GSP1293

Übersicht

In diesem Lab werden die Codeausführungsfunktionen des Gemini 2.0 Flash-Modells vorgestellt, eines neuen multimodalen generativen KI-Modells von Google DeepMind. Gemini 2.0 Flash bietet Verbesserungen bei Geschwindigkeit, Qualität und logischem Denken, einschließlich besserem Verständnis, Programmieren und dem Folgen von Anweisungen.

Ein wichtiges Merkmal dieses Modells ist die Codeausführung, also die Möglichkeit, Python-Code direkt in der API zu generieren und auszuführen. Wenn Sie möchten, dass die API Python-Code generiert, ausführt und die Ergebnisse zurückgibt, können Sie die in diesem Lab gezeigte Codeausführung verwenden.

Dank dieser Codeausführungsfunktion kann das Modell Code generieren, ausführen und die Ergebnisse beobachten, den Code bei Bedarf korrigieren und iterativ aus den Ergebnissen lernen, bis es eine endgültige Ausgabe erzeugt. Dies ist besonders nützlich für Anwendungen, die codebasierte Schlussfolgerungen erfordern, zum Beispiel zum Lösen mathematischer Gleichungen oder zum Verarbeiten von Text.

Gemini

Gemini umfasst eine Reihe leistungsstarker generativer KI-Modelle, die von Google DeepMind entwickelt wurden. Diese können verschiedene Formen von Inhalten verstehen und erstellen, darunter Text, Code, Bilder, Audio und Video.

Gemini API in Vertex AI

Die Gemini API in Vertex AI bietet eine einheitliche Benutzeroberfläche für die Interaktion mit Gemini-Modellen. Darüber können Entwickler die leistungsstarken KI-Funktionen ohne viel Aufwand in ihre Anwendungen integrieren. Aktuelle Informationen und besondere Merkmale der neuesten Versionen finden Sie in der offiziellen Dokumentation zu Gemini.

Gemini-Modelle

• Gemini Pro – entwickelt für komplexe Schlussfolgerungen, darunter:
  • Analysieren und Zusammenfassen großer Mengen von Informationen
  • Ausgereifte multimodale Schlussfolgerungen (zu Text, Code, Bildern usw.)
  • Effektive Problemlösung mit komplexer Codebasis
• Gemini Flash – für Geschwindigkeit und Effizienz optimiert, bietet folgende Vorteile:
  • Reaktionszeiten unter einer Sekunde und hoher Durchsatz
  • Hohe Qualität zu niedrigeren Kosten für eine Vielzahl von Aufgaben
  • Erweiterte multimodale Funktionen, einschließlich der Verwendung nativer Tools (Google Suche, Codeausführung und Funktionen von Drittanbietern), verbesserter räumlicher Strukturen und neuer Ausgabemodalitäten (Text, Audio, Bilder)

Vorbereitung

Für dieses Lab sollten Sie folgende Konzepte kennen:

• Grundlegende Kenntnisse der Programmierung mit Python
• Grundlegende API-Konzepte
• Ausführen von Python-Code in einem Jupyter-Notebook in Vertex AI Workbench

Ziele

In diesem Lab lernen Sie, wie Sie mit dem Gemini 2.0 Flash-Modell Code generieren und ausführen. Dafür verwenden Sie die Gemini API in Vertex AI und das Google Gen AI SDK for Python.

Aufgaben in diesem Lab:

• Python-Codebeispiele aus Text-Prompts generieren und ausführen
• Daten mithilfe der Codeausführung in Multi-Turn-Unterhaltungen untersuchen
• Codeausführung in Streamingsitzungen verwenden

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: Notebook in Vertex AI Workbench öffnen

1. Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Vertex AI > Workbench.

2. Suchen Sie die Instanz und klicken Sie auf JupyterLab öffnen.

Die JupyterLab-Oberfläche für Ihre Workbench-Instanz wird in einem neuen Browsertab geöffnet.

Aufgabe 2: Notebook einrichten

1. Öffnen Sie die -Datei.

2. Wählen Sie im Dialogfeld Kernel auswählen in der Liste der verfügbaren Kernel die Option Python 3 aus.

3. Gehen Sie die Abschnitte Erste Schritte und Bibliotheken importieren des Notebooks durch.

   • Verwenden Sie als Projekt-ID den Wert und als Standort die Option .

Hinweis: Notebookzellen mit dem Hinweis Nur Colab können Sie überspringen. Wenn Sie bei der Ausführung einer der Notebook-Zellen eine 429-Antwort erhalten, warten Sie eine Minute, bevor Sie die Zelle noch einmal ausführen und dann fortfahren.

Klicken Sie auf Fortschritt prüfen. Notebook einrichten

Aufgabe 3: Codeausführung in Gemini 2.0 nutzen

In diesem Abschnitt verwenden Sie die Gemini API, um Python-Code zu generieren und auszuführen.

Gemini-Modell laden

Durch diesen Code im Notebook wird das Gemini 2.0 Flash-Modell geladen. Informationen zu allen Gemini-Modellen in Vertex AI finden Sie in der Dokumentation.

1. Führen Sie den Abschnitt Gemini-Modell laden im Notebook aus.

Tool für die Codeausführung festlegen

Dieser Code im Notebook initialisiert das Codeausführungstool durch Übergeben von code_execution in einer Tool-Definition. Später registrieren Sie dieses Tool im Modell, damit es Python-Code generieren und ausführen kann.

1. Führen Sie den Abschnitt Tool für die Codeausführung festlegen im Notebook aus.

Code generieren und ausführen

Dieser Code im Notebook sendet einen Prompt an das Gemini-Modell und fordert es auf, Python-Code zu generieren und auszuführen, um die Summe der ersten 50 Primzahlen zu berechnen. Das Codeausführungstool wird übergeben, damit das Modell den Code generieren und ausführen kann.

1. Führen Sie den Abschnitt Code generieren und ausführen im Notebook aus.

Generierten Code ansehen

Dieser Code im Notebook iteriert die Antwort und zeigt den generierten Python-Code durch Suchen nach part.executable_code in den Antwortteilen an.

1. Führen Sie den Abschnitt Generierten Code ansehen im Notebook aus.

Ergebnisse der Codeausführung ansehen

Dieser Code im Notebook iteriert die Antwort und zeigt das Ausführungsergebnis und das Endergebnis durch Suchen nach part.code_execution_result in den Antwortteilen an.

1. Führen Sie den Abschnitt Ergebnisse der Codeausführung ansehen im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Codeausführung in Gemini 2.0 nutzen

Aufgabe 4: Codeausführung in einer Chatsitzung

In diesem Abschnitt wird gezeigt, wie Sie die Codeausführung in einem interaktiven Chat mit Protokollierung mithilfe der Gemini API verwenden. Sie können eine Chatsitzung erstellen, damit das Modell Python-Code generieren und ausführen kann. Zuerst bitten Sie das Modell, Zeitreihendaten mit Rauschen zu generieren und eine Stichprobe von zehn Datenpunkten auszugeben.

Sie können dann die Antwort iterieren, um den generierten Code und die Ausführungsergebnisse anzusehen. Als Nächstes bitten Sie das Modell, den Zeitreihendaten eine geglättete Datenreihe hinzuzufügen und die Ergebnisse anzuzeigen. Zum Schluss fordern Sie das Modell auf, deskriptive Statistiken für die Zeitreihendaten zu generieren und die Ergebnisse anzuzeigen.

1. Führen Sie den Abschnitt Codeausführung in einer Chatsitzung im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Codeausführung in einer Chatsitzung

Aufgabe 5: Codeausführung in einer Streamingsitzung

Sie können die Codeausführung auch mit einer Streamingausgabe der Gemini API verwenden. Dieser Code zeigt, wie die Gemini API Code generieren und ausführen kann, während die Ergebnisse gestreamt werden.

1. Führen Sie den Abschnitt Codeausführung in einer Streamingsitzung im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Codeausführung in einer Streamingsitzung

Das wars!

Sie haben das Lab erfolgreich abgeschlossen. Sie haben gelernt, wie Sie mit Gemini 2.0 Python-Code generieren und ausführen, einschließlich des Streamens der Ausgabe. Mit dieser Funktion lassen sich dynamischere und interaktivere Anwendungen erstellen. Sie können diese Fähigkeiten nutzen, um innovative Lösungen zu entwickeln und Ihre Workflows zu optimieren. Entdecken Sie die Möglichkeiten von Gemini 2.0 und finden Sie heraus, wie Sie Ihre Projekte damit voranbringen können.

Weitere Informationen

In den folgenden Ressourcen finden Sie weitere Informationen zu Gemini:

• Überblick: Gemini
• Dokumentation: Generative KI in Vertex AI
• Generative KI auf YouTube
• Im Vertex AI Cookbook finden Sie ausgewählte und durchsuchbare Notebooks zu generativer KI.
• Weitere Notebooks und Beispiele wurden im Repository „Google Cloud Generative AI“ zusammengestellt.

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 11. Februar 2025 aktualisiert

Lab zuletzt am 11. Februar 2025 getestet

© 2025 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.