Neo4j LLM Graph Builder项目中Gemini模型的配置指南
2025-06-24 15:22:35作者:伍霜盼Ellen
在Neo4j LLM Graph Builder项目中集成Google Gemini系列大语言模型时,正确的环境变量配置是关键环节。本文将详细介绍前后端环境配置要点,帮助开发者快速搭建Gemini模型运行环境。
前端环境配置
前端配置相对简单,主要需要关注与后端的连接参数:
VITE_BACKEND_API_URL="" # 后端API地址
VITE_BLOOM_URL="..." # Neo4j工作区预览URL
VITE_REACT_APP_SOURCES=""
VITE_LLM_MODELS_PROD=""
VITE_ENV="PROD" # 环境标识
VITE_TIME_PER_PAGE=50 # 页面处理时间限制
VITE_CHUNK_SIZE=5242880 # 文件分块大小(5MB)
VITE_LARGE_FILE_SIZE=5242880
VITE_CHAT_MODES=""
VITE_BATCH_SIZE=2 # 批量处理大小
VITE_LLM_MODELS=""
DEPLOYMENT_ENV="local" # 部署环境标识
后端核心配置
后端需要配置Gemini各版本模型标识及认证参数:
# Gemini模型版本配置
LLM_MODEL_CONFIG_gemini_1.5_pro="gemini-1.5-pro-002"
LLM_MODEL_CONFIG_gemini_1.5_flash="gemini-1.5-flash-002"
LLM_MODEL_CONFIG_gemini_2.0_flash="gemini-2.0-flash-001"
LLM_MODEL_CONFIG_gemini_2.5_pro="gemini-2.5-pro-exp-03-25"
# 功能开关
GEMINI_ENABLED="true"
# GCP认证(可选)
GOOGLE_APPLICATION_CREDENTIALS="/path/to/gcp.json"
认证配置要点
-
项目ID设置:可通过以下任一方式指定Google Cloud项目ID:
- 代码构造函数参数
- 使用vertexai.init()初始化
- 执行gcloud命令:
gcloud config set project my-project - 设置GCP环境变量
-
服务账号认证:推荐使用服务账号JSON文件认证,通过环境变量指定路径:
export GOOGLE_APPLICATION_CREDENTIALS="/path/to/service-account.json" -
命令行认证:开发环境下可使用快捷认证方式:
gcloud auth application-default login
最佳实践建议
- 生产环境建议使用服务账号认证而非个人账号
- 不同环境(开发/测试/生产)应使用独立的项目ID
- 大文件处理时注意调整分块大小参数
- 模型版本更新时及时同步环境配置
- 敏感凭证信息不应直接提交到代码仓库
通过以上配置,开发者可以快速在Neo4j LLM Graph Builder项目中集成Gemini系列模型,充分利用其强大的图数据生成和处理能力。实际部署时,还需根据具体业务需求调整批处理大小、超时设置等参数。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271