公众号的AI聊天机器人已修复！谷歌Gemini Pro 10大使用场景解析

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，所以创建了“AI信息Gap”这个公众号，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2024我们一起变强。

今年1月31日，我把谷歌Gemini Pro的API接入了这个公众号里，以方便国内的朋友们体验谷歌Gemini模型，还不了解的小伙伴们可以看我之前的这篇文章：重磅福利！本公众号已接入谷歌Gemini Pro模型免费使用！

这两天陆续有朋友反馈说AI机器人不回复了，今天抽时间调查并修复了一下这个问题，目前公众号的AI机器人对话功能已恢复正常。

出现这个问题的原因是谷歌的Gemini Pro服务近期负载巨大，请求失败率非常高，导致出现大量的请求失败。Gemini Pro目前是完全免费的服务，感兴趣的朋友可以看我之前的这篇教程：『AI喂饭级教程』如何免费获取谷歌Gemini Pro大模型的API？。操作简单，搭配一些第三方客户端即可轻松搭建自己的AI聊天机器人，或者可以配合沉浸式翻译一起使用。但值得一提的是，目前谷歌已经开始陆续对一些高并发量的Gemini Pro API限额，出现限额的标志是报429错误：code": 429, "message": "Quota exceeded for quota metric 'Generate Content API requests per minute'。

关于公众号AI聊天机器人的说明

公众号集成的LLM模型是Gemini Pro, 未来可能会考虑切换到OpenAI的GPT系列模型，Claude，以及国内的一些模型，如通义千问和讯飞星火。
Gemini Pro模型擅长处理自然语言类任务，如内容理解、分析、总结，支持多语言，包括中文。但不支持图片输入、图片解析、及生成图片。

关于如何使用：我已经把触发词设置为空，所以直接进行对话就可以，不需要加任何符号，如#，和平时跟人对话是一样的，直接发给机器人你想让它做的事，比如总结出一份会议纪要，写一个日报等等。描述的越详细，得到的结果和你想要的越接近。

回复内容较短的情况下 (15s内)，可以立即完成回复。但耗时较长的回复则会先回复一句 "正在思考中"，后续需要输入任意文字主动获取答案，如回复个“1”，就能够获得这部分回复。这是微信的限制，目前无法避开。

谷歌Gemini Pro 10大使用场景

作为一个大语言模型，Gemini Pro最擅长的自然是处理各种文字类任务。谷歌官方列举了10大常见的使用场景，我们一一来看。

总结（Summarization）：
- 解释：通过提取关键信息并以更简洁的形式重新表达，能够帮助用户快速把握文档或文章的主旨。
- 案例：将一篇长达数千字的市场分析报告总结为200字以内的摘要，突出最重要的发现、数据和结论，适用于高管快速阅读。
问答（Question Answering）：
- 解释：解析自然语言形式的问题，并从预设的知识库或实时的数据中提取答案。
- 案例：自动回答用户关于某产品使用方法的问题，如“如何在XY软件中创建新项目？”从而提高客户服务效率。
数字内容理解（Digital Content Understanding）：
- 解释：评估和分类文本内容，比如判断其语法正确性、风格或主题。
- 案例：自动审核用户生成的评论内容，识别出违规或含有敏感词汇的评论。
分类（Classification）：
- 解释：基于文本的特征，将其分配到预定义的类别或标签中。
- 案例：对新闻文章进行分类，如将其标记为“政治”、“经济”、“体育”等，以便于内容的组织和检索。
信息搜寻（Info Seeking）：
- 解释：结合世界知识和特定域的信息，响应用户的查询需求。
- 案例：为研究人员提供一种工具，通过输入研究主题，自动搜寻、汇总和提供相关的学术论文和资料。
物体识别（Object Recognition）：
- 解释：识别和分类图像或视频中的对象，并提供相关信息或回答相关问题。
- 案例：在社交媒体平台上，自动识别上传照片中的物品，并提供购买链接或相关信息。
情感分析（Sentiment Analysis）：
- 解释：判断文本的情绪倾向，如积极、消极或中性，并将这种情绪转化为具体的标签。
- 案例：分析客户对新产品的评论和反馈，以了解市场接受度和潜在的改进点。
实体提取（Entity Extraction）：
- 解释：从文本中识别和提取具有特定意义的实体，如人名、地点、日期等。
- 案例：从法律文档中提取案件相关人物、地点和日期等关键信息，帮助律师快速构建案件框架。
代码生成（Code Generation）：
- 解释：根据自然语言的描述自动生成编程代码。
- 案例：基于用户的需求描述，如“创建一个可以检查任意年份是否为闰年的函数”，自动生成对应的Python代码。
多轮聊天（Multi-turn Chat）：
- 解释：在对话过程中维持上下文的连贯性，对用户的多轮输入给出连贯、相关的回答。
- 案例：在客户服务机器人中应用，通过持续对话帮助解决用户的复杂问题，如技术故障排查或产品选择建议。