GPT 很強大，但它不再提供免費的 API——至少不再提供。幸運的是，Google 做到了，透過 Gemini API 和 Studio AI（Google 版本的 ChatGPT）。

在撰寫本文時，Gemini API 免費層提供的功能如下：

如您所見，這足以開始使用 API，因此沒有理由不將其整合到我們的專案中。

他們的快速入門指南非常簡單。

就我而言，我使用 Gemini 來完成一項毫無意義的任務，但目標是展示整合其 API 是多麼容易。

查看以下程式碼片段，它根據受歡迎程度產生「有趣的引言」。

const { GoogleGenerativeAI } = require("@google/generative-ai");

const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);
const model = genAI.getGenerativeModel({ model: "gemini-1.5-flash" });

const popularity = 42;

const prompt = `Write a funny quote, under 200 characters, about popularity on a scale from 0 to 100, where 0 is the least popular and 100 is the most. The quote should describe someone at ${popularity}.`;

const result = await model.generateContent(prompt);

console.log(result);

輸出：

他的受歡迎程度排在 42 分。不太“酷”，但絕對不是“那個沒人說話的人。”

就是這樣！有幾點要注意：

• 注意如何需要 API_KEY 環境變數。一旦您的帳戶設定完畢，您就可以從 AI Studio 取得此內容。
• 選擇的型號是gemini-1.5-flash。 Studio AI 提供多種模型，因此您可以嘗試不同的模型以找到最合適的模型。
• 剩下的只是常規的 JavaScript，將提示傳遞給generateContent 方法並記錄結果。

示範

在我之前的文章《TensorFlow：從 Python 到 JavaScript》中，我分享了一個預測 Twitter 帳戶受歡迎程度的演示。請隨意查看，如果您單擊“推文我的結果”，它將使用上面的程式碼片段產生一條推文。

• 使用者介面:

• 鳴叫：

您可以在這裡找到原始碼

在 Studio AI 中取得程式碼功能

此外，Google 還提供 Studio AI，它與 ChatGPT 類似，但具有一個有趣的功能：取得程式碼。您可以輸入提示，如果這是您想要的服務，只需單擊按鈕，它就會為您提供從您自己的程式碼運行相同提示所需的程式碼。

• 命令：

• 取得代碼：

為您的專案選擇 GPT 和 Gemini

我是 ChatGPT 的忠實粉絲，但作為一名開發人員，我發現 Studio AI 的免費套餐超級有用。對於實驗來說，OpenAI 並不太貴，但沒有什麼比免費套餐更好的了。兩者都有可靠的文件。

以我的拙見，GPT 仍然比 Gemini 提供更好的答案，但在專案的早期階段，我會選擇 Gemini，並在準確性變得至關重要並且投資有意義時切換到 GPT。

同時，我會遵循代理模式，因此如果需要切換，這是一項簡單的任務。

讓我們來看看下面的程式碼片段：

const { GoogleGenerativeAI } = require("@google/generative-ai");

async function getJokeFromGenerativeAI() {
  const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);
  const model = genAI.getGenerativeModel({ model: "gemini-1.5-flash" });

  const popularity = 42;

  const prompt = `Write a funny quote, under 200 characters, about popularity on a scale from 0 to 100, where 0 is the least popular and 100 is the most. The quote should describe someone at ${popularity}.`;

  const result = await model.generateContent(prompt);
  return result;
}

// proxy
async function getJoke() {
  const joke = await getJokeFromGenerativeAI();

  return joke;
}

這樣，消費者就可以呼叫 getJoke()，而不必擔心幕後發生的事情。隨著時間的推移，假設需要 GPT，改變變得簡單：

const OpenAI = require("openai");

async function getJokeFromOpenAI() {
  const openai = new OpenAI();

  const popularity = 42;

  const prompt = `Write a funny quote, under 200 characters, about popularity on a scale from 0 to 100, where 0 is the least popular and 100 is the most. The quote should describe someone at ${popularity}.`;

  const completion = await openai.chat.completions.create({
    model: "gpt-4o",
    messages: [{ role: "user", content: prompt }],
  });

  return completion.choices[0].message;
}

// proxy
async function getJoke() {
  const joke = await getJokeFromOpenAI();

  return joke;
}

注意 getJoke 現在如何呼叫新方法：getJokeFromOpenAI。由於這兩種方法都遵循相同的約定 - 它們都傳回一個解析為字串的 Promise - getJoke 的使用者不會注意到更改，也不需要更新任何內容。

OpenAI 文件

結論

每天，越來越多的應用程式正在整合人工智慧，以至於用戶開始期待它，就像他們期待快速且用戶友好的網站一樣。作為開發人員，了解現有的選項非常重要：自訂模型、開源模型和私有模型，並利用它們來發揮我們的優勢。誰知道接下來會發生什麼，但無論是什麼，它肯定會建立在人工智慧的肩膀上。