将 Gemini 与 OpenAI 库结合使用

基于这篇文章，我们现在可以将 gemini 与 openai 库一起使用。所以，我决定在这篇文章中尝试一下

目前仅提供聊天完成 api 和嵌入 api。

在本文中，我尝试使用 python 和 javascript。

python

首先，我们来搭建环境。

pip install openai python-dotenv

接下来，让我们运行以下代码。

import os

from dotenv import load_dotenv
from openai import openai


load_dotenv()
google_api_key = os.getenv("google_api_key")

client = openai(
    api_key=google_api_key,
    base_url="https://generativelanguage.googleapis.com/v1beta/"
)


response = client.chat.completions.create(
    model="gemini-1.5-flash",
    n=1,
    messages=[
        {"role": "system", "content": "you are a helpful assistant."},
        {
            "role": "user",
            "content": "explain briefly(less than 30 words) to me how ai works."
        }
    ]
)

print(response.choices[0].message.content)

返回了以下响应。

ai mimics human intelligence by learning patterns from data, using algorithms to solve problems and make decisions. 

在内容字段中，您可以指定字符串或“类型”：“文本”。

import os

from dotenv import load_dotenv
from openai import openai


load_dotenv()
google_api_key = os.getenv("google_api_key")

client = openai(
    api_key=google_api_key,
    base_url="https://generativelanguage.googleapis.com/v1beta/"
)

response = client.chat.completions.create(
    model="gemini-1.5-flash",
    n=1,
    messages=[
        {"role": "system", "content": "you are a helpful assistant."},
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "explain briefly(less than 30 words) to me how ai works.",
                },
            ]
        }
    ]
)

print(response.choices[0].message.content)

但是，图像和音频输入出现错误。

图像输入示例代码

Dbsite企业网站管理系统1.5.0

Dbsite企业网站管理系统V1.5.0 秉承"大道至简 邦达天下"的设计理念,以灵巧、简单的架构模式构建本管理系统。可根据需求可配置多种类型数据库（当前压缩包支持Access）.系统是对多年企业网站设计经验的总结。特别适合于中小型企业网站建设使用。压缩包内包含通用企业网站模板一套，可以用来了解系统标签和设计网站使用。QQ技术交流群：115197646 系统特点：1.数据与页

下载

import os

from dotenv import load_dotenv
from openai import openai


load_dotenv()
google_api_key = os.getenv("google_api_key")

client = openai(
    api_key=google_api_key,
    base_url="https://generativelanguage.googleapis.com/v1beta/"
)

# png to base64 text
import base64
with open("test.png", "rb") as image:
    b64str = base64.b64encode(image.read()).decode("utf-8")

response = client.chat.completions.create(
    model="gemini-1.5-flash",
    # model="gpt-4o",
    n=1,
    messages=[
        {"role": "system", "content": "you are a helpful assistant."},
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "describe the image in the image below.",
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{b64str}"
                    }
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

音频输入示例代码

import os

from dotenv import load_dotenv
from openai import openai


load_dotenv()
google_api_key = os.getenv("google_api_key")

client = openai(
    api_key=google_api_key,
    base_url="https://generativelanguage.googleapis.com/v1beta/"
)

# png to base64 text
import base64
with open("test.wav", "rb") as audio:
    b64str = base64.b64encode(audio.read()).decode("utf-8")

response = client.chat.completions.create(
    model="gemini-1.5-flash",
    # model="gpt-4o-audio-preview", 
    n=1,
    modalities=["text"],
    messages=[
        {"role": "system", "content": "you are a helpful assistant."},
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "what does he say?",
                },
                {
                    "type": "input_audio",
                    "input_audio": {
                        "data": b64str,
                        "format": "wav",
                    }
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

返回了以下错误响应。

openai.badrequesterror: error code: 400 - [{'error': {'code': 400, 'message': 'request contains an invalid argument.', 'status': 'invalid_argument'}}]

目前仅支持文字输入，不过后续似乎会支持图片和音频输入。

javascript

让我们看一下 javascript 示例代码。

首先，我们来搭建环境。

npm init -y
npm install openai
npm pkg set type=module

接下来，让我们运行以下代码。

import openai from "openai";

const google_api_key = process.env.google_api_key;
const openai = new openai({
    apikey: google_api_key,
    baseurl: "https://generativelanguage.googleapis.com/v1beta/"
});

const response = await openai.chat.completions.create({
    model: "gemini-1.5-flash",
    messages: [
        { role: "system", content: "you are a helpful assistant." },
        {
            role: "user",
            content: "explain briefly(less than 30 words) to me how ai works",
        },
    ],
});

console.log(response.choices[0].message.content);

运行代码时，请确保在 .env 文件中包含 api 密钥。 .env 文件将在运行时加载。

node --env-file=.env run.js

返回了以下响应。

AI systems learn from data, identify patterns, and make predictions or decisions based on those patterns.

我们可以在同一个库中使用其他模型，这真是太棒了。

就我个人而言，我对此感到很高兴，因为 openai 使编辑对话历史记录变得更加容易。