GoogleCloudPlatform/generative-ai · 上手攻略

仓库：GoogleCloudPlatform/generative-ai
链接：https://github.com/GoogleCloudPlatform/generative-ai
分类：ai
作者：Tom
更新：2026-07-13

这是什么

GoogleCloudPlatform/generative-ai 是 Google 官方维护的 Google Cloud 生成式 AI 示例代码库，收录 Gemini 模型调用、RAG、Agent Build、搜索增强、视觉生成、音频处理等全场景的 Jupyter Notebook 和代码示例。截至 2026-07 仍保持活跃更新（最近提交 2026-07-10）。

该仓库也是 Google Cloud GenAI 产品体系的官方入口之一，关联了 Vertex AI、Agent Development Kit (ADK)、Agent Starter Pack、Gemini Enterprise Agent Platform 等多条产品线。

解决什么问题

不知怎么用 Gemini API：官方文档偏产品说明，代码示例在 GitHub 这里
不知道 Google Cloud GenAI 全貌：Vertex AI、Agent Platform、Enterprise Search…傻傻分不清 → 看目录结构就明白了
需要 RAG / Function Calling / 视觉生成示例：各子目录对号入座
想快速跑一个 Gemini 接入 demo：Notebook 拿来就能在 Colab 跑

快速安装

# 克隆仓库
git clone https://github.com/GoogleCloudPlatform/generative-ai.git
cd generative-ai

# 快速浏览目录结构
ls -la
# gemini/          - Gemini 模型入门与用例
# search/         - Agent Search (原 Enterprise Search)
# rag-grounding/  - RAG 与 Grounding
# vision/         - Imagen / Veo 视觉生成
# audio/          - Chirp 音频模型
# setup-env/      - 环境配置

# 进入 Gemini 示例目录
cd gemini

在 Google Colab 中直接运行（推荐方式）：

# 在 Colab 中安装 SDK
!pip install google-genai

# 或使用 Vertex AI SDK
!pip install google-cloud-aiplatform

# 认证
import google.auth
credentials, project = google.auth.default()

本地环境配置（setup-env/）：

# 安装 Python SDK
pip install google-genai

# 设置 Google Cloud 项目
export GOOGLE_CLOUD_PROJECT="your-project-id"
export GOOGLE_CLOUD_LOCATION="us-central1"

# 应用默认凭证
gcloud auth application-default login

⚠️ 版本注意：Google Cloud 的 GenAI SDK 有两个体系——旧版 google-generativeai（直接调用 Gemini API）和新版 google-genai（功能更全）。建议优先用新版，详见 Google GenAI SDK 文档。

核心用法

目录速查

genai-repository/
├── gemini/                  # Gemini 模型核心用法
│   ├── get_started/         # 快速入门
│   ├── use_cases/           # 应用场景
│   ├── function_calling/    # Function Calling
│   └── sample_apps/         # 示例应用
├── search/                  # Agent Search（RAG 企业搜索）
├── rag-grounding/            # RAG 与 Grounding 专题索引
├── vision/                  # Imagen + Veo 视觉生成
├── audio/                  # Chirp 音频处理
├── setup-env/              # 环境配置
├── RESOURCES.md             # 学习资源汇总
└── gemini/launch/          # 新手指南

1. Gemini API 调用（`gemini/`）

# 使用 google-genai SDK
from google import genai

client = genai.Client(api_key="YOUR_API_KEY")

response = client.models.generate_content(
    model="gemini-2.0-flash",
    contents="Explain quantum computing in simple terms"
)
print(response.text)

# 使用 Vertex AI SDK（企业级，含 IAM 鉴权）
import vertexai
from vertexai.generative_models import GenerativeModel

vertexai.init(project="your-project", location="us-central1")
model = GenerativeModel("gemini-2.0-flash")

response = model.generate_content("Hello, Gemini!")
print(response.text)

2. Function Calling（`gemini/function_calling/`）

from vertexai.generative_models import GenerativeModel, Tool, FunctionDeclaration

# 定义工具
get_weather = FunctionDeclaration(
    name="get_weather",
    description="Get weather for a location",
    parameters={
        "type": "object",
        "properties": {
            "location": {"type": "string", "description": "City name"}
        }
    }
)

tools = Tool(function_declarations=[get_weather])
model = GenerativeModel("gemini-2.0-flash", tools=[tools])

response = model.generate_content(
    "What's the weather in Tokyo?",
    generation_config={"tools": [tools]}
)
# response.candidates[0].function_calls 返回函数调用结果

3. RAG with Grounding（`rag-grounding/`）

# Vertex AI + Grounding（将回答锚定到可信数据源）
from vertexai.generative_models import GenerativeModel, Groundings

model = GenerativeModel("gemini-2.0-flash")

response = model.generate_content(
    prompt="What are the GCP sustainability commitments?",
    grounding_config={
        "grounding_sources": Groundings.datastore(
            datastore_id="your-datastore-id"
        )
    }
)
print(response.grounding_metadata)

4. Agent Search（`search/`）

Agent Search（前身 Enterprise Search on Generative AI App Builder）让你快速搭建私有数据搜索引擎，支持网站和企业数据源。

5. 视觉生成（`vision/`）

from vertexai.vision_models import ImageGenerationModel

model = ImageGenerationModel.from_pretrained("imagegeneration@006")
response = model.generate_images(
    prompt="A futuristic cityscape with flying cars",
    number_of_images=1
)
response.images[0].save(location="output.png")

6. 音频处理（`audio/`）

Chirp-3（Google 通用语音模型）用于语音转文字，支持 100+ 语言。

典型适用场景

快速接入 Gemini API：从 Notebook 复制代码，改个 API Key 就能跑
构建 RAG 系统：Grounding + Vertex AI Search 组合使用
企业级 AI 应用：IAM 鉴权、VPC 部署、数据驻留合规
Function Calling / 工具调用：Gemini 作为 Toolformer 调用外部 API
多模态：视觉生成（Imagen）、音频处理（Chirp）、视频生成（Veo）
Agent 开发：结合 ADK（Agent Development Kit）和 Agent Starter Pack

坑与注意

坑	说明
需要 GCP 项目	大部分功能需要 Google Cloud 项目，部分功能需开启收费
区域限制	Gemini 某些版本和功能只在美国区域（`us-central1`）可用
SDK 版本混乱	`google-generativeai` vs `google-genai` vs `vertexai`，三个包容易混
Colab 强依赖	很多 Notebook 深度绑定 Colab 环境，本地跑要额外配置
权限配置复杂	企业环境需要精细的 IAM 配置，不是开箱即用
Notebook ≠ 生产代码：	示例是 Notebook，在生产环境使用需要工程化改造
文档位置分散	README 引用了大量外部链接（ADK、Cookbook 等），容易迷路

⚠️ 特别提醒：该仓库明确声明「This repository itself is not an officially supported Google product」，代码仅供演示。生产环境建议使用 Google 官方支持的 SDK 和产品。

与同类对比

维度	generative-ai 仓库	OpenAI API 官方 Cookbook	Anthropic Cookbook
定位	Google Cloud 官方示例	OpenAI 官方示例	Anthropic 官方示例
深度	Notebook 为主，偏浅	Notebook 为主	代码片段为主
覆盖	全模态（文本/视觉/音频）	文本为主	文本为主
可直接跑	✅ Colab 可直接跑	✅	✅
许可证	Apache-2.0	CC-BY-NC	CC-BY-NC
关联产品	Vertex AI、ADK、Gemini	OpenAI API	Anthropic API

结论：如果你用 Google Cloud + Gemini，这是最权威的示例库；如果你是 OpenAI 或 Anthropic 重度用户，对应官方的 Cookbook 更合适。

一句话推荐结论

Google Cloud Gemini 生态最官方的代码示例库，Colab 直跑适合快速验证思路，但示例代码不等于生产级代码，企业使用需配合官方支持的 Vertex AI SDK 并注意区域和权限配置。