ארגז הכלים של ג'מיני: כל מה שאתם יכולים לעשות היום עם אפליקציות, כלים ו-API של בינה מלאכותית של גוגל

דף הבית » האפליקציות הטובות ביותר » ארגז הכלים של ג'מיני: כל מה שאתם יכולים לעשות היום עם אפליקציות, כלים ו-API של בינה מלאכותית של גוגל

"ארגז הכלים של ג'מיני" כבר אינו רק ביטוי קליט; זוהי קבוצת האפליקציות, הכלים, הסוכנים וממשקי ה-API המעשיים שגוגל משלבת בשקט בכל דבר, החל מלמידה מזדמנת ועד זרימות עבודה ארגוניות. במקום עוזר מונוליטי יחיד, ג'מיני מתנהג כעת יותר כמו ארגז כלים שבו כל תכונה היא כלי ספציפי: מנוע מחקר, מורה פרטי, עוזר קוד, מתזמן פגישות, בונה שקופיות ועוד.

אם תבינו איך החלקים האלה משתלבים יחד – קנבס, למידה מודרכת, מעבדות, סוכנים, Gemini Enterprise ו-Gemini API – תוכלו להפוך את Gemini לסוס עבודה אמיתי במקום צ'אטבוט חדשני. למטה תמצאו סיור מפורט בארגז הכלים הזה: מה נמצא באזור היציב "כלים", מה נבדק ב-"מעבדות", כיצד Gemini מתנהג כמורה פרטי עם תמונות וסרטונים, וכיצד מפתחים יכולים לחבר את ה-API ל-Google Workspace לאוטומציה רצינית.

מה בדיוק יש בארגז הכלים של ג'מיני כיום?

ג'מיני מובנת בצורה הטובה ביותר כמשפחה של מודלים של בינה מלאכותית ( מהם מודלים של שפה ) (ג'מיני 1.0, ג'מיני 1.5, ג'מיני 3 וכן הלאה) המסופקים דרך מגוון רחב של חזיתות: אינטרנט, אפליקציות מובייל, שילוב סביבת עבודה ו-API למפתחים. רעיון "ארגז הכלים" נובע מהאופן שבו גוגל מקבצת כעת יכולות קונקרטיות בתוך ממשק ג'מיני, במיוחד באינטרנט.

ברשת, בורר האפשרויות הראשי בתוך ג'מיני מחולק לשני אזורים עיקריים: "כלים" לתפקוד יציב ומוכן לייצור ו"מעבדות" לניסויים שעדיין נמצאים בתהליכי שינוי. חשבו על "כלים" כעל המברג המהימן שאתם תופסים כל יום, בעוד ש"מעבדות" הוא המגש שבו אתם שומרים אבות טיפוס שעשויים לשנות צורה בשבוע הבא.

במובייל, אפליקציות ג'מיני מוסיפות רבות מאותן כלים - למידה מודרכת, חוויות דמויות קנבס, עזרה עשירה בתמונות - אך הן נפרסות בהדרגה. אם אינך רואה עדיין תכונה ספציפית באפליקציה, גוגל ממליצה במפורש לנסות שוב מאוחר יותר או לעבור ל- gemini.google.com כדי לראות את הגרסה העדכנית ביותר באינטרנט.

מתחת למכסה המנוע, כל המשטחים הללו מגובים על ידי ממשק ה-API של Gemini, אשר חושף מודלים רב-מודאליים וקריאות לפונקציות, כך שתוכלו ליצור תוכן, לנתח תמונות או לתזמר זרימות עבודה באמצעות קוד. ממשק API זה הוא עמוד השדרה עבור רבות מהאוטומציות של סביבת העבודה שנכסה בהמשך.

כלים לעומת מעבדות: כיצד ג'מיני מארגנת את התכונות שלה

ככל ש-Gemini צברה יותר כפתורים ומצבים, גוגל הציגה הפרדה ברורה יותר בין תכונות בוגרות לתכונות ניסיוניות באמצעות שני חלקים: "כלים" ו"מעבדות". שינוי זה כבר נראה בממשק האינטרנט ונפרס בהדרגה משרתי גוגל, כך שלא כל חשבון רואה את אותה פריסה בו זמנית.

מדור "כלים" הוא המקום שבו גוגל מחנה יכולות שהיא מחשיבה כיציבות וצפויות לשימוש יומיומי. דיווחים ממקורות כמו Android Police ו-9to5Google מראים שתחום זה כולל פריטים כמו מחקר עמוק, יצירת תמונות, יצירת וידאו דרך Veo, Canvas, למידה מודרכת וחשיבה עמוקה, שלעיתים קשורים לרמות מנוי ספציפיות כמו Google AI Pro או Google AI Ultra.

"מעבדות", לעומת זאת, הן מגרש המשחקים המפורש: אזור ייעודי בתוך בורר ג'מיני שמקבץ תכונות המסומנות כניסיוניות. בדרך כלל תראו סמלים עם בקבוקון מעבדה קטן ותוויות כמו סוכן ג'מיני, תצוגה דינמית (נקראת גם פריסה חזותית) ואינטליגנציה אישית. הציפייה כשלוחצים על משהו תחת מעבדות היא פשוטה: ההתנהגות עשויה להשתנות, להיעלם או לזוז ללא אזהרה.

מנקודת מבט של עיצוב מוצר, הפרדה זו חשובה לאמון. כאשר אפליקציית בינה מלאכותית גדלה במהירות, הסיכון אינו רק "יותר מדי תכונות" אלא "אין לי מושג על אילו תכונות אני יכול לסמוך". על ידי הצבת כלים יומיומיים באזור אחד וניסויים באזור אחר, ג'מיני מאותת על סיכון באופן דומה למצב "רגיל" לעומת "ספורט" במכונית.

כלי ג'מיני היציבים: מחקר מעמיק, קנבס, למידה מודרכת ועוד

ארגז הכלים המרכזי של Gemini עבור רוב המשתמשים נמצא תחת "כלים", שם תמצאו את החוויות שגוגל רוצה שתבנו סביבן הרגלים. למרות שהרשימה המדויקת משתנה בהתאם לחשבון ולרמת המנוי, כמה אלמנטים כבר מרכזיים.

Deep Research הופך את Gemini לעוזר מחקר מובנה במקום מודל צ'אט גנרי. כאשר שואלים שאלה הדורשת חקירה במקורות מרובים, Deep Research פועל לפי תהליך רב-שלבי מפורש יותר, וחושף מתודולוגיה עקבית כך שמשתמשים יודעים למה לצפות בכל פעם שהם פונים אליה.

כלי יצירת תוכן לתמונות ווידאו - כולל אינטגרציות המופעלות על ידי Veo - נמצאים גם הם במגירת הכלים. משתמשים המסתמכים על Gemini לתוכן חזותי זקוקים ליכולות אלה שניתן למצוא ויציבות באופן סביר, ולא להסתתר מאחורי דגלים ניסיוניים משתנים.

קנבס הוא עמוד תווך נוסף: מצב סביבת עבודה שבו ניתן להתחיל מסמך או פרויקט קידוד ישירות מתוך הנחיה, ולאחר מכן לעדן אותו באופן איטרטיבי באמצעות ג'מיני. מתחת לסרגל הבקשות, ניתן לבחור "קנבס" ולהקליד את ההנחיה כדי ליצור נקודת התחלה לתוכן או לקוד, ולאחר מכן להמשיך לערוך בפריסה אינטראקטיבית, זה לצד זה.

למידה מודרכת וחשיבה עמוקה משלימות את הכלים הממוקדים יותר מבחינה קוגניטיבית, במיוחד עבור משתמשים המעוניינים בעזרה מובנית בנושאים מורכבים. למידה מודרכת יכולה להתנהג כמו מורה פרטי, להדריך אותך דרך רעיונות צעד אחר צעד, בעוד שחשיבה עמוקה מעודדת חשיבה איטית ומכוונת יותר בשאלות מאתגרות.

ג'מיני כמורה אישי: למידה מודרכת, תמונות וסרטונים

אחד ההיבטים הידידותיים ביותר למשתמש של ארגז הכלים של ג'מיני הוא היכולת שלו לשמש כמורה פרטי, לשלב רצפים מודרכים עם הסברים חזותיים. במקום למלא קיר של טקסט, ג'מיני יכול לשלב תמונות, סקיצות ואפילו סרטונים בתשובותיו כדי להקל על ההבנה של מושגים.

במונחים מעשיים, אתם יכולים לבקש מג'מיני להסביר נושא ולבקש במפורש תרשים, פירוט ויזואלי או תמונה להמחשה. התגובה יכולה לשלב את התמונות הללו ישירות בהסבר, ולעזור לכם לדמיין, למשל, מושג מתמטי, זרימת עבודה או תהליך מדעי.

למידה מבוססת וידאו נתמכת גם כן, אם כי הפרטים משתנים בהתאם לאזור ולשלב ההשקה. עבור נושאים מסוימים, ג'מיני יכולה להציג או להפנות לסרטונים המשלימים את התשובה הטקסטואלית שלה, ויוצרת נתיב למידה רב-מודאלי יותר שבו ניתן לקרוא, לצפות ולקיים אינטראקציה עם שאלות באותו זרימה.

מצב הוראה זה מוצג בהדרגה באפליקציות ג'מיני לנייד, כך שייתכן שלא תראו את כל האפשרויות באופן מיידי. כאשר זה קורה, החלופה היא שימוש בחוויית האינטרנט, שבה מערך התכונות של ג'מיני מופיע לעתים קרובות מוקדם יותר במהלך פריסות מדורגות.

Gemini Enterprise ו-Workspace: סוכני בינה מלאכותית לצוותים

מעבר לשימוש אישי, ארגז הכלים של Gemini משתרע גם למקום העבודה באמצעות שילובים של Gemini Enterprise ו-Google Workspace. כאן, המיקוד עובר מהנחיות חד פעמיות לסוכנים מתמשכים, זרימות עבודה ושיתוף פעולה בקנה מידה גדול.

ג'מיני אנטרפרייז מתוארת על ידי גוגל כפלטפורמת סוכנים מתקדמת המביאה את המיטב של הבינה המלאכותית של גוגל לכל עובד וזרימת עבודה. בפועל, היא מאפשרת לצוותים לגלות, ליצור, לשתף ולהפעיל סוכני בינה מלאכותית בסביבה מאובטחת המגובה בנתוני החברה שלהם, מה שמפחית צווארי בקבוק בפיתוח ומאפשר מקרי שימוש כמו ניתוח מכירות, אוטומציה של תהליכים וחיפוש ידע פנימי.

Google Workspace עצמו משמש כפלטפורמת שיתוף פעולה משופרת על ידי Gemini, עם בינה מלאכותית שזורה באפליקציות כמו Gmail, Docs ו-Meet. במקום לעבור לכלי בינה מלאכותית נפרד, משתמשים יכולים להפעיל את Gemini בתוך אפליקציות הפרודוקטיביות היומיומיות שלהם כדי לנסח תוכן, לסכם מידע או לייצר רעיונות בהקשר.

בחלק מהמערכות, ניתן אפילו לשוחח בצ'אט עם ג'מיני ישירות דרך נתוני הארגון המאוחסנים ב-Google Workspace, Microsoft 365 ומערכות מחוברות אחרות. זה הופך את ג'מיני לשכבת ידע ארגונית שיכולה לענות על שאלות המבוססות על מיילים, מסמכים וקבצים, בכפוף להרשאות ולהגדרות האבטחה שתצורתן נקבעה על ידי צוות ה-IT.

ממשק ה-API של ג'מיני: עמוד השדרה של ארגז הכלים למפתחים

מתחת לאפליקציות Gemini הפונות למשתמש נמצא ממשק ה-API של Gemini, החושף את אותם מודלים מרכזיים למפתחים להטמעה באפליקציות שלהם. ממשק API זה הוא המקום שבו רב-מודאליות, קריאות לפונקציות וזרימות עבודה מותאמות אישית נפגשות לאוטומציה משמעותית, במיוחד עם Google Workspace ו-Apps Script.

מודלי ג'מיני הם מערכות הבינה המלאכותית החזקות ביותר של גוגל, והממשק ה-API מספק גרסאות שונות של מודלים - כגון גרסאות ממוקדות טקסט וגרסאות מוכוונות חזון - לכל אחת יכולות ומגבלות ספציפיות. ניתן לחקור אותן באופן ויזואלי ב-Google AI Studio, ממשק מתארח לניסיון הנחיות, כוונון הגדרות מודל ואפילו כוונון מודלים מותאמים אישית מבלי לכתוב קוד.

כדי להתחיל להשתמש ב-API, עליך לבקש מפתח API דרך Google AI Studio או קונסולה נתמכת אחרת, ולאחר מכן לבדוק אותו באמצעות קריאה פשוטה ל-REST. לדוגמה, תוכל לייצא את המפתח שלך למשתנה סביבה כמו GOOGLE_API_KEY ולהפעיל את נקודת הקצה שמפרטת מודלים זמינים, ולקבל JSON כמו models/gemini-1.0-pro אם הכל מוגדר כהלכה.

משם, יצירת תוכן היא עניין של POST של מטען JSON לנקודת הקצה המתאימה, כגון שיטת generateContent עבור מודל נבחר. בקשה מינימלית כוללת שדה תוכן עם חלקי טקסט, בעוד ש-generationConfig ו- safetySettings אופציונליים מאפשרים לך לשלוט בפרמטרים כמו טמפרטורה ומסנני בטיחות.

קריאה ל-Gemini API מ-Apps Script

אחת התבניות החזקות ביותר בארגז הכלים של Gemini היא שילוב ה-API עם Google Apps Script כדי להפוך זרימות עבודה בתוך Workspace לאוטומטיות. גישה זו מאפשרת לך לתזמר את Gemini לצד שירותים כמו Drive, Calendar, Gmail, Sheets ו-Slides מבלי לבנות backend מלא.

ההגדרה הסטנדרטית מתחילה בפרויקט Apps Script (לדוגמה, שנוצר דרך script.new) שבו אתם מאחסנים את מפתח ה-API של Gemini שלכם כמאפיין script. בקוד, אתם מאחזרים את הערך הזה ובונים כתובת URL של נקודת קצה עבור מודל ספציפי, לרוב gemini-1.0-pro-latest:generateContent, כאשר מפתח ה-API שלכם מועבר כפרמטר שאילתה.

פונקציית עזר כמו callGemini(prompt, temperature) בדרך כלל בונה מטען JSON, שולחת אותו דרך UrlFetchApp.fetch ומנתחת את התגובה כדי לחלץ את הטקסט שנוצר. עטיפה זו מפשטת שימוש חוזר ב-API מכלי עזר שונים בסקריפט שלך.

הבדיקה היא פשוטה: ניתן ליצור פונקציית testGemini() שמגדירה הפקודה, קוראת לעוזר שלך ורושמת את הקלט והפלט ליומני הביצוע. ברגע שזה יעבוד, תדעו שסביבת Apps Script ומפתח ה-API של Gemini מחוברים כהלכה לתרחישים מתקדמים יותר.

שימוש בנקודת הקצה של Gemini Vision עבור תמונות

ארגז הכלים של Gemini הולך מעבר לטקסט הודות לתמיכה רב-מודאלית, במיוחד היכולת לעבד תמונות דרך נקודת קצה מבוססת ראייה. ב-Apps Script, זוהי בדרך כלל נקודת קצה נפרדת כגון gemini-1.0-pro-vision-latest:generateContent , שוב מוגדרת על ידי מפתח ה-API שלך.

עוזר טיפוסי כמו callGeminiProVision(prompt, image, temperature) ימיר בלוב תמונה ל-base64, יטמיע אותו כ- inlineData עם סוג ה-MIME המתאים וישלח אותו יחד עם הפקודה טקסטואלית. לאחר מכן המודל מחזיר טקסט המשקף את הבנתו הן את התמונה והן את הפקודה.

כדי לאמת את ההגדרה, ניתן לכתוב testGeminiVision() קטן שמוריד תמונה לדוגמה מכתובת URL ציבורית, מעבירה אותה לעוזר שלך ומתעד עובדה מעניינת או ניתוח שנוצר על ידי Gemini Vision. בדיקה מסוג זה מדגישה שהקלט הרב-מודאלי פועל כהלכה בסביבה שלך.

ברגע שזרימת הראייה יציבה, ניתן לעשות בה שימוש חוזר בתוך אוטומציות ברמה גבוהה יותר, כגון ניתוח תרשימים מ-Google Sheets או תמונות המאוחסנות ב-Drive. כאן מתחילה להרגיש רב-מודאליות כחלק שימושי באמת בארגז הכלים ולא כמו טריק הדגמה.

קריאה לפונקציה: מתן גישה ל-Gemini לכלים

אלמנט מפתח נוסף בארגז הכלים של ג'מיני הוא קריאה לפונקציות, המאפשרת למודל להחליט מתי להפעיל את הכלים או ה-API שלו. במקום רק ליצור טקסט, ג'מיני יכול להחזיר אובייקטים מובנים של functionCall המתארים באיזו פונקציה להשתמש ועם אילו ארגומנטים.

ב-Apps Script, ניתן להגדיר עוזר כגון callGeminiWithTools(prompt, tools, temperature) ששולח מפרט כלים יחד עם הפקודה של המשתמש. מפרט זה עוקב אחר סכימת FunctionDeclaration , שבה מתארים את שם הפונקציה, מטרתה ופרמטרי JSON.

כאשר ג'מיני מחליטה שיש להשתמש בכלי, התגובה שלו כוללת אובייקט קריאה לפונקציה שניתן לנתח בסקריפט ולנתב אותו למימוש בפועל. לדוגמה, ניתן להגדיר כלי סטוב בשם "datetime" שמחזיר את התאריך והשעה הנוכחיים, ולצפות כיצד ג'מיני מבקשת את הפונקציה הזו כדי לפתור שאלות הקשורות לחישובי לוח שנה.

קריאה לפונקציות היא עוצמתית במיוחד משום שהיא יכולה לפעול על פני מספר סיבובים, ולא רק בקשות חד-פעמיות. משמעות הדבר היא שניתן לתכנן סוכני שיח מורכבים יותר, שמחליטים מתי לקרוא לכלים, לפרש את התוצאות ולהמשיך את הדיאלוג.

אינטגרציות הדגמה: Gemini + Google Workspace כארגז כלים מעשי

ברגע שמשלבים יצירת טקסט, קלט ויזואלי וקריאה לפונקציות, ארגז הכלים של Gemini הופך למנוע מעשי לאוטומציות של סביבת עבודה. חומרי הקוד של גוגל מתארים מספר דוגמאות קונקרטיות הממחישות מה אפשרי.

ברמה גבוהה, שאילתות נכנסות של משתמשים מועברות ל-Gemini עם סט של כלים זמינים המייצגים זרימות עבודה שונות: תזמון פגישות, ניסוח דוא"ל מתרשימים ויצירת מצגת שקופיות. בהתבסס על השאילתה, Gemini בוחר את הפונקציה הנכונה ומחזיר קריאה לפונקציה עם ארגומנטים מובנים כגון זמנים, שמות קבצים או נושאים.

בסקריפט האפליקציות שלך, לאחר מכן אתה מפרש את קריאת הפונקציה בתוך שרשרת if…else , ומפעיל את זרימת העבודה המתאימה - לדוגמה, setupMeeting() , draftEmail() או createDeck() . שילוב זה של הנמקת מודל ולוגיקת סקריפט מפורשת הוא שהופך את Gemini מחלון צ'אט לארגז כלים לעבודה אמיתית.

אוטומציה של פגישות: סיכום קבצי Drive לאירועי יומן

הדגמה אחת מראה כיצד ג'מיני יכולה לסייע בהגדרת פגישת יומן הכוללת אוטומטית סיכום של קובץ טקסט המאוחסן ב-Google Drive. המשתמש עשוי להקליד משהו כמו: "קבע פגישה מחר בשעה 10 בבוקר עם הלן כדי לדון בחדשות בקובץ Gemini-blog.txt".

מאחורי הקלעים, כלי Workspace בשם "setupMeeting" מוגדר במפרט הכלים, עם פרמטרים עבור זמן, נמען ושם קובץ. כאשר Gemini מפרש את השאילתה, הוא בוחר בכלי זה ומחזיר קריאה לפונקציה עם ארגומנטים אלה מולאו.

הפונקציה setupMeeting() המתאימה מוצאת את הקובץ שצוין ב-Drive, קוראת את תוכנו ומעבירה אותו ל-Gemini דרך callGemini() עם הוראות ליצירת אובייקט JSON קצר המכיל כותרת וסיכום קצר. התגובה עשויה לחזור עטופה בגדרות עיצוב שתסיר לפני הניתוח כ-JSON.

באמצעות הכותרת והסיכום שחולצו, הסקריפט יוצר אירוע בלוח שנה באמצעות CalendarApp , מגדיר את התיאור לסיכום ומצרף את קובץ המקור באמצעות שירות לוח השנה המתקדם. התוצאה היא פגישה מתוזמנת עם הקשר מובנה, כולה מופעלת על ידי בקשה אחת בשפה טבעית.

ניסוח אימיילים מתרשימים של Sheets עם Gemini Vision

תהליך עבודה נוסף בארגז הכלים של ג'מיני כולל ניתוח תרשים ב-Google Sheets וניסוח הודעת Gmail המבוססת עליו. דמיינו שאתם שומרים גיליון אלקטרוני של הוצאות לימודים ורוצים אימייל שמסכם את מה שהתרשים מציג עבור עמית בשם מרי.

שאילתת המשתמש עשויה לומר: "צור טיוטת אימייל עבור מרי עם תובנות מהתרשים בגיליון CollegeExpenses". כלי בשם "draftEmail" מוגדר לקבל sheet_name ונמען, וג'מיני בוחר בכלי זה כאשר הוא רואה סוג זה של בקשה.

הפונקציה draftEmail() מאתרת את הגיליון האלקטרוני המבוקש ב-Drive, פותחת את הגיליון הרלוונטי, מאחזרת את התרשים הראשון שלו ושומרת תרשים זה כקובץ (לדוגמה, ExpenseChart.png). לאחר מכן, היא בונה הנחיה המורה ל-Gemini להשתמש רק במידע מהתרשים, להימנע מהשוואות היסטוריות ולשמור על ההודעה תמציתית.

על ידי קריאה לפונקציה callGeminiProVision(prompt, expenseChart) , הסקריפט שולח את הפקודה ואת תמונת התרשים ל-Gemini Vision, אשר מחזירה גוף אימייל מותאם אישית. לבסוף, הסקריפט יוצר טיוטת Gmail הממוענת לאימייל של הנמען, מגדיר נושא כמו "הוצאות קולג'" ומצרף את תמונת התרשים.

דפוס זה הופך למעשה את ג'מיני לאנליסט שיכול לקרוא גרף, לחלץ את הסיפור המרכזי ולנסח אותו בשפה טבעית עבורך. אתה עדיין סורק ומתאים את הטיוטה, אבל רוב העבודה הכבדה נעשית באופן אוטומטי.

בניית מצגות באופן אוטומטי באמצעות Gemini ו-Google Slides

תהליך העבודה השלישי והעיקרי להדגמה בארגז כלים זה בונה אוטומטית מצגת שלד ב-Google Slides בנושא שצוין על ידי המשתמש. לדוגמה, ייתכן שתשאלו: "עזרו לי להרכיב מצגת על שימור מים".

כלי בשם "createDeck" מוצהר עם פרמטר יחיד, נושא, ו-Gemini מקבל הוראות להחזיר JSON מובנה המתאר סדרה של שקופיות. ההנחיה אומרת ל-Gemini כמה שקופיות ליצור (בהתבסס על קבוע כמו NUM_SLIDES), מבקשת כותרות קצרות ונקודות תבליט, ומבקשת במפורש אובייקט JSON תקף כדי שהסקריפט יוכל לנתח אותו בבטחה.

לאחר קריאה לפונקציה callGemini() עם הפקודה הזו, הסקריפט מסיר את כל גדרות העיצוב, מנתח את ה-JSON ולאחר מכן משתמש ב-SlidesApp כדי ליצור מצגת חדשה. השקופית הראשונה מטופלת כעמוד השער, והשקופיות הבאות עוקבות אחר פריסת TITLE_AND_BODY שבה הסקריפט ממלא את הכותרת ואת טקסט התבליט.

תוך מספר שניות, תקבלו חבילת תוכן בסיסית עם נקודות שיחה מובנות לכל שקופית, מוכנות להתאמה אישית ויזואלית. בעוד שהפלט מינימלי במכוון, תהליך עבודה זה מראה כיצד ג'מיני יכול להניע את מבנה התוכן כך שתוכלו להתמקד בעיצוב ובניואנסים.

הרחבת ארגז הכלים: צ'אטבוטים, RAG וכלים רב-תכליתיים

הדוגמאות לעיל הן רק נקודת התחלה; ניתן להרחיב את ארגז הכלים הרחב יותר של ג'מיני לכיוונים רבים לאחר שתרגישו בנוח עם ה-API ועם קריאות הפונקציות. גוגל מציעה במפורש מספר דרכים לחקירה.

מקרה שימוש פופולרי אחד הוא בניית צ'אטבוטים עבור גוגל צ'אט באמצעות ממשק ה-API של ג'מיני. כאן, אותם דפוסים חלים: אתם חושפים כלים, נותנים לג'מיני להחליט מתי לקרוא להם ומחברים את התגובות בחזרה לממשק שיחה בתוך צ'אט, כשהכל נשלט על ידי ממשק ה-API של צ'אט ומעבדות הקוד הנלוות.

כיוון מרכזי נוסף הוא יצירת אחזור רבודה (RAG) על גבי תוכן פרטי ב-Drive או ב-Keep. במקום לסכם קובץ טקסט יחיד, ניתן לשלב את ממשק ה-API של Gemini עם מסד נתונים וקטורי, ובאופן אופציונלי, מסגרת תזמור כמו LangChain כדי לאחזר קטעי טקסט רלוונטיים מקבצי PDF, תמונות והערות לפני שתבקשו מ-Gemini ליצור תגובה המבוססת על מסמכים אלה.

קריאה לפונקציות מרובות-סיבובים פותחת גם סוכנים מתוחכמים יותר שיכולים להחליט באופן איטרטיבי אילו כלים להשתמש ובאיזה רצף. במקום החלטה בודדת, סוכן יכול לקרוא לפונקציה, לבחון את התוצאה, ואז לקרוא לפונקציה אחרת או לשאול שאלת הבהרה, והכל בתוך רצף אחד מתמשך.

לבסוף, אין דרישה להישאר בתוך Workspace; לאחר שתשלטו בתבניות ה-API של Gemini, תוכלו לחבר את המודל ל-API חיצוניים ברחבי האינטרנט הרחב. כך ג'מיני עוברת מעוזר תאגידי מרוכז לתזמור כללי של עבודה דיגיטלית.

יחד, החלקים הללו - כלים יציבים, מעבדות ניסיוניות, תכונות הדרכה, סוכני ארגונים ו-API למפתחים - יוצרים ארגז כלים עשיר באמת של ג'מיני שיכול להתאים הן ללומדים מזדמנים והן למשתמשים מתקדמים. אם תתייחסו לג'מיני פחות כאל אפליקציה אחת ויותר כאל סט הולך וגדל של כלים שתוכלו לחבר, תהיו בעמדה חזקה לנצל כל מה שגוגל תוסיף בהמשך מבלי שתצטרכו לחשוב מחדש על כל תהליך העבודה שלכם בכל פעם.