如果你还没有听说，谷歌在 2023 年 12 月 6 日推出了他们的多模态大语言模型。这个模型基于多模态原理开发，可以能够处理和理解包括文本、代码、音频、图像和视频在内的各种数据类型。

Gemini 的发布一周后，该模型对公众开放，我们可以在这里试用。最初发布的模型有三个版本，但目前我们可以访问的是 Gemini Pro 版本。我们可以使用 Gemini Pro 文本模型或视觉模型的 API。

有了 API，我们可以开始实验并创造一些独特的东西。因此，这篇文章将教你如何使用 Gemini Pro 和 Streamlit 创建一个简单的多模态大语言模型Dashboard。

Gemini API

在开始之前，让我们先熟悉一下 Gemini API。在这一部分，我们将介绍模型 API 的主要用法以及如何获得输出。

首先，我们必须安装 Google 生成式 AI 包来访问 Gemini API。我建议你使用虚拟环境，因为我们不想破坏我们的基础环境。

pip install google-generativeai

成功安装包后，我们需要 Google API 密钥。你可以访问Google Makersuite并申请密钥。

为了简化操作，我们通过传递密钥到 .configure 函数来设置我们的 API 密钥。

import google.generativeai as genai  
  
genai.configure(api_key=GOOGLE_API_KEY)

接下来，我们将尝试使用 Gemini 模型。如我上文提到的，目前我们可以使用两个模型：

gemini-pro：仅限文本提示的模型。
gemini-pro-vision：用于文本和图像的多模态模型。

我们来尝试使用 gemini-pro 模型生成文本输入。最简单的形式就是将提示传递给模型，类似于下面的代码。

model = genai.GenerativeModel('gemini-pro')  
response = model.generate_content("What is the use of eyes?")
print(response.text)

来自 Gemini Pro Vision 模型的返回

接下来，让我们将图像和文本输入传递给 gemini-pro-vision 模型并生成文本回应。在这个例子中，我会输入我们的封面图片。

img = Image.open('image.jpg')  
  
model = genai.GenerativeModel('gemini-pro-vision')  
response = model.generate_content(img)  
  
print(response.text)

来自 Gemini Pro Vision 模型的返回

我们也可以添加我们的提示与图像数据输入，以生成特定的文本输出。

img = Image.open('image.jpg')  
  
model = genai.GenerativeModel('gemini-pro-vision')  
prompt = "What is the color of this image and the color of the text?"  
response = model.generate_content([prompt, img])  
  
print(response.text)

Gemini 还允许用户与模型进行对话，让模型表现得类似于聊天机器人。要做到这一点，我们需要初始化聊天对话类来管理对话的状态。

model = genai.GenerativeModel('gemini-pro')  
chat = model.start_chat(history=[])

然后，使用以下代码尝试整个对话。

model = genai.GenerativeModel('

gemini-pro')  
chat = model.start_chat(history=[])  
  
response = chat.send_message("What is the use of the eyes?", stream = True)  
response.resolve()  
print(response.text)  
  
response = chat.send_message("Summary the previous passages to me in one sentence", stream = True)  
response.resolve()  
print(response.text)  
  
print(chat.history)

我们使用 .resolve 函数让模型在我们继续之前完成处理。同时，我们将 stream 参数设置为 true 以流式传输聊天。下图是上述对话的聊天记录。

然而，截至本文撰写时，gemini-pro-vision 模型还无法启动多轮对话。这意味着你无法将视觉模型转换为对话型模型。

最后，我们可以使用 generation_config 参数调整模型参数。例如，我们更改最大 Token 输出和模型参数。

response = model.generate_content('What is the use of the eyes?',  
generation_config=genai.types.GenerationConfig(max_output_tokens=50,  
temperature=0.5))

使用 Streamlit 构建 LLM 应用

本教程的其余部分是关于结构化和将 Streamlit 组件与 Gemini API 模型结合起来。如果你还没有安装包，可以使用以下代码。

pip install streamlit

首先，我们将设置信息页面以请求 Google API 密钥。我们这样做是为了在输入表单中提供密钥之前不会继续。

import streamlit as st  
from PIL import Image  
import google.generativeai as genai  
  
st.set_page_config(page_title="Gemini Pro with Streamlit",page_icon="♊")  
  
st.write("Welcome to the Gemini Pro Dashboard. You can proceed by providing your Google API Key")  
  
with st.expander("Provide Your Google API Key"):  
     google_api_key = st.text_input("Google API Key", key="google_api_key", type="password")  
       
if not google_api_key:  
    st.info("Enter the Google API Key to continue")  
    st.stop()  
  
genai.configure(api_key=google_api_key)

我将上述代码放在名为 home.py 的文件中，并使用以下命令在 CLI 中启动应用。

streamlit run home.py

我们创建了一个简单的 Google API 密钥表单，用于接收文本输入，并将其放在可随时关闭的展开表单中。此外，信息会阻止任何活动，直到你提供 API 密钥。

接下来，我们将开发Dashboard侧边栏作为获取所有必要信息的地方。整个代码的初始化过程如下：

st.title("Gemini Pro with Streamlit Dashboard")  
  
with st.sidebar:  
    option = st.selectbox('Choose Your Model',('gemini-pro', 'gemini-pro-vision'))  
  
    if 'model' not in st.session_state or st.session_state.model != option:  
        st.session_state.chat = genai.GenerativeModel(option).start_chat(history=[])  
        st.session_state.model = option  
      
    st.write("Adjust Your Parameter Here:")  
    temperature = st.number_input("Temperature", min_value=0.0, max_value= 1.0, value =0.5, step =0.01)  
    max_token = st.number_input("Maximum Output Token", min_value=0, value =100)  
    gen_config = genai.types.GenerationConfig(max_output_tokens=max_token,temperature=temperature)  
  
    st.divider()  
  
    st.markdown("<span ><font size=1>Connect With Me</font></span>",unsafe_allow_html=True)  
    "[Linkedin](https://www.linkedin.com/in/cornellius-yudha-wijaya/)"  
    "[GitHub](https://github.com/cornelliusyudhawijaya)"  
      
    st.divider()  
      
    upload_image = st.file_uploader("Upload Your Image Here", accept_multiple_files=False, type = ['jpg', 'png'])  
      
    if upload_image:  
        image = Image.open(upload_image)  
  
    st.divider()  
  
    if st.button("Clear Chat History"):  
        st.session_state.messages.clear()

通过添加上述代码，您的 Streamlit Dashboard 会是下面这样。

那么，上述代码中发生了什么？让我来解释一些重要的部分。

对于以下代码，我们为用户提供了一个选择框来选择他们想要使用的模型。

option = st.selectbox('Choose Your Model',('gemini-pro', 'gemini-pro-vision'))  
  
    if 'model' not in st.session_state or st.session_state.model != option:  
        st.session_state.chat = genai.GenerativeModel(option).start_chat(history=[])  
        st.session_state.model = option

同时，我将模型选择和对象 st.session_state 存储起来，这样我们的模型在运行应用程序时不会不断重置。Streamlit 在我们做某事时会运行整个脚本，所以我们需要一个在会话期间保存信息完整的容器。

然后，以下代码是为您想传递给模型的参数。

st.write("Adjust Your Parameter Here:")  
    temperature = st.number_input("Temperature", min_value=0.0, max_value= 1.0, value =0.5, step =0.01)  
    max_token = st.number_input("Maximum Output Token", min_value=0, value =100)  
    gen_config = genai.types.GenerationConfig(max_output_tokens=max_token,temperature=temperature)

由于我们想要使用 Gemini Pro Vision 模型进行多模态操作，我们需要初始化上传图像数据的选项。

upload_image = st.file_uploader("Upload Your Image Here", accept_multiple_files=False, type = ['jpg', 'png'])  
      
    if upload_image:  
        image = Image.open(upload_image)

最后，只是清除聊天记录并不断重置到开场对话的选项。

if st.button("Clear Chat History"):  
     st.session_state.messages.clear()  
     st.session_state["messages"] = [{"role": "assistant", "content": "Hi there. Can I help you?"}]

解释完侧边栏部分后，我们现在将聊天对话应用程序引入 Streamlit Dashboard。为此，我们将使用以下代码。

if "messages" not in st.session_state:  
    st.session_state["messages"] = [{"role": "assistant", "content": "Hi there. Can I help you?"}]  
  
for msg in st.session_state.messages:  
    st.chat_message(msg["role"]).write(msg["content"])  
  
if upload_image:  
    if option == "gemini-pro":  
        st.info("Please Switch to the Gemini Pro Vision")  
        st.stop()  
    if prompt := st.chat_input():  
            st.session_state.messages.append({"role": "user", "content": prompt})  
            st.chat_message("user").write(prompt)  
            response=st.session_state.chat.send_message([prompt,image],stream=True,generation_config = gen_config)  
            response.resolve()  
            msg=response.text  
  
            st.session_state.chat = genai.GenerativeModel(option).start_chat(history=[])  
            st.session_state.messages.append({"role": "assistant", "content": msg})  
              
            st.image(image,width=300)  
            st.chat_message("assistant").write(msg)  
  
else:  
    if prompt := st.chat_input():  
              
            st.session_state.messages.append({"role": "user", "content": prompt})  
            st.chat_message("user").write(prompt)  
              
            response=st.session_state.chat.send_message(prompt,stream=True,generation_config = gen_config)  
            response.resolve()  
            msg=response.text  
            st.session_state.messages.append({"role": "assistant", "content": msg})  
            st.chat_message("assistant").write(msg)

这就是我们的 Gemini Pro Dashboard应用程序与 Streamlit 的整体结构。让我再次解释一下我们的代码中发生了什么。

if "messages" not in st.session_state:  
    st.session_state["messages"] = [{"role": "assistant", "content": "Hi there. Can I help you?"}]  
  
for msg in st.session_state.messages:  
    st.chat_message(msg["role"]).write(msg["content"])

在这一部分，我们设置了会话状态以存储所有发生的对话。此外，上述代码将是启动首次聊天并随后保持历史记录的代码。

然后，我们根据是否上传图片进行了条件分割。我们这样做是因为模型会根据您是否输入图像而有所不同。以下代码是我们上传图片时的情况。

if upload_image:  
    if option == "gemini-pro":  
        st.info("Please Switch to the Gemini Pro Vision")  
        st.stop()  
    if prompt := st.chat_input():  
            st.session_state.messages.append({"role": "user", "content": prompt})  
            st.chat_message("user").write(prompt)  
            response=st.session_state.chat.send_message([prompt,image],stream=True,generation_config = gen_config)  
            response.resolve()  
            msg=response.text  
  
            st.session_state.chat = genai.GenerativeModel(option).start_chat(history=[])  
            st.session_state.messages.append({"role": "assistant", "content": msg})  
              
            st.image(image,width=300)  
            st.chat_message("assistant").write(msg)

我们在上述代码中设置了一个条件，只有在模型是 Gemini Pro Vision 时才会运行，因为如果我们提供了图像输入，Gemini Pro 模型会出错。

上述代码中在所有条件都满足后发生的事情是，当我们输入聊天信息时，它会被存储在 prompt 变量中，然后用于随后的对话活动。此外，我们每次都会重置模型，因为 Gemini Pro Vision 模型不能进行多轮聊天。

这与以下代码类似，但适用于 Gemini Pro 模型。

else:  
    if prompt := st.chat_input():  
              
            st.session_state.messages.append({"role": "user", "content": prompt})  
            st.chat_message("user").write(prompt)  
              
            response=st.session_state.chat.send_message(prompt,stream=True,generation_config = gen_config)  
            response.resolve()  
            msg=response.text  
            st.session_state.messages.append({"role": "assistant", "content": msg})  
            st.chat_message("assistant").write(msg)

一切准备就绪，让我们测试一下我们的应用程序，看看它是否有效。让我们尝试视觉模型，看看它们的功能。

上图是Streamlit Dashboard与视觉模型。

它运行良好。让我们看看 Gemini Pro 模型是否能处理多轮对话。

上图是与 Gemini Pro 的多轮对话。

该应用程序可以与 Gemini Pro 进行多轮对话。一切都运行顺利。

这就是本教程的全部内容。您可以随时调整代码以获得更好的布局或格式，或尝试您认为合适的其他模型。

结论

Gemini Pro 是 Google 团队的最新大语言模型，它展示了令人充满希望的结果。在这篇文章中，我们使用 Google 团队提供的公共 API 来创建我们的大语言模型多模态 Streamlit Dashboard。