starter-applets

GitHub
1.3k 453 简单 1 次阅读 2天前Apache-2.0Agent开发框架插件图像
AI 解读 由 AI 自动生成,仅供参考

starter-applets 是 Google AI Studio 提供的一组开源示例应用集合,旨在展示如何利用 Gemini 模型构建生动的交互式体验。这些小型应用不仅能在 AI Studio 中直接运行,其源代码也支持开发者通过 Gemini API 在本地独立部署和调试。

该工具主要解决了开发者在探索多模态 AI 能力时“不知从何下手”的难题,通过提供完整、可运行的代码模板,直观演示了如何将大模型能力转化为实际功能。它特别适合前端开发者、AI 爱好者以及希望快速原型验证的研究人员使用,帮助他们在 React 或 Lit 等熟悉的技术栈中轻松集成智能特性。

starter-applets 包含三个核心示例:Spatial Understanding 展示了 Gemini 对 2D/3D 空间关系的理解与边界框解析能力;Video Analyzer 演示了如何结合函数调用(Function Calling)技术深入分析视频内容事件;Map Explorer 则融合了 Google Maps API,展现了模型如何通过函数调用驱动外部地图服务进行交互探索。每个示例都清晰标注了关键代码文件,方便用户学习提示词工程与函数定义的具体实现。无论是想学习多模态推理,还是探索函数调用在实际场景中的应用,starter-applets 都是极佳的入门起点。

使用场景

某旅游科技公司的产品经理希望快速验证"AI 视频导游”和“交互式地图行程规划”两个新功能原型,以向投资人展示 Gemini 在多模态理解上的潜力。

没有 starter-applets 时

  • 开发团队需从零搭建 React 或 Lit 项目框架,耗费数天配置基础环境而非专注业务逻辑。
  • 实现视频事件分析时,工程师需手动研究复杂的 Function Calling 定义,容易在参数传递上出错。
  • 整合地图服务时,缺乏现成的 Google Maps Embed API 调用示例,导致前后端联调周期漫长。
  • 处理空间坐标数据时,缺少边界框(Bounding Box)解析的参考代码,算法验证难度极大。
  • 整体原型开发耗时数周,错失市场窗口期,且因代码结构不清晰导致后期维护困难。

使用 starter-applets 后

  • 直接复用 Video Analyzer 和 Map Explorer 的源码,几分钟内即可在本地运行起可交互的高保真原型。
  • 参考 functions.js 中的标准写法,迅速掌握如何通过函数调用精准提取视频中的关键事件信息。
  • 利用 map-explorer 中预置的 function-declarations.js,无缝对接地图嵌入接口,立即实现地点智能推荐。
  • 借鉴 Spatial Understanding 模块的 Prompt.tsx 逻辑,快速搞定 2D/3D 空间数据的解析与可视化。
  • 原型开发缩短至数小时,团队能即时演示核心创意,并将精力集中在优化用户体验而非底层基建。

starter-applets 通过将谷歌官方的最佳实践转化为即插即用的代码模板,让开发者能从繁琐的基建中解放出来,专注于利用 Gemini 能力创造独特的交互体验。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该项目主要由前端技术(React, Lit)构建,旨在通过 Gemini API 在浏览器中运行。本地开发无需特殊硬件(如 GPU),但需要在 .env 文件或 script.js 中配置有效的 Gemini API Key。其中 Map Explorer 示例还需依赖 Google Maps Embed API。
python未说明
React
Lit
Gemini API
Google Maps Embed API
starter-applets hero image

快速开始

Google AI Studio 入门小应用

此仓库包含 Google AI Studio 的 入门应用 源代码——这是一组小型应用,展示了如何利用 Gemini 构建交互式体验。这些应用专为在 AI Studio 内运行而设计,但此处提供的版本也可通过 Gemini API 独立运行。

空间理解

空间理解 (在线演示) 是一个简单的示例,用于展示 Gemini 的 2D 和 3D 空间理解和推理能力。它使用 React 构建。

此示例可以帮助你了解如何开始使用 Gemini 进行空间分析。请查看 Prompt.tsx,以了解边界框解析的具体实现方式。若想深入探索 Gemini 的空间推理能力,可参阅此 Colab 笔记本

如需本地开发,请将你的 Gemini API 密钥插入 .env 文件中。

视频分析器

视频分析器 (在线演示) 是一款简单应用,允许你借助 Gemini 探索视频中的事件。它使用 React 构建。

此示例展示了如何通过函数调用开始进行视频分析。请查看 functions.js,以了解该小应用的函数定义!

如需本地开发,请将你的 Gemini API 密钥插入 .env 文件中。

地图浏览器

地图浏览器 (在线演示) 是一款简单应用,允许你使用 Gemini 和 Google 地图 API 浏览地图。它采用 Lit 框架构建,并结合了 Maps Embed API

此示例将帮助你了解如何开始使用函数调用。请查看 function-declarations.js,以进一步了解此处如何通过函数调用来调用 Maps Embed API!

如需本地开发,请在 script.js 文件中将 your_key_here 替换为你自己的 Gemini API 密钥。

贡献者

相似工具推荐

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|★★★☆☆|昨天
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

140.4k|★★☆☆☆|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。

107.7k|★★☆☆☆|3天前
开发框架图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|昨天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|昨天
图像数据工具视频