Geavanceerde API-technieken
Function calling, structured output, system instructions, streaming, caching, batch processing en embeddings.
Artikelen
10 artikelen, gerangschikt op populariteit.
Embeddings genereren met de Gemini API
Genereer vectorrepresentaties van tekst met het model gemini-embedding-001 voor semantisch zoeken, clustering en aanbevelingen, via de nieuwe google-genai SDK.
Gemini-modellen fine-tunen (supervised fine-tuning op Vertex AI)
Fine-tuning zit niet meer in de Gemini Developer API: tune Gemini 2.5-modellen met je eigen data via supervised fine-tuning op Vertex AI en de unified google-genai SDK.
Grounding met Google Search in de Gemini API
Verbind Gemini met real-time Google Search via grounding voor actuele, feitelijk onderbouwde antwoorden met bronvermeldingen.
LangChain met de Gemini API
Gebruik LangChain met Gemini als LLM-backend voor chains, agents en RAG-systemen, met actuele modellen en de huidige langchain-google-genai integratie.
Gestructureerde JSON van de Gemini API
Laat de Gemini API altijd geldige JSON teruggeven die voldoet aan een opgegeven schema, via response_mime_type en response_schema met Pydantic-modellen.
Function calling met de Gemini API
Leer hoe je tools en functies definieert die Gemini kan aanroepen om externe data op te halen of acties uit te voeren in je applicatie, met de actuele google-genai SDK.
System instructions in de Gemini API
Stuur het gedrag van Gemini met system instructions: stel persona, toon, taalstijl, domeinkennis en veiligheidsregels in die de gebruiker niet kan overschrijven.
Batch-requests met de Gemini API
Verwerk duizenden prompts asynchroon met de native Gemini Batch API, 50 procent goedkoper dan synchrone calls en zonder gedoe met rate limits.
Streaming responses met de Gemini API
Ontvang Gemini-antwoorden token-voor-token via streaming met de Google Gen AI SDK, voor een snellere gebruikerservaring zonder te wachten op het volledige antwoord.
Context caching voor goedkopere Gemini API-calls
Gebruik context caching in de Gemini API om grote, herhaalde context eenmalig op te slaan en tot 90 procent op de input-tokenkosten te besparen bij herhaalde queries.