1-3 主流大型語言模型（LLM）的對比與評價

在實際操作中（2024.07），筆者發現 Gemini API 在程式碼生成和推理兩個方面的表現上，尚未達到其他主流 GenAI 平台的水平。然而，這並不代表其無法使用，只是在開發過程中可能需要多嘗試幾次並掌握一些技巧。例如，先進行一次呼叫再進行第二次呼叫，這樣才能達到預期的效果。這部分在之後的章節中會有詳細說明。

程式碼生成與推理功能的需求

程式碼生成和推理功能通常更常見於平台（如 ChatGPT）或外掛（如 VS Code 上的 GitHub Copilot）中操作。而在呼叫 API 的情境下，這類應用需求較少見。至少在我的經驗中，還沒有遇到需要動態生成程式並立即執行的情況。除非是在開發一個虛擬程式設計師，需要它完成特定的工作項目。然而，前幾周關於 AI 虛擬程式設計師的新聞報導顯示，此類技術還不成熟。

目前，Gemini API 能夠應付一些較簡單的應用，例如寫作貪食蛇這類程式邏輯和畫面重繪相對簡單的遊戲。但在面對更複雜的應用時，效果並不理想（截至 2024.07）。

本系列主要探討的應用

著於上述故本系列文章將主要探討以下五項應用，並著重於如何使用 Gemini API 進行開發：

1. 文字摘要

將長篇幅的文字內容濃縮為簡短且具代表性的摘要，使讀者能快速了解核心內容。

範例：將一篇 5000 字的研究報告摘要為 200 字的重點提要。

2. 資訊擷取

從大量的文本中提取出關鍵的資訊或資料點，例如人物、地點、日期等，方便進一步分析和利用。

範例：從一篇新聞文章中提取出提到的所有人物和地點。

3. 問答系統

根據用戶提出的問題，從知識庫中找出相關答案，提供精確且有用的資訊。

範例：回答用戶提出的“2024 年奧運會在哪裡舉行？”這樣的問題。

4. 文字分類

將文本根據主題、情感或其他特徵進行分類，幫助組織和管理大量的文字資料。

範例：將社交媒體上的評論分類為“正面”、“中立”或“負面”。

5. 對話系統

模擬人類對話，提供智能、自然的交流體驗，可用於客服、助手等應用場景。

範例：在線客服系統回答客戶的常見問題，如“如何重設我的密碼？”。

在每一部分，我們將提供詳細的步驟和實踐指南，幫助讀者熟悉並掌握 Gemini API 的使用技巧。希望通過這些內容，讀者能夠更好地理解如何利用這些工具實現自己的技術需求。

關於我

我是 Wolke。我是一名專業程式開發者，專長是開發 AI 和程式解決方案。

我投入了不少時間在專業發展上。我是多本書的作者，其中包括《LINE聊天機器人+AI+雲端+開源+程式：輕鬆入門到完整學習》和《ChatGPT來襲，未來人人都需具備的運算思維！應用詠唱工程來釋放程式生產力—程式學習/開發篇》。也有出版線上課程，我熱衷於分享我的經驗和技術，幫助其他開發者更好地利用 AI 工具。

也在許多知名大學、論壇、社團擔任講者，如果貴方有需要也歡迎與我聯繫。
2023年 講座 紀錄

最後這篇文章若有切合你的需求，敬請訂閱按讚分享