generative-ai

GitHub
16.6k 4.1k 简单 1 次阅读 4天前Apache-2.0Agent开发框架插件语言模型
AI 解读 由 AI 自动生成，仅供参考

generative-ai 是谷歌云官方提供的开源资源库，旨在帮助开发者快速上手并构建基于 Vertex AI 平台的生成式 AI 应用。它汇集了丰富的代码示例、交互式笔记本（Notebooks）及示例应用，全面覆盖了从环境配置到复杂工作流管理的各个环节。

该资源库有效解决了开发者在利用谷歌大模型进行创新时面临的“起步难”和“示例少”的问题。通过提供结构清晰的实战指南，用户无需从零摸索，即可直接复用成熟代码来集成最新的多模态能力。其核心亮点在于对谷歌最新模型（如 Gemini 3.1 Pro）的即时支持，并细分了多个专业模块：涵盖文本对话与函数调用的 Gemini 专区、支持自定义搜索引擎的 Vertex AI Search、用于增强数据准确性的 RAG（检索增强生成）技术、以及基于 Imagen 的图像生成编辑和基于 Chirp 的语音处理方案。

这套工具特别适合人工智能工程师、后端开发者及数据科学家使用。无论是希望快速验证原型的初创团队，还是需要在企业级数据上构建定制化搜索与问答系统的技术人员，都能从中找到对应的最佳实践。对于想要深入理解谷歌云 AI 生态的研究人员而言，这里也是获取前沿技术落地参考的理想入口。

使用场景

某电商企业的技术团队需要为海量商品评论构建一个能理解上下文并自动回复的智能客服系统，同时支持多模态分析（如识别用户上传的破损商品图片）。

没有 generative-ai 时

  • 开发门槛极高：团队需从零搭建复杂的深度学习架构，手动收集并清洗百万级训练数据，耗时数月才能训练出基础模型。
  • 多模态能力缺失：传统 NLP 模型无法直接处理用户上传的图片，必须额外开发独立的图像识别服务并进行繁琐的系统集成。
  • 响应僵化且不准：基于规则或关键词匹配的回复机制生硬刻板，无法理解“这件衣服洗后缩水”等具体语境，导致客户满意度低。
  • 维护成本高昂：每当新增商品品类或促销策略时，都需要重新标注数据并微调模型，迭代周期长达数周。

使用 generative-ai 后

  • 快速原型落地：直接调用 Vertex AI 上的 Gemini 3.1 Pro 预训练模型，利用 gemini/ 目录下的示例代码，几天内即可部署具备强大理解能力的客服引擎。
  • 原生多模态支持：借助 vision/ 模块中的 Imagen 和视觉问答功能，系统能直接“看懂”用户上传的破损照片并结合文字描述生成精准理赔建议。
  • 拟人化智能交互：模型能深刻理解长文本上下文和隐含意图，针对复杂投诉生成自然、有同理心的回复，显著提升解决率。
  • 灵活迭代与 RAG 增强：通过 rag-grounding/ 方案挂载企业最新知识库，无需重新训练即可让模型实时掌握新促销规则，实现分钟级知识更新。

generative-ai 将原本需要数十人月研发的复杂多模态智能系统，转化为可快速组装调用的标准化工作流，极大降低了企业应用大模型的门槛与成本。

运行环境要求

操作系统
  • 未说明 (基于 Google Colab 和 Vertex AI Workbench，通常支持 Linux 环境)
GPU

未说明 (代码主要在 Google Cloud Vertex AI 或 Colab 云端运行，本地运行需求取决于具体模型，README 未列出本地 GPU 要求)

内存

未说明

依赖
notes该项目主要是一系列在 Google Cloud Platform (GCP) 上运行的 Notebook 示例和代码样本。核心运行环境是云端的 Vertex AI 或 Google Colab，而非本地部署。用户需要配置 Google Cloud 账号、启用 Vertex AI API 并设置认证凭据。具体的计算资源（如 GPU/TPU）由云端实例类型决定，而非本地硬件。
python未说明 (需安装 Vertex AI Python SDK)
vertexai (Google Cloud Vertex AI SDK)
google-cloud-aiplatform
generative-ai hero image

快速开始

Google Cloud 上的生成式 AI

Gemini 3.1 Pro 已发布！

以下是使用新模型的最新笔记本和演示：

此仓库包含笔记本、代码示例、示例应用及其他资源，展示了如何使用 Google Cloud 上的生成式 AI，结合 Vertex AI，来使用、开发和管理生成式 AI 工作流。

使用本仓库

Applied AI Summit：生成式 AI 的云工具包

描述
Gemini
gemini/ 		通过入门笔记本、用例、函数调用、示例应用等，探索 Gemini。
搜索
search/ 		如果您对使用 Vertex AI Search 感兴趣，可以使用此文件夹。这是一项由 Google 管理的解决方案，可帮助您快速构建面向网站和企业数据的搜索引擎。（原名“基于生成式 AI 应用构建器的企业搜索”）。
RAG 置信度
rag-grounding/ 		此文件夹提供有关 Vertex AI 中的检索增强生成（RAG）和置信度的相关信息。这是跨其他目录中专注于该主题的笔记本和示例索引。
视觉
vision/ 		如果您有兴趣从头开始构建自己的解决方案，利用 Vertex AI 上的 Imagen 提供的功能（Vertex AI Imagen API），请使用此文件夹。Vertex AI 上的 Imagen 提供以下功能：
  • 图像生成
  • 图像编辑
  • 视觉字幕生成
  • 视觉问答
语音
audio/ 		如果您想利用 Vertex AI 上的 Chirp——Google 通用语音模型 (USM) 的一个版本（Vertex AI Chirp API）——从头开始构建自己的解决方案，可以使用此文件夹。
环境设置
setup-env/ 		关于如何设置 Google Cloud、Vertex AI Python SDK 以及在 Google Colab 和 Vertex AI Workbench 上搭建笔记本环境的说明。
资源
RESOURCES.md 		有关 Google Cloud 上生成式 AI 的学习资源（例如博客、YouTube 播放列表）。

相关仓库

参与贡献

欢迎贡献！请参阅贡献指南。

获取帮助

请使用问题页面提交建议、反馈或报告 bug。

免责声明

本仓库本身并非 Google 官方支持的产品。此仓库中的代码仅用于演示目的。

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|5天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|6天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 150k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 108.3k|★★☆☆☆|昨天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。

★ 100.8k|★★☆☆☆|昨天
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器

★ 93.4k|★★☆☆☆|4天前
插件开发框架