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。
精选推荐
都读到这里了，点个赞鼓励一下吧，小手一赞，年薪百万！😊👍👍👍。关注我，AI之路不迷路，原创技术文章第一时间推送🤖。