Gemini 2.5 AI工程实践:结构化输出与函数调用实战指南
2025-06-05 21:47:32作者:范靓好Udolf
引言
在当今AI应用开发领域,如何让大语言模型输出结构化数据、如何让模型与外部系统交互,是开发者面临的两大核心挑战。本文将深入探讨Gemini 2.5 AI工程实践中关于结构化输出、函数调用和原生工具集成的关键技术。
一、结构化输出:从自由文本到精准数据
结构化输出是AI工程中的基础能力,它允许我们将模型的自由文本响应转换为预定义的结构化格式。
核心价值
- 数据提取:从非结构化文本中提取关键信息
- 系统集成:为下游API提供标准化数据格式
- 质量控制:确保响应包含所有必需字段
实战示例:食谱提取
class Recipe(BaseModel):
recipe_name: str
ingredients: List[str]
prep_time_minutes: int
difficulty: str # "easy", "medium", "hard"
servings: int
response = client.models.generate_content(
model=MODEL_ID,
contents="提供2个流行饼干食谱",
config=types.GenerateContentConfig(
response_mime_type="application/json",
response_schema=RecipeList,
),
)
这个示例展示了如何使用Pydantic模型定义输出结构,确保模型返回的数据完全符合我们的业务需求。
二、函数调用:连接AI与外部世界
函数调用能力让Gemini模型可以智能地决定何时调用开发者定义的函数,实现与外部系统的交互。
典型应用场景
- 实时数据获取(天气、股票等)
- 数据库查询
- 复杂计算任务
- 多步骤业务流程
实现模式
1. 基础函数调用流程
def get_weather(location: str) -> dict:
# 实际应用中这里会调用天气API
return {"temperature": 22, "condition": "sunny"}
# 定义函数声明
weather_function = {
"name": "get_weather",
"description": "获取指定位置的天气信息",
"parameters": {...}
}
# 发送请求并处理函数调用
response = client.models.generate_content(
model=MODEL_ID,
contents="东京天气如何?",
config=types.GenerateContentConfig(tools=[weather_function])
2. 自动函数调用(Python特有)
# 直接将函数传递给配置
config = types.GenerateContentConfig(tools=[get_weather, calculate_area])
response = client.models.generate_content(
model=MODEL_ID,
contents="东京天气和5x3米房间面积是多少?",
config=config
)
自动函数调用简化了开发流程,SDK会自动处理函数调用和结果整合。
三、原生工具:开箱即用的强大能力
Gemini提供了一系列原生工具,无需额外配置即可使用。
1. Google搜索集成
google_search_tool = types.Tool(google_search=types.GoogleSearch())
response = client.models.generate_content(
model=MODEL_ID,
contents="2025年可再生能源技术有哪些最新进展?",
config=types.GenerateContentConfig(tools=[google_search_tool])
2. URL内容分析
url_context_tool = types.Tool(url_context=types.UrlContext())
response = client.models.generate_content(
model=MODEL_ID,
contents="用3个要点总结https://www.python.org/about/的主要内容",
config=types.GenerateContentConfig(tools=[url_context_tool])
3. 代码执行能力
code_execution_tool = types.Tool(code_execution={})
response = client.models.generate_content(
model=MODEL_ID,
contents="用matplotlib绘制世界五大城市人口柱状图",
config=types.GenerateContentConfig(tools=[code_execution_tool])
四、实战练习
练习1:PDF发票数据提取
使用结构化输出从PDF发票中提取关键信息:
class InvoiceItem(BaseModel):
description: str
quantity: int
unit_price: float
total: float
# 上传PDF并提取结构化数据
练习2:计算器代理
实现四则运算函数并集成到Gemini中:
def add(a: float, b: float) -> dict:
return {"result": a + b}
# 测试复杂表达式:"计算(25 + 15) * 3 - 10"
练习3:数据搜索与可视化
结合Google搜索和代码执行工具:
# 搜索世界五大城市人口并可视化
五、最佳实践与注意事项
- 结构化输出:始终定义完整的Pydantic模型,包括字段类型和验证规则
- 函数调用:为函数提供清晰的文档字符串,帮助模型理解何时调用
- 错误处理:考虑函数调用失败时的回退方案
- 工具组合:合理搭配不同工具实现复杂工作流
- 安全考虑:特别注意代码执行工具的安全风险
结语
通过本文介绍的结构化输出、函数调用和原生工具,开发者可以构建出更强大、更可靠的AI应用。这些技术不仅提高了模型的实用性,也为AI系统集成提供了标准化方案。在实际项目中,建议从简单场景开始,逐步构建复杂的交互流程。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0269get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java00AudioFly
AudioFly是一款基于LDM架构的文本转音频生成模型。它能生成采样率为44.1 kHz的高保真音频,且与文本提示高度一致,适用于音效、音乐及多事件音频合成等任务。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile08
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp挑战编辑器URL重定向问题解析2 freeCodeCamp课程中排版基础概念的优化探讨3 freeCodeCamp正则表达式教学视频中的语法修正4 freeCodeCamp JavaScript 问答机器人项目中的变量声明与赋值规范探讨5 freeCodeCamp钢琴设计项目中的CSS盒模型设置优化6 freeCodeCamp项目中移除未使用的CSS样式优化指南7 freeCodeCamp课程中事件传单页面的CSS选择器问题解析8 freeCodeCamp项目中从ts-node迁移到tsx的技术决策分析9 freeCodeCamp正则表达式课程中反向引用示例代码修正分析10 freeCodeCamp计算机基础课程中主板与CPU概念的精确表述
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K

deepin linux kernel
C
22
6

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
980
395

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
931
555

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
518

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0