaļā “Rīki”, kur atradīsiet pieredzi, ap kuru Google vēlas veidot jūsu ieradumus. Lai gan precīzs rīku klāsts atšķiras atkarībā no konta un abonementa līmeņa, daži elementi jau ir centrā.

Deep Research pārveido Gemini par strukturētu pētniecības palīgu, nevis par vispārīgu tērzēšanas modeli. Kad uzdodat jautājumu, kura risināšanai nepieciešams meklēt vairākos avotos, Deep Research ievēro skaidrāku daudzpakāpju procesu, izceļot konsekventu metodoloģiju, lai lietotāji zinātu, ko sagaidīt katru reizi, kad to aktivizē.

Rīku atvilktnē atrodas arī satura veidošanas rīki attēliem un video, tostarp Veo nodrošinātās integrācijas. Lietotājiem, kuri vizuālā satura veidošanai paļaujas uz Gemini, ir nepieciešams, lai šīs iespējas būtu viegli atrodamas un samērā stabilas, nevis paslēptas aiz mainīgiem eksperimentāliem karogiem.

Vēl viens pīlārs ir “Audekls”: darba telpas režīms, kurā varat sākt dokumentu vai kodēšanas projektu tieši no uzvednes un pēc tam to iteratīvi pilnveidot, izmantojot Gemini. Pieprasījumu joslā varat atlasīt “Audekls” un ierakstīt uzvedni, lai ģenerētu satura vai koda sākumpunktu, un pēc tam turpināt rediģēšanu interaktīvā, blakus esošā izkārtojumā.

Vadītā mācīšanās un dziļā domāšana papildina uz kognitīvi orientētos rīkus, īpaši lietotājiem, kuri vēlas strukturētu palīdzību sarežģītu tēmu risināšanā. Vadītā mācīšanās var darboties kā pasniedzējs, soli pa solim vadot jūs cauri idejām, savukārt dziļā domāšana veicina lēnāku, apzinātāku spriešanu par sarežģītiem jautājumiem.

Dvīņi kā personīgais pasniedzējs: vadīta mācīšanās, attēli un video

Viens no Gemini rīku komplekta lietotājdraudzīgākajiem aspektiem ir tā spēja darboties kā privātskolotājam, apvienojot vadītas secības ar vizuāliem skaidrojumiem. Tā vietā, lai aizpildītu teksta sienu, Gemini savās atbildēs var iekļaut attēlus, skices un pat video, lai atvieglotu koncepciju uztveršanu.

Praktiski jūs varat lūgt Dvīņiem izskaidrot tēmu un nepārprotami pieprasīt diagrammu, vizuālu sadalījumu vai ilustratīvu attēlu. Atbilde var tieši iestrādāt šos attēlus skaidrojumā, palīdzot jums vizualizēt, piemēram, matemātisku jēdzienu, darbplūsmu vai zinātnisku procesu.

Tiek atbalstīta arī video balstīta mācīšanās, lai gan detaļas atšķiras atkarībā no reģiona un ieviešanas fāzes. Dažām tēmām Gemini var parādīt vai atsaukties uz videoklipiem, kas papildina teksta atbildes, radot multimodālāku mācību ceļu, kurā jūs lasāt, skatāties un mijiedarbojaties ar jautājumiem vienā plūsmā.

Šis mācību režīms mobilajās Gemini lietotnēs tiek ieviests pakāpeniski, tāpēc, iespējams, ne visas iespējas būs redzamas uzreiz. Šādā gadījumā alternatīva ir tīmekļa pieredze, kur Gemini funkciju kopa bieži vien parādās agrāk pakāpeniskās ieviešanas laikā.

Gemini Enterprise un Workspace: mākslīgā intelekta aģenti komandām

Papildus personīgai lietošanai Gemini rīkkopa tiek paplašināta arī darba vietā, izmantojot Gemini Enterprise un Google Workspace integrācijas. Šeit uzmanības centrā vairs nav vienreizējas uzvednes, bet gan pastāvīgi aģenti, darbplūsmas un sadarbība plašā mērogā.

Google raksturo Gemini Enterprise kā uzlabotu aģentu platformu, kas katram darbiniekam un darbplūsmai sniedz labākās Google mākslīgā intelekta iespējas. Praksē tā ļauj komandām atklāt, izveidot, koplietot un palaist mākslīgā intelekta aģentus drošā vidē, kuras pamatā ir viņu pašu uzņēmuma dati, tādējādi samazinot izstrādes sastrēgumus un nodrošinot tādus lietošanas gadījumus kā pārdošanas analīze, procesu automatizācija un iekšējā zināšanu meklēšana.

Pats Google Workspace darbojas kā sadarbības platforma, ko papildina Gemini, un mākslīgais intelekts ir iestrādāts tādās lietotnēs kā Gmail, Docs un Meet. Tā vietā, lai pārslēgtos uz atsevišķu mākslīgā intelekta rīku, lietotāji var izsaukt Gemini savās ikdienas produktivitātes lietotnēs, lai melnrakstus veidotu, apkopotu informāciju vai ģenerētu idejas kontekstā.

Dažos iestatījumos jūs pat varat tērzēt ar Gemini tieši, izmantojot uzņēmuma datus, kas tiek glabāti pakalpojumā Google Workspace, Microsoft 365 un citās savienotajās sistēmās. Tas pārvērš Gemini par korporatīvo zināšanu slāni, kas var atbildēt uz jautājumiem, pamatojoties uz e-pastiem, dokumentiem un failiem, ievērojot IT konfigurētās atļaujas un drošības iestatījumus.

Gemini API: izstrādātāju rīku komplekta mugurkauls

Zem lietotājiem paredzētajām Gemini lietotnēm atrodas Gemini API, kas izstrādātājiem nodrošina tos pašus pamatmodeļus, kurus viņi var iegult savās lietojumprogrammās. Šajā API apvienojas multimodalitāte, funkciju izsaukšana un pielāgotas darbplūsmas, lai nodrošinātu nopietnu automatizāciju, īpaši izmantojot Google Workspace un Apps Script.

Gemini modeļi ir Google jaudīgākās mākslīgā intelekta sistēmas, un API nodrošina dažādus modeļu variantus, piemēram, uz tekstu orientētas un uz redzi orientētas versijas, katrai no tām ir noteiktas iespējas un ierobežojumi. Varat tos vizuāli izpētīt pakalpojumā Google AI Studio — mitinātā saskarnē, kurā var izmēģināt uzvednes, pielāgot modeļa iestatījumus un pat pielāgot pielāgotus modeļus, nerakstot kodu.

Lai sāktu lietot API, pieprasiet API atslēgu, izmantojot Google AI Studio vai citu atbalstītu konsoli, un pēc tam pārbaudiet to ar vienkāršu REST izsaukumu. Piemēram, varat eksportēt savu atslēgu vides mainīgajā, piemēram, GOOGLE_API_KEY, un izsaukt galapunktu, kurā uzskaitīti pieejamie modeļi, saņemot JSON failu, piemēram, models/gemini-1.0-pro, ja viss ir pareizi konfigurēts.

Pēc tam satura ģenerēšana ir JSON vērtuma nosūtīšana uz atbilstošo galapunktu, piemēram, izvēlētā modeļa metodi generateContent . Minimālais pieprasījums ietver satura lauku ar teksta daļām, savukārt papildu generationConfig un safetySettings ļauj kontrolēt tādus parametrus kā temperatūra un drošības filtri.

Gemini API izsaukšana no lietotņu skripta

Viens no spēcīgākajiem Gemini rīklodziņa modeļiem ir API apvienošana ar Google Apps Script, lai automatizētu darbplūsmas Workspace ietvaros. Šī pieeja ļauj jums vadīt Gemini līdzās tādiem pakalpojumiem kā Drive, Calendar, Gmail, Sheets un Slides, neveidojot pilnu aizmugursistēmu.

Standarta iestatīšana sākas ar lietotņu skripta projektu (piemēram, izveidotu, izmantojot script.new), kurā jūs saglabājat savu Gemini API atslēgu kā skripta rekvizītu. Kodā jūs iegūstat šo vērtību un izveidojat galapunkta URL konkrētam modelim, bieži vien gemini-1.0-pro-latest:generateContent, ar jūsu API atslēgu, kas tiek nodota kā vaicājuma parametrs.

Palīgfunkcija, piemēram, callGemini(prompt, temperature), parasti izveido JSON vērtumu, nosūta to, izmantojot UrlFetchApp.fetch , un parsē atbildi, lai iegūtu ģenerēto tekstu. Šis apvalks vienkāršo atkārtotu API izmantošanu no dažādām utilītprogrammām jūsu skriptā.

Testēšana ir vienkārša: varat izveidot testGemini() funkciju, kas definē uzvedni, izsauc jūsu palīgu un reģistrē gan ievadi, gan izvadi izpildes žurnālos. Kad tas darbojas, jūs zināt, ka jūsu Apps Script vide un Gemini API atslēga ir pareizi savienotas sarežģītākiem scenārijiem.

Gemini Vision galapunkta izmantošana attēliem

Pateicoties multimodālajam atbalstam, Gemini rīklodziņš sniedz plašākas iespējas nekā tikai teksts, jo īpaši spēja apstrādāt attēlus, izmantojot redzei iespējotu galapunktu. Lietotņu skriptā tas parasti ir atsevišķs galapunkts, piemēram, gemini-1.0-pro-vision-latest:generateContent , ko atkal parametrizē jūsu API atslēga.

Tipisks palīgs, piemēram, callGeminiProVision(prompt, image, temperature) , konvertēs attēla blobu uz base64, ieguls to kā inlineData ar atbilstošu MIME tipu un nosūtīs kopā ar teksta uzvedni. Pēc tam modelis atgriež tekstu, kas atspoguļo tā izpratni gan par attēlu, gan uzvedni.

Lai pārbaudītu iestatījumus, varat uzrakstīt nelielu testGeminiVision() komandu , kas lejupielādē parauga attēlu no publiska URL, nodod to jūsu palīgam un reģistrē Gemini Vision ģenerētu interesantu faktu vai analīzi. Šāda veida tests parāda, ka multimodālā ievade jūsu vidē darbojas pareizi.

Kad redzes plūsma ir stabila, to var atkārtoti izmantot augstāka līmeņa automatizācijās, piemēram, analizējot diagrammas no Google izklājlapām vai attēlus, kas saglabāti pakalpojumā Drive. Tieši tad multimodalitāte sāk šķist patiesi noderīga rīku komplekta sastāvdaļa, nevis demonstrācijas triks.

Funkcijas izsaukšana: piekļuves piešķiršana rīkiem Gemini

Vēl viens Gemini rīku komplekta svarīgs elements ir funkciju izsaukšana, kas ļauj modelim izlemt, kad izsaukt jūsu rīkus vai API. Tā vietā, lai tikai ģenerētu tekstu, Gemini var atgriezt strukturētus functionCall objektus, kas apraksta, kuru funkciju izmantot un ar kādiem argumentiem.

Lietotņu skriptā varat iestatīt palīgu, piemēram, callGeminiWithTools(prompt, tools, temperature) , kas nosūta rīku specifikāciju kopā ar lietotāja uzvedni. Šī specifikācija atbilst FunctionDeclaration shēmai, kurā jūs aprakstāt funkcijas nosaukumu, mērķi un JSON parametrus.

Kad Gemini nolemj, ka rīks ir jāizmanto, tā atbildē ir iekļauts funkcijas izsaukšanas objekts, ko var parsēt skriptā un novirzīt uz faktisko ieviešanu. Piemēram, var definēt rīku ar nosaukumu “datetime”, kas atgriež pašreizējo datumu un laiku, un vērot, kā Gemini pieprasa šo funkciju, lai atrisinātu ar kalendāra aprēķiniem saistītus jautājumus.

Funkciju izsaukšana ir īpaši spēcīga, jo tā var darboties vairākos posmos, ne tikai vienreizējos pieprasījumos. Tas nozīmē, ka varat izstrādāt sarežģītākus, sarunvalodas aģentus, kas izlemj, kad izsaukt rīkus, interpretēt rezultātus un turpināt dialogu.

Demonstrācijas integrācijas: Gemini + Google Workspace kā praktisks rīku komplekts

Kad apvienojat teksta ģenerēšanu, vizuālo ievadi un funkciju izsaukšanu, Gemini rīkkopa kļūst par praktisku Workspace automatizācijas dzinēju. Google koda laboratorijas materiālos ir izklāstīti vairāki konkrēti piemēri, kas ilustrē iespējas.

Augstā līmenī ienākošie lietotāju vaicājumi tiek nodoti Gemini ar pieejamo rīku kopu, kas attēlo dažādas darbplūsmas: sapulču plānošana, e-pasta ziņojumu rakstīšana no diagrammām un slaidu komplekta izveide. Pamatojoties uz vaicājumu, Gemini izvēlas pareizo funkciju un atgriež funkcijas izsaukumu ar strukturētiem argumentiem, piemēram, laikiem, failu nosaukumiem vai tēmām.

Savā lietotņu skriptā jūs pēc tam interpretējat funkcijas izsaukumu if…else ķēdē, izsaucot atbilstošo darbplūsmu, piemēram, setupMeeting() , draftEmail() vai createDeck() . Šī modeļa spriešanas un skaidras skripta loģikas kombinācija pārvērš Gemini no tērzēšanas loga par rīku komplektu reālam darbam.

Sanāksmju automatizācija: Diska failu apkopošana kalendāra pasākumos

Vienā demonstrācijā ir parādīts, kā Gemini var palīdzēt iestatīt kalendāra sapulci, kurā automātiski tiek iekļauts Google diskā mitināta teksta faila kopsavilkums. Lietotājs varētu ierakstīt kaut ko līdzīgu: “Sarunāt sapulci rīt plkst. 10:00 ar Helēnu, lai apspriestu jaunumus no Gemini-blog.txt failā.”

Aizkulisēs rīku specifikācijā ir deklarēts darbvietas rīks ar nosaukumu “setupMeeting” ar laika, saņēmēja un faila nosaukuma parametriem. Kad Gemini interpretē vaicājumu, tas izvēlas šo rīku un atgriež funkcijas izsaukumu ar aizpildītiem argumentiem.

Pēc tam atbilstošā setupMeeting() funkcija atrod norādīto failu diskā, nolasa tā saturu un nodod to Gemini, izmantojot callGemini() ar instrukcijām izveidot īsu JSON objektu, kas satur nosaukumu un īsu kopsavilkumu. Atbilde var tikt parādīta ietīta formatēšanas ierobežojumos, kurus pirms JSON parsēšanas noņem.

Izmantojot iegūto nosaukumu un kopsavilkumu, skripts izveido kalendāra notikumu, izmantojot CalendarApp , iestata kopsavilkumam aprakstu un pievieno avota failu, izmantojot paplašināto kalendāra pakalpojumu. Rezultāts ir ieplānota sapulce ar iebūvētu kontekstu, ko visu aktivizē viens dabiskās valodas pieprasījums.

E-pasta ziņojumu melnrakstu veidošana no Sheets diagrammām, izmantojot Gemini Vision

Vēl viena Gemini rīklodziņa darbplūsma ietver diagrammas analīzi pakalpojumā Google Sheets un Gmail ziņojuma izveidi, pamatojoties uz to. Iedomājieties, ka jums ir izklājlapa ar studiju izdevumiem un vēlaties e-pastu, kurā ir apkopots diagrammā redzamais jūsu kolēģes vārdā Marija.

Lietotāja vaicājums varētu būt šāds: “Izveidot e-pasta ziņojumu Marijai ar ieskatiem no diagrammas CollegeExpenses lapā.” Rīks ar nosaukumu “draftEmail” ir definēts, lai pieņemtu lapas_nosaukumu un saņēmēju, un Gemini izvēlas šo rīku, kad redz šāda veida pieprasījumu.

Funkcija draftEmail () atrod pieprasīto izklājlapu pakalpojumā Drive, atver atbilstošo lapu, izgūst tās pirmo diagrammu un saglabā to kā failu (piemēram, ExpenseChart.png). Pēc tam tā izveido uzvedni, norādot Gemini izmantot tikai diagrammā esošo informāciju, izvairīties no vēsturiskiem salīdzinājumiem un saglabāt ziņojumu kodolīgu.

Izsaucot callGeminiProVision(prompt, expenseChart) , skripts nosūta gan uzvedni, gan diagrammas attēlu uz Gemini Vision, kas atgriež pielāgotu e-pasta pamattekstu. Visbeidzot, skripts izveido Gmail melnrakstu, kas adresēts saņēmēja e-pasta adresei, iestata tēmu, piemēram, “Studiju izdevumi”, un pievieno diagrammas attēlu.

Šis modelis efektīvi pārvērš Gemini par analītiķi, kas var nolasīt diagrammu, izvilkt galveno stāstu un formulēt to dabiskā valodā jūsu vietā. Jūs joprojām pārskatāt un pielāgojat melnrakstu, taču lielākā daļa smagā darba tiek veikta automātiski.

Slaidu komplektu automātiska veidošana, izmantojot Gemini un Google Slides

Trešā galvenā demonstrācijas darbplūsma šajā rīklodziņā automātiski izveido Google Slides prezentācijas skeletu par lietotāja norādītu tēmu. Piemēram, jūs varētu jautāt: “Palīdziet man izveidot klāstu par ūdens taupīšanu.”

Rīks ar nosaukumu “createDeck” tiek deklarēts ar vienu parametru — tēmu, un Gemini tiek instruēts atgriezt strukturētu JSON failu, kas apraksta slaidu sēriju. Uzvedne norāda Gemini, cik slaidu izveidot (pamatojoties uz konstanti, piemēram, NUM_SLIDES), pieprasa īsus nosaukumus un aizzīmes, kā arī skaidri pieprasa derīgu JSON objektu, lai skripts varētu to droši parsēt.

Pēc callGemini() izsaukšanas ar šo uzvedni skripts noņem visas formatēšanas atzīmes, parsē JSON failu un pēc tam izmanto SlidesApp , lai ģenerētu jaunu prezentāciju. Pirmais slaids tiek uzskatīts par titullapu, un nākamie slaidi seko TITLE_AND_BODY izkārtojumam, kur skripts aizpilda virsrakstu un aizzīmju tekstu.

Dažu sekunžu laikā jūs iegūsiet pamata satura komplektu ar strukturētiem sarunu punktiem katrā slaidā, ko varēsiet vizuāli pielāgot. Lai gan rezultāts ir apzināti minimāls, šī darbplūsma parāda, kā Gemini var ātri uzsākt satura struktūru, lai jūs varētu koncentrēties uz dizainu un niansēm.

Rīkkopa paplašināšana: tērzēšanas roboti, RAG un vairāku apgriezienu rīki

Iepriekš minētie piemēri ir tikai sākumpunkts; plašāko Gemini rīku komplektu var paplašināt daudzos virzienos, kad esat apmierināts ar API un funkciju izsaukšanu. Google nepārprotami iesaka vairākus izpētes ceļus.

Viens populārs lietošanas gadījums ir tērzēšanas robotu izveide pakalpojumam Google Chat, izmantojot Gemini API. Šeit tiek piemēroti tie paši modeļi: jūs atklājat rīkus, ļaujat Gemini izlemt, kad tos izsaukt, un savienojat atbildes atpakaļ ar sarunu saskarni pakalpojumā Chat, ko visu pārvalda Chat API un saistītās kodlaboratorijas.

Vēl viens svarīgs virziens ir izguves papildināta ģenerēšana (RAG) virs privāta satura pakalpojumā Drive vai Keep. Tā vietā, lai apkopotu vienu teksta failu, varat apvienot Gemini API ar vektoru datubāzi un, pēc izvēles, orķestrācijas ietvaru, piemēram, LangChain, lai izgūtu atbilstošus fragmentus no PDF failiem, attēliem un piezīmēm, pirms lūgt Gemini ģenerēt atbildi, kas balstīta uz šiem dokumentiem.

Vairāku apgriezienu funkciju izsaukšana arī atver sarežģītākus aģentus, kas var iteratīvi izlemt, kurus rīkus izmantot un kādā secībā. Aģents var nevis pieņemt vienu lēmumu, bet gan izsaukt funkciju, pārbaudīt rezultātu un pēc tam izsaukt citu funkciju vai uzdot precizējošu jautājumu, visu veicot vienā nepārtrauktā pavedienā.

Visbeidzot, nav nepieciešams palikt Workspace ietvaros; kad esat apguvis Gemini API modeļus, varat piesaistīt modeli ārējiem API plašākā tīmeklī. Tādā veidā Gemini pāriet no ierobežota korporatīvā asistenta uz universālu digitālā darba orķestrētāju.

Kopā šie elementi — stabili rīki, eksperimentālas laboratorijas, apmācību funkcijas, uzņēmumu aģenti un izstrādātāju API — veido patiesi bagātīgu Gemini rīku komplektu, kas var pielāgoties gan neregulāriem studentiem, gan pieredzējušiem lietotājiem. Ja izturēsieties pret Gemini mazāk kā pret vienu lietotni un vairāk kā pret pieaugošu instrumentu kopumu, ko varat komponēt, jūs būsiet labā pozīcijā, lai izmantotu visu, ko Google pievienos tālāk, bez nepieciešamības katru reizi pārskatīt visu savu darbplūsmu.