老实说，除了与猫一起工作之外，生成式人工智能还有什么其他用途呢？如果您阅读了我 ，您可能已经看到我的测试提示，要求它识别图片中显示的猫的种类。 之前关于 Google Gemini AI 发布的文章 我决定将其转变为一个合适的 Web 应用程序，作为 API 实际应用的真实示例。这就是我的想法。 前端 对于前端，我决定利用本机 Web 平台功能通过简单的 HTML 表单字段访问用户的相机。通过在 标签上使用  ，您可以直接访问设备摄像头。 input capture="camera" 有更高级的方法可以做到这一点，但为了快速和简单，它工作得很好。更好的是，在桌面上，它只是充当文件选择器。 我的想法是 - 提供一种获取图像（通过相机或文件选择）、显示图像并将其发送到后端的方法。虽然极其简单和普通的 JS 就可以了，但我继续使用 来实现交互。 Alpine.js 首先，HTML 需要提供图像的 UI、显示图像的位置和显示结果的另一个位置。   <!DOCTYPE html> <html lang="en"> <head> <meta charset="utf-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <link rel="stylesheet" href="app.css"> <title></title> </head> <body> <h2>🐈 Detector</h2> <div x-data="catDetector"> <input type="file" capture="camera" accept="image/*" @change="gotPic" :disabled="working"> <template x-if="imageSrc"> <p> <img :src="imageSrc"> </p> </template> <div x-html="status"></div> </div> <script defer src="https://unpkg.com/alpinejs@3.xx/dist/cdn.min.js"></script> <script src="app.js"></script> </body> </html> 现在，让我们转向 JavaScript。我将首先分享初始版本，因为它比解释它是如何失败的更简单。最初，我需要做的就是注意何时选择文件或拍摄照片，并将其渲染到 DOM。  （我使用了一些此处未共享的 CSS 来控制可见大小。稍后会详细介绍。）我还需要将文件的 Base64 版本发送到服务器端代码。这是最初的版本：   //const IMG_FUNC = 'http://localhost:8787/'; const IMG_FUNC = 'https://catdetector.raymondcamden.workers.dev'; document.addEventListener('alpine:init', () => { Alpine.data('catDetector', () => ({ imageSrc:null, working:false, status:'', async init() { console.log('init'); }, async gotPic(e) { let file = e.target.files[0]; if(!file) return; let reader = new FileReader(); reader.readAsDataURL(file); reader.onload = async e => { this.imageSrc = e.target.result; this.working = true; this.status = '<i>Sending image data to Google Gemini...</i>'; let body = { imgdata:this.imageSrc } let resp = await fetch(IMG_FUNC, { method:'POST', body: JSON.stringify(body) }); let result = await resp.json(); this.working = false; this.status = result.text; } } })) }); 每当 字段触发 事件时，都会触发 方法。我获取使用的文件/图像，将其读取为数据 URL (base64)，然后将其分配给 DOM 中的图像并将其发送到服务器。又好又简单，对吧？ input onchange gotPic 嗯，在桌面上一切正常，但是当我切换到我的相机，三星 S22 Ultra Magnus Extreme 200 相机镜头版（不是真名）时，我遇到了 Google API 抱怨我发送了太多数据的问题。然后我想起我的相机可以拍摄 详细的照片，我需要在发送之前调整图像的大小。 非常 我已经在 CSS 中调整了大小，但显然，这与 调整大小不同。我在 ImageKit 的网站上找到了这篇优秀的文章：  在本文中，他们描述了使用 HTML  元素来调整大小。 真正的 How to resize images in Javascript? canvas 我可能有近十年没有使用过 Canvas，但我能够很好地将他们的代码重新调整到我的前端中：   //const IMG_FUNC = 'http://localhost:8787/'; const IMG_FUNC = 'https://catdetector.raymondcamden.workers.dev'; // Resize logic: https://imagekit.io/blog/how-to-resize-image-in-javascript/ const MAX_WIDTH = 400; const MAX_HEIGHT = 400; document.addEventListener('alpine:init', () => { Alpine.data('catDetector', () => ({ imageSrc:null, working:false, status:'', async init() { console.log('init'); }, async gotPic(e) { let file = e.target.files[0]; if(!file) return; let reader = new FileReader(); reader.readAsDataURL(file); reader.onload = async e => { let img = document.createElement('img'); img.onload = async e => { let width = img.width; let height = img.height; if(width > height) { if(width > MAX_WIDTH) { height = height * (MAX_WIDTH / width); width = MAX_WIDTH; } } else { if (height > MAX_HEIGHT) { width = width * (MAX_HEIGHT / height); height = MAX_HEIGHT; } } let canvas = document.createElement('canvas'); canvas.width = width; canvas.height = height; let ctx = canvas.getContext('2d'); ctx.drawImage(img, 0, 0, width, height); this.imageSrc = canvas.toDataURL(file.type); this.working = true; this.status = '<i>Sending image data to Google Gemini...</i>'; let body = { imgdata:this.imageSrc } let resp = await fetch(IMG_FUNC, { method:'POST', body: JSON.stringify(body) }); let result = await resp.json(); this.working = false; this.status = result.text; }; img.src = e.target.result; } } })) }); 您会注意到代码使用宽度和高度的最大尺寸，并正确处理大小调整，同时保持相同的纵横比。再次强调，我不能将这一切归功于 的博文。 Manu Chaudhary 此更改的最终结果是，现在我正在向后端服务发送一个小得多的图像，现在终于到了查看它的时候了。 后端 对于我的后端，我决定再次使用  。我有点犹豫，因为之前的 NPM 包和我的演示有一些问题，但这次没有任何问题。如果您还记得我的 ，Google 的 AI Studio 可以让您轻松地根据提示输出示例代码，因此我所要做的就是将其合并到 Cloudflare Worker 中。 Cloudflare Workers 上一篇文章 这是完整的代码：   const { GoogleGenerativeAI, HarmCategory, HarmBlockThreshold, } = require("@google/generative-ai"); const MODEL_NAME = "gemini-pro-vision"; export default { async fetch(request, env, ctx) { const API_KEY = env.GEMINI_KEY; console.log('begin serverless logic'); const corsHeaders = { "Access-Control-Allow-Origin": "*", "Access-Control-Allow-Methods": "GET,HEAD,POST,OPTIONS", "Access-Control-Max-Age": "86400", }; let { imgdata } = await request.json(); imgdata = imgdata.replace(/data:.*?;base64,/, ''); const genAI = new GoogleGenerativeAI(API_KEY); const model = genAI.getGenerativeModel({ model: MODEL_NAME }); const generationConfig = { temperature: 0.4, topK: 32, topP: 1, maxOutputTokens: 4096, }; const safetySettings = [ { category: HarmCategory.HARM_CATEGORY_HARASSMENT, threshold: HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE, }, { category: HarmCategory.HARM_CATEGORY_HATE_SPEECH, threshold: HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE, }, { category: HarmCategory.HARM_CATEGORY_SEXUALLY_EXPLICIT, threshold: HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE, }, { category: HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT, threshold: HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE, }, ]; const parts = [ {text: "Look at this picture and if you see a cat, return the breed of the cat."}, { inlineData: { mimeType: "image/jpeg", data: imgdata } } ]; console.log('calling google'); const result = await model.generateContent({ contents: [{ role: "user", parts }], generationConfig, safetySettings, }); const response = result.response; let finalResult = { text: response.text() }; return new Response(JSON.stringify(finalResult), { headers: {...corsHeaders}}); }, }; 大部分代码都是来自 AI Studio 导出的样板文件，但现在，我从发布给工作人员的信息中获取图像数据。我想特别提示一下：   Look at this picture and if you see a cat, return the breed of the cat. 最初，我努力尝试获取 JSON 格式的结果，如果图片不是猫，则让它返回一个空白字符串。但后来我注意到了一些很酷的事情——双子座在处理非猫的图片方面做得 好。就像...令人震惊的好。 非常 事实上，我真的很感激该应用程序不会只说“不是猫”，而是解释它是什么。显然，对于这样的应用程序来说，两种风格都有空间，但我保留了谷歌的详细而有用的回复。 现在，有趣的部分......结果。 结果 让我们从几张猫的照片开始。 首先是小猪，我最喜欢的猫，它不胖，而且看起来一点也不像小屋贾巴：  接下来是露娜的照片。在这种情况下，品种是不正确的——但至少很接近。  现在，让我们向 Google 抛出一个曲线球：  这真的让我 惊讶。这个描述是100%准确的，老实说，如果我看到这张照片并且不知道的话，我会认出它是一只猫的雕塑，而不是一个喷壶。我的意思是，我想这 明显，但老实说我认为我自己不会注意到这一点。 很 有点 现在，让我们彻底疯狂：  是的，没错，就是谷歌。人工智能生成的猫图像怎么样？  我认为它处理得很好。 下一个...  是的，这就是大脚怪。试想一下，所有那些大脚怪“研究人员”都可以退休，只需将他们的追踪摄像机连接到人工智能即可！  我不得不说 - 令我印象深刻的是，谷歌不仅认可了这个系列，还认可了实际角色，但公平地说，骷髅有着非常独特的外观。 最后，由于我（当然不公平）将我的猫与贾巴进行了比较，让我们看看它是如何处理的：  哦，我知道我说我已经完成了，但是当然，我必须测试一只狗：  干得好，双子座。不幸的是，我不会实时托管此演示（代码中前面的 Cloudflare“实时”URL 不起作用），但我可以共享代码。

My Blog

Buy Me a Coffee

Read My Stories

該音頻是用故事的原始語言製作的！

太長; 讀書

Make resilience your competitive advantage

我使用生成式人工智能来检测猫的品种：它是这样的

About Author

註釋

標籤

这篇文章刊登在

Related Stories

比特币 UTXO 模型，为独特的生态系统提供动力

点击赚钱：Telegram 可能会在 Solana 之前吸引下一个 100 亿加密用户

扬帆起航：利用数据湖开发生产级 RAG 应用程序

如何将您的工作流程提高 10 倍：17 个必备应用程序

比特币 UTXO 模型，为独特的生态系统提供动力

点击赚钱：Telegram 可能会在 Solana 之前吸引下一个 100 亿加密用户

扬帆起航：利用数据湖开发生产级 RAG 应用程序

如何将您的工作流程提高 10 倍：17 个必备应用程序

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps