Урок из полного доступа, первые уроки курса бесплатно Официальный курс Gemini API Cookbook на русском
Урок 57 · Текст · ~5 мин

Пересказываем большие документы с LangChain

Урок 57 из 84 курса «Gemini API: примеры использования»: официальный курс Gemini API Cookbook (Гугл Джемини) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Модели Gemini представляют собой семейство генеративных моделей ИИ, которые позволяют разработчикам генерировать контент и решать задачи. Эти модели разработаны и обучены для обработки текста и изображений в качестве входных данных.

LangChain — это фреймворк, разработанный для упрощения интеграции больших языковых моделей (LLM), таких как Gemini, в приложения.

В этом notebook вы узнаете, как создать приложение для суммирования больших документов с использованием Gemini API и LangChain.

Сначала необходимо установить пакеты и задать необходимые переменные среды.

Установите библиотеку Python LangChain, langchain, и пакет интеграции LangChain для Gemini API, langchain-google-genai. Установка langchain-community позволит вам использовать инструмент WebBaseLoader, показанный далее в этом примере.

Чтобы запустить следующую cell, ваш API key должен быть сохранен в Colab Secret с именем GEMINI_API_KEY. Если у вас еще нет API key или вы не знаете, как создать Colab Secret, см. Authentication для примера.

В этом руководстве вы будете суммировать текст с веб-сайта, используя модель Gemini, интегрированную через LangChain.

Для этого вы выполните следующие шаги:

  1. Прочитать и разобрать данные веб-сайта с использованием LangChain.
  2. Объединить в цепочку следующее: prompt для извлечения необходимых входных данных из разобранных данных веб-сайта.
  3. prompt для суммирования текста с использованием LangChain.
  4. Модель LLM (например, модель Gemini) для создания prompt.
  5. Запустить созданную цепочку, чтобы запросить у модели сводку данных веб-сайта.

LangChain предоставляет широкий спектр загрузчиков документов. Чтобы прочитать данные веб-сайта как документ, вы будете использовать WebBaseLoader из LangChain.

Чтобы узнать больше о том, как читать и разбирать входные данные из различных источников с использованием загрузчиков документов LangChain, прочитайте руководство по загрузчикам документов LangChain.

Вы должны импортировать LLM ChatGoogleGenerativeAI из LangChain для инициализации вашей модели.

В этом примере вы будете использовать Gemini 3.7 Flash (gemini-3.7-flash), поскольку он поддерживает суммирование текста. Чтобы узнать больше об этой модели и других доступных моделях, прочитайте документацию по языковым моделям Google AI.

Вы можете настроить параметры модели, такие как temperature или…

План урока

  1. Обзор
  2. Настройка
  3. Установка
  4. Настройте ваш API key
  5. Суммирование текста
  6. Чтение и разбор данных веб-сайта
  7. Инициализация модели Gemini
  8. Создание prompt-шаблонов

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Google Gemini 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Google Gemini (2 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды