使用 Go 語言打造專屬的 Gemini AI 聊天應用
在人工智能領域，大型語言模型（LLM）正掀起一場技術革命。其中，Google 最新推出的 Gemini 模型以其強大的性能和多模態(tài)處理能力備受矚目。本文將引領你使用 GoLang 語言，結合 Redis 緩存，構建一個基于 Gemini Pro 的 AI 聊天應用。
項目概覽
本項目旨在創(chuàng)建一個能夠與用戶進行自然語言交互的聊天應用。它利用 Gemini Pro 模型理解用戶輸入，并生成相應的回復。為了提升用戶體驗，我們還將引入 Redis 緩存，用于存儲用戶的歷史對話，打造更加個性化的聊天體驗。
技術棧
- GoLang: 以其簡潔、高效和并發(fā)性著稱，是構建高性能應用的理想選擇。
- Gin: 輕量級 Web 框架，提供路由、中間件等功能，簡化 Web 應用開發(fā)流程。
- Gemini Pro: Google 最新推出的 LLM，具備強大的自然語言理解和生成能力。
- Redis: 高性能內(nèi)存數(shù)據(jù)庫，用作緩存以存儲用戶歷史對話。
項目結構
app
|-- .gitignore
|-- Dockerfile
|-- config.yml
|-- docker-compose.yml
|-- go.mod
|-- go.sum
|-- main.go
|-- handlers
| |-- index.go
| |-- run.go
|-- models
| |-- models.go
|-- routers
| |-- router.go
|-- service
| |-- redis.go
|-- static
| |-- app.js
| |-- autosize.min.js
| |-- index.html
| |-- logo-black.svg
| |-- share.png
| |-- styles.css
|-- utils
| |-- env.go核心功能實現(xiàn)
1. 接收用戶輸入并調(diào)用 Gemini Pro 生成回復
func Run(c *gin.Context) {
// ... (綁定請求數(shù)據(jù)) ...
ctx := context.Background()
client, err := genai.NewClient(ctx, option.WithAPIKey(prompt.APIKey))
// ... (錯誤處理) ...
defer client.Close()
model := client.GenerativeModel("gemini-pro")
resp, err := model.GenerateContent(ctx, genai.Text(prompt.Input))
// ... (錯誤處理) ...
formattedContent := formatResponse(resp)
// ... (存儲歷史記錄) ...
c.JSON(http.StatusOK, gin.H{
"input": prompt.Input,
"response": formattedContent,
"history": history,
})
}這段代碼展示了如何接收用戶輸入，并調(diào)用 Gemini Pro API 生成回復。首先，我們使用 genai.NewClient 創(chuàng)建一個 Gemini 客戶端，然后指定要使用的模型為 gemini-pro。接著，調(diào)用 model.GenerateContent 方法，傳入用戶輸入，即可獲得模型生成的回復。
2. 使用 Redis 緩存存儲用戶歷史對話
func StoreHistory(userID, input, response string) {
// ... (計算哈希值) ...
historyKey := fmt.Sprintf("history:%s", hashedUserID)
// ... (日志記錄) ...
maxHistoryLength := 10
entry := fmt.Sprintf(`{"input": "%s", "response": "%s"}`, input, response)
rdb.LPush(context.Background(), historyKey, entry)
rdb.LTrim(context.Background(), historyKey, 0, int64(maxHistoryLength-1))
expiration := time.Hour * 24
rdb.Expire(context.Background(), historyKey, expiration)
}為了實現(xiàn)個性化聊天體驗，我們使用 Redis 存儲用戶的歷史對話。StoreHistory 函數(shù)首先計算用戶 ID 的哈希值，然后將用戶的輸入和模型的回復拼接成 JSON 字符串，存儲到 Redis 列表中。同時，我們限制了歷史記錄的最大長度，并設置了 24 小時的過期時間。
3. 檢索歷史對話并返回給用戶
func GetHistory(userID string) []string {
// ... (計算哈希值) ...
historyKey := fmt.Sprintf("history:%s", hashedUserID)
result, err := rdb.LRange(context.Background(), historyKey, 0, -1).Result()
// ... (錯誤處理) ...
return result
}GetHistory 函數(shù)用于檢索用戶的歷史對話。它首先計算用戶 ID 的哈希值，然后從 Redis 列表中獲取所有歷史記錄，并將其返回給用戶。
API 接口設計
router.GET("/", handlers.Index)
router.POST("/run", handlers.Run)
router.POST("/fetchHistory", handlers.HandleFetchHistory)我們定義了三個 API 接口：
- /: 根路徑，用于展示應用首頁。
- /run: 接收用戶輸入并返回模型生成的回復。
- /fetchHistory: 獲取用戶的歷史對話記錄。
總結
本文介紹了如何使用 GoLang 語言，結合 Gemini Pro 和 Redis 緩存，構建一個功能完善的 AI 聊天應用。通過合理的技術選型和架構設計，我們實現(xiàn)了高效的對話生成和個性化的用戶體驗。相信隨著 LLM 技術的不斷發(fā)展，未來將涌現(xiàn)出更多基于此類技術的創(chuàng)新應用。
