此页面由 Cloud Translation API 翻译。

Gemini Developer API
使用集合让一切井井有条根据您的偏好保存内容并对其进行分类。

如需使用 Gemini Pro 和 Flash 模型，我们建议 Android 开发者使用 Firebase AI Logic 来使用 Gemini Developer API。您无需信用卡即可开始使用，并且提供宽裕的免费层级。在对小型用户群进行集成验证后，您可以通过改用付费层级来扩展规模。

一张插图，显示了包含 Firebase Android SDK 的 Android 应用。一个箭头从 Cloud 环境中的 SDK 指向 Firebase。从 Firebase 出发，另一个箭头指向 Gemini Developer API，后者与 Gemini Pro 和 Gemini Flash 相关联，它们也位于 Cloud 中。 — **图 1.** 用于访问 Gemini Developer API 的 Firebase AI Logic 集成架构。

使用入门

在直接从应用与 Gemini API 交互之前，您需要先完成一些操作，包括熟悉提示功能，以及设置 Firebase 和应用以使用 SDK。

使用提示进行实验

对提示进行实验有助于您为 Android 应用找到最佳措辞、内容和格式。Google AI Studio 是一个 IDE，可用于为应用的用例设计和开发提示原型。

为您的用例创建合适的提示与其说是科学，不如说是艺术，因此实验至关重要。如需详细了解提示，请参阅 Firebase 文档。

当您对提示满意后，点击“<>”按钮即可获取可添加到代码中的代码段。

设置 Firebase 项目并将您的应用连接到 Firebase

准备好从应用调用 API 后，请按照 Firebase AI 逻辑入门指南的“第 1 步”中的说明，在应用中设置 Firebase 和 SDK。

添加 Gradle 依赖项

将以下 Gradle 依赖项添加到应用模块中：

Kotlin

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:33.13.0"))

  // Add the dependency for the Firebase AI Logic library When using the BoM,
  // you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
}

Java

dependencies {
  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:33.13.0"))

  // Add the dependency for the Firebase AI Logic library When using the BoM,
  // you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")

  // Required for one-shot operations (to use `ListenableFuture` from Guava
  // Android)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Reactive
  // Streams)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

初始化生成式模型

首先，实例化 GenerativeModel 并指定模型名称：

Kotlin

val model = Firebase.ai(backend = GenerativeBackend.googleAI())
                        .generativeModel("gemini-2.0-flash")

Java

GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-2.0-flash");

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

详细了解可与 Gemini Developer API 搭配使用的可用模型。您还可以详细了解如何配置模型参数。

从您的应用与 Gemini Developer API 互动

现在，您已设置 Firebase 和应用以使用该 SDK，接下来就可以从应用与 Gemini Developer API 进行交互了。

生成文本

如需生成文本回答，请使用问题调用 generateContent()。

Kotlin

scope.launch {
  val response = model.generateContent("Write a story about a magic backpack.")
}

Java

Content prompt = new Content.Builder()
    .addText("Write a story about a magic backpack.")
    .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        [...]
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

根据图片和其他媒体内容生成文本

您还可以根据包含文字、图片或其他媒体内容的提示生成文本。调用 generateContent() 时，您可以将媒体作为内嵌数据传递。

例如，如需使用位图，请使用 image 内容类型：

Kotlin

scope.launch {
  val response = model.generateContent(
    content {
      image(bitmap)
      text("what is the object in the picture?")
    }
  )
}

Java

Content content = new Content.Builder()
        .addImage(bitmap)
        .addText("what is the object in the picture?")
        .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(content);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        [...]
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

如需传递音频文件，请使用 inlineData 内容类型：

Kotlin

val contentResolver = applicationContext.contentResolver
val inputStream = contentResolver.openInputStream(audioUri).use { stream ->
    stream?.let {
        val bytes = stream.readBytes()

        val prompt = content {
            inlineData(bytes, "audio/mpeg")  // Specify the appropriate audio MIME type
            text("Transcribe this audio recording.")
        }

        val response = model.generateContent(prompt)
    }
}

Java

ContentResolver resolver = getApplicationContext().getContentResolver();

try (InputStream stream = resolver.openInputStream(audioUri)) {
    File audioFile = new File(new URI(audioUri.toString()));
    int audioSize = (int) audioFile.length();
    byte audioBytes = new byte[audioSize];
    if (stream != null) {
        stream.read(audioBytes, 0, audioBytes.length);
        stream.close();

        // Provide a prompt that includes audio specified earlier and text
        Content prompt = new Content.Builder()
              .addInlineData(audioBytes, "audio/mpeg")  // Specify the appropriate audio MIME type
              .addText("Transcribe what's said in this audio recording.")
              .build();

        // To generate text output, call `generateContent` with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String text = result.getText();
                Log.d(TAG, (text == null) ? "" : text);
            }
            @Override
            public void onFailure(Throwable t) {
                Log.e(TAG, "Failed to generate a response", t);
            }
        }, executor);
    } else {
        Log.e(TAG, "Error getting input stream for file.");
        // Handle the error appropriately
    }
} catch (IOException e) {
    Log.e(TAG, "Failed to read the audio file", e);
} catch (URISyntaxException e) {
    Log.e(TAG, "Invalid audio file", e);
}

如需提供视频文件，请继续使用 inlineData 内容类型：

Kotlin

val contentResolver = applicationContext.contentResolver
contentResolver.openInputStream(videoUri).use { stream ->
  stream?.let {
    val bytes = stream.readBytes()

    val prompt = content {
        inlineData(bytes, "video/mp4")  // Specify the appropriate video MIME type
        text("Describe the content of this video")
    }

    val response = model.generateContent(prompt)
  }
}

Java

ContentResolver resolver = getApplicationContext().getContentResolver();

try (InputStream stream = resolver.openInputStream(videoUri)) {
    File videoFile = new File(new URI(videoUri.toString()));
    int videoSize = (int) videoFile.length();
    byte[] videoBytes = new byte[videoSize];
    if (stream != null) {
        stream.read(videoBytes, 0, videoBytes.length);
        stream.close();

        // Provide a prompt that includes video specified earlier and text
        Content prompt = new Content.Builder()
                .addInlineData(videoBytes, "video/mp4")
                .addText("Describe the content of this video")
                .build();

        // To generate text output, call generateContent with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String resultText = result.getText();
                System.out.println(resultText);
            }

            @Override
            public void onFailure(Throwable t) {
                t.printStackTrace();
            }
        }, executor);
    }
} catch (IOException e) {
    e.printStackTrace();
} catch (URISyntaxException e) {
    e.printStackTrace();
}

同样，您也可以将 PDF (application/pdf) 和纯文本 (text/plain) 文档作为参数传递，并将其各自的 MIME 类型作为参数传递。

多轮聊天

您还可以支持多轮对话。使用 startChat() 函数初始化聊天。您可以选择为模型提供消息历史记录。然后，调用 sendMessage() 函数发送聊天消息。

Kotlin

val chat = model.startChat(
    history = listOf(
        content(role = "user") { text("Hello, I have 2 dogs in my house.") },
        content(role = "model") { text("Great to meet you. What would you like to know?")   }
    )
)

scope.launch {
   val response = chat.sendMessage("How many paws are in my house?")
}

Java

Content.Builder userContentBuilder = new Content.Builder();
userContentBuilder.setRole("user");
userContentBuilder.addText("Hello, I have 2 dogs in my house.");
Content userContent = userContentBuilder.build();

Content.Builder modelContentBuilder = new Content.Builder();
modelContentBuilder.setRole("model");
modelContentBuilder.addText("Great to meet you. What would you like to know?");
Content modelContent = userContentBuilder.build();

List<Content> history = Arrays.asList(userContent, modelContent);

// Initialize the chat
ChatFutures chat = model.startChat(history);

// Create a new user message
Content.Builder messageBuilder = new Content.Builder();
messageBuilder.setRole("user");
messageBuilder.addText("How many paws are in my house?");

Content message = messageBuilder.build();

// Send the message
ListenableFuture<GenerateContentResponse> response = chat.sendMessage(message);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        System.out.println(resultText);
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

如需了解详情，请参阅 Firebase 文档。

后续步骤

查看 GitHub 上的 Android 快速入门 Firebase 示例应用和 Android AI 示例目录。
准备将应用用于生产环境，包括设置 Firebase App Check，以保护 Gemini API 免遭未经授权的客户端滥用。
如需详细了解 Firebase AI Logic，请参阅 Firebase 文档。

Gemini Developer API 使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。

使用入门

使用提示进行实验

设置 Firebase 项目并将您的应用连接到 Firebase

添加 Gradle 依赖项

Kotlin

Java

初始化生成式模型

Kotlin

Java

从您的应用与 Gemini Developer API 互动

生成文本

Kotlin

Java

根据图片和其他媒体内容生成文本

Kotlin

Java

Kotlin

Java

Kotlin

Java

多轮聊天

Kotlin

Java

后续步骤

Gemini Developer API
使用集合让一切井井有条根据您的偏好保存内容并对其进行分类。