WOLFRAM

Wolfram言語 ＆ システムドキュメントセンター

"GoogleGemini" (サービス接続)

このサービス接続には次が必要です：LLMアクセス »
Wolfram言語でGoogle Gemini APIを使う．

接続と認証

ServiceConnect["GoogleGemini"]はGoogle Gemini APIへの接続を確立する．それまでに保存された接続が見付かった場合は，それが使われる．それ以外の場合は，新たな認証リクエストが起動される．
この接続の使用には，インターネットのアクセスとGoogleのアカウントが必要である．

リクエスト

ServiceExecute["GoogleGemini","request",params]は，パラメータparams を使ってGoogle Gemini APIにリクエストを送信する．次は可能なリクエストである．

テキスト

リクエスト：

"Chat" — 与えられたチャットの会話に対する応答を作成する

パラメータ：
  • "Messages"（必須）会話中のメッセージのリスト
    "Model"Automatic使用するモデルの名前
    "N"Automatic返す補完の数（1から8まで）
    "Temperature"Automaticサンプリング温度（0から1まで）
    "TopProbabilities"Automatic最高確率の k クラスでのみサンプリングする
    "TotalProbabilityCutoff"None累積確率が最低でも p の最も確率が高いクラスからサンプリングする（核サンプリング）
    • リクエスト：

    "Embedding" — 入力テキストを表す埋込みベクトルを作成する

    パラメータ：
  • "Text"（必須）会話中のメッセージのリスト
    "Model"Automatic使用するモデルの名前
    • リクエスト：

    "TokenCount" — プロンプトでモデルのトークナイザを実行してトークン数を返す

    パラメータ：
  • "Content"（必須）使用するモデルの名前
    "Model"Automatic使用するモデルの名前

    • モデルリスト

    リクエスト：

    "ChatModelList" — "Chat"リクエストに使用可能なモデルをリストする

    例題

    すべて開く すべて閉じる

    例  (1)

    新たな接続を作成する：

    Wolfram Language code: gemini = ServiceConnect["GoogleGemini"]

    チャットからの応答を生成する：

    Wolfram Language code: ServiceExecute[gemini, "Chat", {"Messages" -> {<|"Role" -> "User", "Content" -> "Hello there!"|>}}]

    スコープ  (9)

    チャット  (6)

    複数のメッセージを含むチャットに応答する：

    Wolfram Language code: ServiceExecute["GoogleGemini", "Chat", {"Messages" -> { <|"Role" -> "User", "Content" -> "tell me three colors"|>}}]

    サンプリング温度を変える：

    Wolfram Language code: ServiceExecute["GoogleGemini", "Chat", {"Messages" -> {<|"Role" -> "User", "Content" -> "tell me three colors"|>}, "Temperature" -> 0}]

    ストップトークンを指定する：

    Wolfram Language code: ServiceExecute["GoogleGemini", "Chat", {"Messages" -> {<|"Role" -> "User", "Content" -> "say: the cat is on the mat"|>}, "StopTokens" -> {"cat"}}]

    トークンの最大数を指定する：

    Wolfram Language code: ServiceExecute["GoogleGemini", "Chat", {"Messages" -> {<|"Role" -> "User", "Content" -> "say: the cat is on the mat"|>}, "MaxTokens" -> 4}]

    全体の確率に対するカットオフを指定する（核サンプリング）：

    Wolfram Language code: ServiceExecute["GoogleGemini", "Chat", {"Messages" -> {<|"Role" -> "User", "Content" -> "who are you?"|>}, "TotalProbabilityCutoff" -> .2}]//Lookup["Content"]

    確率が最高の 個のトークンだけからサンプリングする：

    Wolfram Language code: ServiceExecute["GoogleGemini", "Chat", {"Messages" -> {<|"Role" -> "User", "Content" -> "who are you?"|>}, "TopProbabilities" -> 3}]//Lookup["Content"]

    埋込み  (2)

    テキストのベクトル埋込みを計算する：

    Wolfram Language code: ServiceExecute["GoogleGemini", "Embedding", {"Text" -> "ciao"}]//Short

    ベクトル埋込み間の距離を計算して意味的類似度を求める：

    Wolfram Language code: embeddings = Table[ ServiceExecute["GoogleGemini", "Embedding", {"Text" -> text}], {text, {"Paris", "London", "I love rock'n'roll"}} ];
    Wolfram Language code: DistanceMatrix[embeddings]//MatrixPlot

    トークン数  (1)

    文字列プロンプトについてのトークン数を取得する：

    Wolfram Language code: ServiceExecute["GoogleGemini", "TokenCount", <|"Content" -> "Hi there!"|>]