(🎨 这张封面图用Imagen 3通过Gemini生成)

欢迎来到我的关于使用Google AI工具构建的博客系列！在本篇博文中，我们将使用Gemini创建一个简单的聊天应用，并把它托管在Cloud Run上。如果你正在尝试大型语言模型或者想将AI集成到你的Web应用中，那么你来对地方了，没错！现在，让我们开始吧。

我们将打造一个连接Gemini API的网页聊天工具，它会在Cloud Run上运行，并通过Cloud Build和Artifact Registry来打包和部署。

完成本教程后，你将能够…

• 创建一个与gemini API交互的Python web应用
• 用Docker为你的应用创建容器
• 使用Google Cloud工具将应用部署到Cloud Run服务
• 开始考虑如何在自己的项目中整合LLM

所以，少考虑像【HAL】这样的系统，多考虑智能助手【SmarterChild】。🤖💬 让我们开始吧！

要开始，你需要确保拥有以下内容：

• 一个 Google Cloud 项目（项目 ID）
• 安装并已认证 gcloud CLI
• 安装了 Docker
• 启用了 Vertex AI API (在你的项目中)
• 💻 可选：使用Cloud Shell 获取一个完全配置好的环境

让我们开始，下载一个现成的Python Flask程序：

git clone https://github.com/ChloeCodesThings/chat-app-demo # 克隆代码仓库到本地
cd chat-app-demo # 进入代码目录

进入全屏 退出全屏

你会发现，我们的应用有：

• app.py - Flask路由及Gemini API逻辑处理
• index.html - 一个简单的聊天界面
• Dockerfile - 构建容器的说明

首先，你需要配置一些环境变量。

# 导出项目ID
export PROJECT_ID=$(gcloud config get-value project)
# 设置区域，这里是美中部1区
export REGION=us-central1
# 设置容器仓库名称
export AR_REPO=chat-app-repo
# 设置服务名称
export SERVICE_NAME=chat-gemini-app

全屏模式，退出全屏

创建 Artifact Registry 仓库 (repo)：

使用以下命令可以创建仓库:

    gcloud artifacts repositories create $AR_REPO \
    --repository-format=docker \
    --location=$REGION

这将创建一个名为 $AR_REPO 的仓库，格式为 Docker，位置为 $REGION。

进入全屏 关闭全屏

接着构建并推送镜像：

运行以下命令以提交构建并使用指定标签： 
gcloud builds submit --tag $REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/$SERVICE_NAME

全屏显示 / 退出全屏

现在来部署应用吧。

使用以下命令将服务部署到 Google Cloud Run:

gcloud run deploy $SERVICE_NAME \
  --image=$REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/$SERVICE_NAME \
  --platform=managed \
  --region=$REGION \
  --allow-unauthenticated \
  --set-env-vars=GCP_PROJECT=$PROJECT_ID,GCP_REGION=$REGION

进入全屏 退出全屏

你会得到一个网址，比如https://chat-gemini-app-xxxxxx.run.app。打开它即可与Gemini聊天吧！

我们来看看后台的逻辑吧。在 app.py 中，这里就有魔法了：

    from vertexai.preview.language_models 导入模块 ChatModel

    def 创建会话():
        chat_model = ChatModel.from_pretrained("gemini-2.0-flash")
        chat = chat_model开始对话()
        return chat

    def 回复(chat, message):
        result = chat发送()
        return result.text

切换到全屏 退出全屏

所以，每当用户发送一条消息时，我们的应用会。

• 开始新聊天

• 把消息发给Gemini模型

• 以 JSON 返回响应内容

输入一个问题，比如：“你有多少岁？”

"什么是 Google 云平台？"

…你就能得到由LLM生成的符合上下文的回复。

耶！我们做到了！🥳 这只是个开始！在以后的文章中，我们会介绍：

• 优化聊天界面

• 持久会话

• 使用系统提示来塑造Gemini的回应

• 确保您的端点安全，可以使用 Firebase Auth 或 API 网关。

🎊 给自己点个赞吧！
这篇帖子中，你学会了如何：

注意，这里将“give yourself a high-five”翻译为“给自己点个赞”，是为了让中文表达更加自然和流行，更符合当前中文社交网络的习惯用语。

使用Gemini搭建并发布一个简单的Flask聊天程序

• 用 Docker 容器化它并推送到 Google Artifact Registry

• 以最少的配置部署到Cloud Run

想了解更多吗？这里有一个你可以参考的教程。

下次见啦，大家！- 萱（Chloe）