Beim Online-Shopping kann es überwältigend sein, die Menge an Produktrezensionen und die verfügbaren Produkte zu sehen. Wie können wir all das durchgehen, um das Produkt zu finden, das unseren spezifischen Anforderungen entspricht?
Angenommen, wir möchten einen Arbeitsrucksack kaufen. Rucksäcke müssen in Funktionalität, Ästhetik und Nützlichkeit ein Gleichgewicht Aufgrund der vielen Bewertungen ist es fast unmöglich zu wissen, ob du die perfekte Tasche gefunden hast. Was wäre, wenn wir KI nutzen könnten, um den Lärm zu durchsuchen und das perfekte Produkt zu finden?
Es wäre hilfreich, eine Zusammenfassung aller Rezensionen sowie eine Liste der häufigsten Vor- und Nachteile zu erhalten.
![Beispiel für eine Nutzerrezension mit positiven und negativen Hervorhebungen](https://developer.chrome.com/static/docs/ai/images/user-reviews.jpg?authuser=6&hl=de)
Dazu nutzen wir serverseitige Generative AI. Die Inferenz erfolgt auf einem Server.
In diesem Dokument finden Sie eine Anleitung für die Gemini API mit Node.js. Dabei wird das Google AI JavaScript SDK verwendet, um Daten aus vielen Rezensionen zusammenzufassen. Dabei konzentrieren wir uns auf Generative AI. Es wird nicht behandelt, wie Ergebnisse gespeichert oder eine Jobwarteschlange erstellt werden.
In der Praxis können Sie jede LLM API mit jedem beliebigen SDK verwenden. Die vorgeschlagene Aufforderung muss jedoch möglicherweise angepasst werden, um das ausgewählte Modell zu erfüllen.
Voraussetzungen
Erstellen Sie einen Schlüssel für die Gemini API und definieren Sie ihn in Ihrer Umgebungsdatei.
Installieren Sie das Google AI JavaScript SDK, z. B. mit npm:
npm install @google/generative-ai
Anwendung zum Zusammenfassen von Rezensionen erstellen
- Initialisieren Sie ein Generative AI-Objekt.
- Erstellen Sie eine Funktion, um Zusammenfassungen von Rezensionen zu generieren.
- Wählen Sie das Generative-AI-Modell aus. Für unseren Anwendungsfall verwenden wir Gemini Pro. Verwenden Sie ein Modell, das für Ihren Anwendungsfall spezifisch ist (z. B.
gemini-pro-vision
ist für die multimodale Eingabe vorgesehen). - Aufforderung hinzufügen.
- Rufen Sie
generateContent
auf, um die Eingabeaufforderung als Argument zu übergeben. - Generieren Sie die Antwort und geben Sie sie zurück.
- Wählen Sie das Generative-AI-Modell aus. Für unseren Anwendungsfall verwenden wir Gemini Pro. Verwenden Sie ein Modell, das für Ihren Anwendungsfall spezifisch ist (z. B.
const { GoogleGenerativeAI } = require("@google/generative-ai");
// Access the API key env
const genAI = new GoogleGenerativeAI(process.env.API_KEY_GEMINI);
async function generateReviewSummary(reviews) {
// Use gemini-pro model for text-only input
const model = genAI.getGenerativeModel({ model: "gemini-pro" });
// Shortened for legibility. See "Write an effective prompt" for
// writing an actual production-ready prompt.
const prompt = `Summarize the following product reviews:\n\n${reviews}`;
const result = await model.generateContent(prompt);
const response = await result.response;
const summary = response.text();
return summary;
}
Einen effektiven Prompt schreiben
Der beste Weg, mit generativer KI erfolgreich zu sein, besteht darin, einen gründlichen Prompt zu erstellen. In diesem Beispiel haben wir die One-Shot-Prompts-Methode verwendet, um konsistente Ausgaben zu erhalten.
One-Shot-Prompts werden durch die Beispielausgabe dargestellt, damit Gemini ein Modell erstellen kann.
const prompt =
`I will give you user reviews for a product. Generate a short summary of the
reviews, with focus on the common positive and negative aspects across all of
the reviews. Use the exact same output format as in the example (list of
positive highlights, list of negative aspects, summary). In the summary,
address the potential buyer with second person ("you", "be aware").
Input (list of reviews):
// ... example
Output (summary of reviews):
// ... example
**Positive highlights**
// ... example
**Negative aspects**
// ... example
**Summary**
// ... example
Input (list of reviews):
${reviews}
Output (summary of all input reviews):`;
Hier ist eine Beispielausgabe dieser Aufforderung, die eine Zusammenfassung aller Rezensionen sowie eine Liste häufiger Vor- und Nachteile enthält.
## Summary of Reviews:
**Positive highlights:**
* **Style:** Several reviewers appreciate the backpack's color and design.
* **Organization:** Some users love the compartments and find them useful for
organization.
* **Travel & School:** The backpack seems suitable for both travel and school
use, being lightweight and able to hold necessary items.
**Negative aspects:**
* **Durability:** Concerns regarding the zipper breaking and water bottle holder
ripping raise questions about the backpack's overall durability.
* **Size:** A few reviewers found the backpack smaller than expected.
* **Material:** One user felt the material was cheap and expressed concern about
its longevity.
**Summary:**
This backpack seems to be stylish and appreciated for its organization and
suitability for travel and school. However, you should be aware of potential
durability issues with the zippers and water bottle holder. Some users also
found the backpack smaller than anticipated and expressed concerns about the
material's quality.
Token limits
Bei vielen Überprüfungen kann das Tokenlimit des Modells erreicht werden. Tokens sind nicht immer mit einem einzelnen Wort identisch. Ein Token kann Teile eines Wortes oder mehrere Wörter zusammen sein. Beispielsweise hat Gemini Pro ein Limit von 30.720 Tokens. Der Prompt kann also höchstens 600 Rezensionen aus durchschnittlich 30 Wörtern auf Englisch umfassen, abzüglich des Rests der Anleitung.
Verwenden Sie countTokens()
, um die Anzahl der Tokens zu prüfen und die Eingabe zu reduzieren, wenn die Eingabeaufforderung größer als zulässig ist.
const MAX_INPUT_TOKENS = 30720
const { totalTokens } = await model.countTokens(prompt);
if (totalTokens > MAX_INPUT_TOKENS) {
// Shorten the prompt.
}
Für Unternehmen entwickeln
Wenn Sie Google Cloud-Nutzer sind oder anderweitig Unternehmenssupport benötigen, können Sie mit Vertex AI auf Gemini Pro und weitere Modelle wie die Claude-Modelle von Anthropic zugreifen. Sie können Model Garden verwenden, um festzustellen, welches Modell am besten zu Ihrem spezifischen Anwendungsfall passt.
Nächste Schritte
Die von uns entwickelte Anwendung ist auf Qualitätsprüfungen angewiesen, um möglichst effektive Zusammenfassungen zu liefern. Wie Sie solche Qualitätsprüfungen erheben, erfahren Sie im nächsten Artikel dieser Reihe: Nutzern dabei helfen, nützliche Produktrezensionen mit Web-KI auf dem Gerät zu schreiben.
Ihre Meinung ist uns wichtig. Teilen Sie uns mit, welche Anwendungsfälle Sie am meisten interessieren. Sie können Feedback geben und am Vorschauprogramm teilnehmen, um diese Technologie mit lokalen Prototypen zu testen.
Mit Ihrem Beitrag können Sie uns helfen, KI zu einem leistungsfähigen und gleichzeitig praktischen Tool für alle zu machen.
Nächster Artikel: Nutzer beim Verfassen hilfreicher Rezensionen unterstützen