随着 Gemini API 应用的成熟,您可能会发现自己需要一个更广泛的平台来构建和部署端到端生成式 AI 应用和解决方案。Vertex AI 提供了一个全面的工具生态系统,使开发者能够充分利用生成式 AI 的强大力量(从应用开发的初始阶段到应用部署、应用托管以及大规模管理复杂的数据)。
借助 Vertex AI,您可以访问一套机器学习运维 (MLOps) 工具,以便简化 AI 模型的使用、部署和监控,从而提高效率和可靠性。此外,与数据库、开发运维 (DevOps) 工具、日志记录、监控和 IAM 的集成可提供一种全面的方法来管理整个生成式 AI 生命周期。
单独使用 Gemini API 与使用 Vertex AI 的区别
下表总结了 Gemini API 与 Vertex AI 之间的主要区别,可帮助您确定适合您的应用场景的选项:
功能 | Gemini API | Vertex AI |
---|---|---|
端点名称 | generativelanguage.googleapis.com |
aiplatform.googleapis.com |
注册 | Google 账号 | Google Cloud 账号(具有条款协议和结算) |
身份验证 | API 密钥 | Google Cloud 服务账号 |
界面平台 | Google AI Studio | Vertex AI Studio |
API 和 SDK |
服务器和移动/Web 客户端 SDK
|
服务器和移动/Web 客户端 SDK
|
免费使用 API 和 SDK | 是(在适用的情况下) | 为新用户提供 300 美元 Google Cloud 赠金 |
配额(每分钟请求数) | 因模型和定价方案而异(请参阅详细信息) | 因模型和区域而异(请参阅详细信息) |
企业支持服务 | 否 |
|
MLOps | 否 | Vertex AI 上的完整 MLOps(示例:模型评估、模型监控、Model Registry) |
迁移步骤
以下部分介绍了将 Gemini API 代码迁移到 Vertex AI 所需的步骤。这些步骤假定您已将来自 Google AI Studio 的提示数据保存在 Google 云端硬盘中。
迁移到 Vertex AI 时:
- 您可以使用现有的 Google Cloud 项目(即用于生成 Gemini API 密钥的项目),也可以创建新的Google Cloud 项目。
- Gemini API 和 Vertex AI 支持的区域可能会有所不同。请参阅 Google Cloud上的生成式 AI 支持的区域列表。
- 您在 Google AI Studio 中创建的任何模型都需要在 Vertex AI 中重新训练。
1. 将提示迁移到 Vertex AI Studio
您的 Google AI Studio 提示数据保存在 Google 云端硬盘文件夹中。本部分介绍了如何将提示迁移到 Vertex AI Studio。
- 打开 Google 云端硬盘。
- 转到存储提示的 AI_Studio 文件夹。
将提示从 Google 云端硬盘下载到一个本地目录中。
在 Google Cloud 控制台中打开 Vertex AI Studio。
在 Vertex AI 菜单中,依次点击最近 > 查看全部,打开提示管理菜单。
点击
导入提示。点击提示文件字段旁边的浏览,然后从本地目录中选择提示。
如需批量上传提示,您必须手动将这些提示组合到单个 JSON 文件中。
点击上传。
2. 将训练数据上传到 Vertex AI Studio
如需将训练数据迁移到 Vertex AI,您需要将数据上传到 Cloud Storage 存储桶。如需了解详情,请参阅调优简介。
3. 删除未使用的 API 密钥
如果您不再需要使用 Gemini Developer API 的 Gemini API 密钥,请遵循安全性最佳实践并将其删除。
如需删除 API 密钥,请执行以下操作:
打开 Google Cloud API 凭证页面。
找到您要删除的 API 密钥,然后点击操作图标。
选择删除 API 密钥。
在删除凭据模态框中,选择删除。
删除 API 密钥的操作需要几分钟时间才能生效。生效后,任何使用已删除的 API 密钥的流量都将遭到拒绝。
后续步骤
- 使用 Vertex AI Studio 或 Vertex AI API 尝试学习快速入门教程。