安卓软件开发，JetpakComposeM3用Gemini API创建demo的技术实现和源码

原创

Nimyears

发布于 2024-12-05 12:19:06

1290

2024年进入尾声，作为一名聋人独立开发者，我常常回顾和反思过去半年的成长和收获。最近，我在Gemma2竞赛独立开发项目中再创佳绩，荣获亚军，然后我要专注工作。我会抽时间编写有价值的技术文章，感谢大家的理解与支持！

一、项目背景

Gemini API 是 Google 提供的一款强大的 AI 解决方案，它为移动应用开发者提供了丰富的 AI 功能，比如自然语言处理、图片识别等。用Gemini API，可以轻松把智能化功能集成到你的Android应用中。特别是对那些想要快速嵌入AI功能的开发者来说，这个API提供了很大的便利。

为什么要使用Gemini API？

因为随着移动设备的普及，越来越多的应用需要利用云端的AI服务来减轻本地设备的压力。通过Gemini API，应用可以在云端执行复杂的AI任务，比如处理大规模的图像识别，自然语言生成，确保本地应用的性能不会受到影响。

在这篇文章中，我们会带你一步步地从零开始，用Android Studio新建一个基于Gemini API的项目。作为聋人独立开发者，你不需要太多繁杂的配置，通过提供的模板就能轻松上手。

二、项目开发

要开始一个新的Gemini项目，首先，你需要打开Android Studio，选择“新建项目”选项。在弹出的界面中，找到“Gemini API Starter”模板，这个模板是Google专门为集成Gemini API准备的（参见图示）。

点击"Next"，你需要填写以下项目信息：

Name: 项目名称，可以自定义，例如“NimGemini”。
Package Name: 包名，保持唯一性，可以选择如 com.nim.nimgeminidemo。
Save Location: 项目保存路径，可以是本地的任意文件夹。
Minimum SDK: 选择API 34 (Android 14.0)。
Build configuration language: 选择 Kotlin DSL。

接下来，你会被要求输入一个API Key。这个API Key是为了访问Gemini API服务必须的。点击页面上的"Generate API key with Google AI Studio"，进入Google AI Studio获取API Key并填入框中。确保API Key准确无误，最后点击“Finish”完成项目创建。

Keys官方链接：https://aistudio.google.com/app/apikey?hl=zh-cn

创建完项目后，Android Studio会生成一个完整的项目结构，其中包括：

MainActivity.kt: 这个文件是项目的入口，也是你开始调用Gemini API的地方。
build.gradle.kts: 这个文件管理项目的依赖和构建配置。

Gemini API所需的依赖已经通过模板自动添加，无需手动引入。这样，你的项目已经具备了AI调用的能力。

2.3 添加依赖与权限

为了让你的应用成功连接到Gemini API服务，还需要在AndroidManifest.xml中添加一些权限。特别是与网络相关的权限，包括：

<uses-permission android:name="android.permission.INTERNET" />
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />

这两项权限允许应用访问网络服务，并能与Google的AI服务器通信。

2.4 配置API密钥与环境

API Key 是项目中至关重要的一部分。在项目配置文件 gradle.properties 中，你可以将API Key保存为环境变量，这样不仅可以提高安全性，还能避免在代码中直接暴露Key：

API_KEY="你的API密钥"

在代码中，通过读取环境变量的方式获取API Key，这样既便捷又安全。

通过使用 Gemini API Starter 模板，所有的依赖都已经配置好，只需关注核心代码的实现。

2.5 讲解核心代码

(1).我详细介绍Demo中的核心代码部分，以下代码展示了如何通过 Gemini API 发送图片和提示信息，生成AI输出内容：

package com.nim.nimgeminidemo

class BakingViewModel : ViewModel() {
    private val _uiState: MutableStateFlow<UiState> =
        MutableStateFlow(UiState.Initial)
    val uiState: StateFlow<UiState> =
        _uiState.asStateFlow()

    private val generativeModel = GenerativeModel(
        modelName = "gemini-pro-vision",
        apiKey = BuildConfig.apiKey
    )

    fun sendPrompt(
        bitmap: Bitmap,
        prompt: String
    ) {
        _uiState.value = UiState.Loading

        viewModelScope.launch(Dispatchers.IO) {
            try {
                val response = generativeModel.generateContent(
                    content {
                        image(bitmap)
                        text(prompt)
                    }
                )
                response.text?.let { outputContent ->
                    _uiState.value = UiState.Success(outputContent)
                }
            } catch (e: Exception) {
                _uiState.value = UiState.Error(e.localizedMessage ?: "")
            }
        }
    }
}

(2).解释代码

ViewModel 通过 sendPrompt 函数，图片和提示信息发送至 Gemini API 并获取AI生成的文本结果。在界面上，会根据返回的状态更新UI，展示生成的文本或错误信息。

package com.nim.nimgeminidemo

/**
 * A sealed hierarchy describing the state of the text generation.
 */
sealed interface UiState {

    /**
     * Empty state when the screen is first shown
     */
    object Initial : UiState

    /**
     * Still loading
     */
    object Loading : UiState

    /**
     * Text has been generated
     */
    data class Success(val outputText: String) : UiState

    /**
     * There was an error generating text
     */
    data class Error(val errorMessage: String) : UiState
}

(3)解释代码：

Initial（初始状态）：当界面刚加载时，什么都还没开始做，这个状态就代表一切刚刚开始。
Loading（加载中）：当你触发了某个操作，比如生成文本，这个状态表示操作还在进行中，UI会显示个进度条或者加载动画。
Success（成功状态）：当操作成功完成，比如文本生成成功了，这个状态就会拿到生成的文本内容，然后展示给用户。
Error（错误状态）：如果操作过程中发生了错误，比如网络问题或者其他原因，这个状态会包含错误信息，方便展示给用户知道哪里出错了。

简单来说，这段代码通过不同的状态来控制界面上的显示内容，比如显示加载中、展示结果、或者报错提示，用起来也很灵活。

package com.nim.nimgeminidemo

val images = arrayOf(
    R.drawable.baked_goods_1,
    R.drawable.baked_goods_2,
    R.drawable.baked_goods_3,
)
val imageDescriptions = arrayOf(
    R.string.image1_description,
    R.string.image2_description,
    R.string.image3_description,
)

@Composable
fun BakingScreen(
    bakingViewModel: BakingViewModel = viewModel()
) {
    val selectedImage = remember { mutableIntStateOf(0) }
    val placeholderPrompt = stringResource(R.string.prompt_placeholder)
    val placeholderResult = stringResource(R.string.results_placeholder)
    var prompt by rememberSaveable { mutableStateOf(placeholderPrompt) }
    var result by rememberSaveable { mutableStateOf(placeholderResult) }
    val uiState by bakingViewModel.uiState.collectAsState()
    val context = LocalContext.current

    Column(
        modifier = Modifier.fillMaxSize()
    ) {
        Text(
            text = stringResource(R.string.baking_title),
            style = MaterialTheme.typography.titleLarge,
            modifier = Modifier.padding(16.dp)
        )

        LazyRow(
            modifier = Modifier.fillMaxWidth()
        ) {
            itemsIndexed(images) { index, image ->
                var imageModifier = Modifier
                    .padding(start = 8.dp, end = 8.dp)
                    .requiredSize(200.dp)
                    .clickable {
                        selectedImage.intValue = index
                    }
                if (index == selectedImage.intValue) {
                    imageModifier =
                        imageModifier.border(BorderStroke(4.dp, MaterialTheme.colorScheme.primary))
                }
                Image(
                    painter = painterResource(image),
                    contentDescription = stringResource(imageDescriptions[index]),
                    modifier = imageModifier
                )
            }
        }

        Row(
            modifier = Modifier.padding(all = 16.dp)
        ) {
            TextField(
                value = prompt,
                label = { Text(stringResource(R.string.label_prompt)) },
                onValueChange = { prompt = it },
                modifier = Modifier
                    .weight(0.8f)
                    .padding(end = 16.dp)
                    .align(Alignment.CenterVertically)
            )

            Button(
                onClick = {
                    val bitmap = BitmapFactory.decodeResource(
                        context.resources,
                        images[selectedImage.intValue]
                    )
                    bakingViewModel.sendPrompt(bitmap, prompt)
                },
                enabled = prompt.isNotEmpty(),
                modifier = Modifier
                    .align(Alignment.CenterVertically)
            ) {
                Text(text = stringResource(R.string.action_go))
            }
        }

        if (uiState is UiState.Loading) {
            CircularProgressIndicator(modifier = Modifier.align(Alignment.CenterHorizontally))
        } else {
            var textColor = MaterialTheme.colorScheme.onSurface
            if (uiState is UiState.Error) {
                textColor = MaterialTheme.colorScheme.error
                result = (uiState as UiState.Error).errorMessage
            } else if (uiState is UiState.Success) {
                textColor = MaterialTheme.colorScheme.onSurface
                result = (uiState as UiState.Success).outputText
            }
            val scrollState = rememberScrollState()
            Text(
                text = result,
                textAlign = TextAlign.Start,
                color = textColor,
                modifier = Modifier
                    .align(Alignment.CenterHorizontally)
                    .padding(16.dp)
                    .fillMaxSize()
                    .verticalScroll(scrollState)
            )
        }
    }
}

@Preview(showSystemUi = true)
@Composable
fun BakingScreenPreview() {
    BakingScreen()
}

(4)解释代码:

images 和 imageDescriptions: 定义了一个图片数组和对应的图片描述，用于在界面上显示可供用户选择的图片。
BakingScreen 组件: 这是主界面的显示逻辑，用户在这里可以选择图片并输入文本提示，调用ViewModel生成文本结果。
selectedImage: 记录用户选择的图片索引。
prompt 和 result: 分别用于保存用户输入的提示文字和生成的结果。
uiState: 保存界面的当前状态，比如正在加载、显示成功结果、或者发生错误。
图片选择区: 用 LazyRow 显示可横向滑动的图片列表，用户点击图片会更新选中的图片，图片会显示带边框的选中状态。
输入提示与按钮: 用户输入文本提示后，点击按钮，应用会使用 bakingViewModel 调用AI生成文本。
状态显示: 根据 uiState 的值，界面会显示加载进度、成功生成的文本或者错误信息。
如果是 Loading 状态，会显示进度指示器。
如果是 Success 状态，会显示生成的文本。
如果是 Error 状态，会显示错误消息。

2.6 阅读源码

2.6.1 `GenerativeModel` 是API的核心类

在这个类中，构造函数接受多个参数：

modelName：指定使用哪个AI模型，例如 gemini-pro-vision。
apiKey：用于认证的API密钥，保证客户端与Google的AI服务能够进行安全的通信。
generationConfig：生成配置参数，控制生成内容的特性，例如输出文本的长度或生成图像的分辨率。
safetySettings：安全设置，用于控制生成内容时的安全性和过滤规则，防止不合适的内容生成。
requestOptions：控制与后端通信时的其他配置，比如超时时间或请求头信息。

2.6.2 重点讲解safetySettings 类

解释代码

val harassmentSetting = SafetySetting(
    category = SafetyCategory.HARASSMENT,
    setting = SafetyLevel.ONLY_HIGH
)

val harmfulSetting = SafetySetting(
    category = SafetyCategory.HARMFUL_CONTENT,
    setting = SafetyLevel.ONLY_HIGH
)

val hateSetting = SafetySetting(
    category = SafetyCategory.HATE_SPEECH,
    setting = SafetyLevel.ONLY_HIGH
)

val violenceSetting = SafetySetting(
    category = SafetyCategory.VIOLENCE,
    setting = SafetyLevel.ONLY_HIGH
)

作用：

骚扰 (HARASSMENT)：防止生成与骚扰相关的内容。
有害内容 (HARMFUL_CONTENT)：防止生成有可能伤害他人或自我伤害的内容。
仇恨言论 (HATE_SPEECH)：防止生成与仇恨言论相关的内容。
暴力 (VIOLENCE)：防止生成与暴力行为相关的内容。

`ONLY_HIGH` 设置：

ONLY_HIGH 表示只阻止那些被认为高度危害的内容。较轻微的内容可能不会被阻止，适合那些希望保持一定灵活性但仍避免重大违规内容的场景。

三、技术难点

使用Gemini API 时，你可能会遇到几个技术上的挑战。首先是 API Key 的管理。API Key硬编码在代码中是非常不安全的，容易被恶意用户获取并滥用。建议通过环境变量的方式管理API Key，或者使用更高级的密钥管理系统来保护它。

四、学习笔记

如何使用模板快速搭建项目: 通过Gemini API Starter模板，节省了不少配置时间，轻松完成了项目基础搭建。
API Key的获取和配置: 在Google AI Studio中生成并管理API Key非常重要。学会了如何安全地将API Key引入项目中。
权限配置与网络通信: 理解了网络通信相关的权限管理，确保应用能够顺利与AI服务器通信。

五、总结

通过这次实践，我们成功构建了一个具备AI功能的Android应用，并了解了如何快速使用Android Studio结合Gemini API进行开发。从项目搭建到API配置，每一步都有详细的操作介绍。希望这篇文章能帮助你快速上手Gemini API，并在自己的项目中集成AI功能。即使是初学者也可以通过本教程，了解在安卓开发中的AI集成基础。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

jetpack

material design

android

kotlin

android-jetpack-compose