gemini_ai.py

#!pip install -q -U google-generativeai
import google.generativeai as genai
import PIL.Image
import image_converter as img_converter
import random
import os
import ast
import target_object

#基本設定都放這邊----------------------------------------
#
#
# 設定圖檔位置 (此處僅為範例，純文字查詢時可忽略)
image_path = r'G:\Python\tools\input_images\1411135045-張華桀.jpg'


# 要使用的模型種類，免費版一分鐘只能跑最多十筆
gemini_model = 'gemini-2.5-flash'



#要求AI扮演的角色和提示詞，這裡的提示詞會用來引導AI進行圖片分類

# 給AI的提示詞 = """您現在扮演一位圖片分類大師，擅長解讀圖片中的一些抽象涵義並加以分類。
# 請在各大類中選最近似的一樣，輸出結果如範例:"物理環境[辦公室],技術應用[人工智慧,虛擬實境,其他],資訊設備[其他]"。
# 若您覺得，該圖片完全不具要辨識的特徵，請回覆"XXX[NIL]",XXX為該類別,加上NIL表示該類未再提供的選項內。
# 以下是我們要請您分辨的種類，會以JSON標示:"""

給AI的提示詞 = """您現在扮演一位圖片分類大師，擅長解讀圖片中的一些抽象涵義並加以分類。
請在各大類中選最近似的一樣，輸出結果如範例:[物理環境_辦公室,技術應用_人工智慧,技術應用_大數據分析,社交關係_獨立工作(1人),資訊設備_電腦,資訊設備_鍵盤,資訊設備_滑鼠,資訊設備_手機,物體_桌子,物體_椅子,角色_工作人員]。
若您覺得，該圖片完全不具要辨識的特徵，請回覆[NIL]。
以下是我們要請您分辨的種類，會以JSON標示:"""

#--------------------------------------------------------
## 替換冒號和逗號為換行符號
def replace_colon_comma_with_newline(input_string):
  processed_string = input_string.replace(':', '\n').replace('：', '\n').replace('],', ']\n')
  return processed_string



def getApiToken():
    try:
        my_api_key = os.getenv('my_api_key')
        my_list = ast.literal_eval(my_api_key) # Convert string to list因為存在環境變數中是字串格式

        return  random.choice(my_list)
    except Exception as e:
        return ""
 
    
# function，輸入是文字或是圖檔的位置
def analyze_content_with_gemini(input_content, 辨識目標物=None):
    """
    透過 Gemini API 辨識內容，可處理純文字或圖片。

    Args:
        input_content (str or PIL.Image.Image):
            如果輸入是字串，則代表要辨識的文字訊息或圖片路徑。
            如果輸入是 PIL.Image.Image 物件，則直接使用該圖片。
        user_prompt (str, optional):
            使用者提供的自訂 prompt。如果為 None，則使用預設的 prompt。
            Defaults to None.

    Returns:
        str: 辨識結果的文字描述。
    """
    my_api_key = getApiToken()  # 從環境變數中獲取API金鑰
    genai.configure(api_key=my_api_key)
    
    # 根據 user_prompt 決定要使用的 prompt
    prompt_to_use = 給AI的提示詞+辨識目標物 if 辨識目標物 and 辨識目標物.strip() else 給AI的提示詞+ str(target_object.target_JSON)
    
    # print("-"*50)
    # print(prompt_to_use)
    
    try:
        # 判斷輸入的類型
        if isinstance(input_content, str):
            # 如果輸入是字串，嘗試判斷是否為圖片路徑
            if input_content.lower().endswith(('.png', '.jpg', '.jpeg', '.gif','.webp')):
                if input_content.lower().endswith(('.webp')):
                    input_content = img_converter.convert_webp_to_jpg(input_content)  # 如果是 webp 圖片，先轉換為 jpg
                
                model = genai.GenerativeModel(gemini_model)
                image_obj = PIL.Image.open(input_content)
                response = model.generate_content([prompt_to_use, image_obj])
            else:
                # 純文字輸入
                model = genai.GenerativeModel(gemini_model)
                response = model.generate_content(input_content) # 純文字直接使用輸入內容當 prompt
        elif isinstance(input_content, PIL.Image.Image):
            model = genai.GenerativeModel(gemini_model)
            response = model.generate_content([prompt_to_use, input_content])
        else:
            return "錯誤：輸入必須是文字、圖片路徑（字串）或 PIL.Image 物件。"

        return replace_colon_comma_with_newline(response.text)

    except Exception as e:
        return f"發生錯誤：{e}"


if __name__ == '__main__':
    # --- 程式碼使用範例 ---

    # 範例 1：傳送純文字訊息
    # print("正在處理純文字訊息...")
    # text_message = "你好，請簡要說明一下Python是什麼？"
    # response_text = analyze_content_with_gemini(text_message)
    # print("回應結果：")
    # print(response_text)
    # print("-" * 20)

    # 範例 2：傳送圖片路徑
    # 請確保 image_path 指向有效的圖片檔案
    print("正在處理圖片訊息...")
    我要辨識的物體 = ""
    #我要辨識的物體 = '{"物件類別": ["人", "老虎", "獅子", "牛","書架", "PC", "窗戶", "冷氣機","其他", "雞", "車子", "企鵝","長頸鹿"]}'
    #我要辨識的物體 = '{"物件類別": ["人", "老虎", "獅子", "牛","書架", "PC", "窗戶", "冷氣機","其他", "雞", "車子"]}'
    response_image = analyze_content_with_gemini(image_path, 我要辨識的物體)
    print("回應結果：")
    print(response_image)
    print("-" * 20)