В этом руководстве мы покажем, как объединить возможности поиска Google с помощью SerpAPI с моделью Google Gemini-1.5-Flash для создания расширенного рабочего процесса исследований и анализа в блокноте Google Colab.
Определив класс AdvancedSerpAPI на Python, пользователи получают доступ к расширенным методам поиска, которые охватывают общие веб-результаты, новостные статьи и изображения, а также используют Gemini для глубокого анализа этих результатов. Код предоставляет специализированные утилиты для поиска руководств по Marktechpost, агрегирования контента по таким категориям, как LangChain, ChatGPT и MLOps, и синтеза практических выводов с помощью тщательно сконструированного запроса.
Установка необходимых пакетов Python
Для начала установим необходимые пакеты Python для поиска с помощью SerpAPI, утилиты LangChain и SDK Google Gemini:
“`python
!pip install google-search-results langchain-community langchain-core google-generativeai -q
“`
“`python
import os
import json
from serpapi import GoogleSearch
import google.generativeai as genai
from datetime import datetime
“`
Настройка ключей API
Присвоим строкам-заполнителям ваши ключи API SerpAPI и Gemini, затем установим ключ SerpAPI в качестве переменной среды (чтобы вызовы SerpAPI аутентифицировались автоматически) и настроим клиента Gemini с помощью его ключа API, чтобы вы могли вызвать модель Gemini.
“`python
SERPAPIAPIKEY = “Use Your API Key Here”
GEMINIAPIKEY = “Use Your API Key Here”
os.environ[“SERPAPIAPIKEY”] = SERPAPIAPIKEY
genai.configure(apikey=GEMINIAPI_KEY)
“`
Класс AdvancedSerpAPI
Класс AdvancedSerpAPI инкапсулирует методы поиска на основе SerpAPI (веб, новости и изображения) и вспомогательные функции для очистки полученных данных в формате JSON. Он также интегрирует модель Gemini-1.5-Flash через функцию `analyzewithgemini` для генерации сводки собранных данных поиска с помощью искусственного интеллекта.
Демонстрация Marktechpost-туториалов
“`python
def demomarktechposttutorials():
“””Demo specifically focused on Marktechpost tutorials”””
searcher = AdvancedSerpAPI(SERPAPIAPIKEY, GEMINIAPIKEY)
print(” Marktechpost Trending Tutorials Finder”)
print(“=” * 50)
print(“\n Demo 1: Trending Marktechpost Tutorials by Category”)
trendingcontent = searcher.gettrendingmarktechpostcontent([
“LangChain”, “ChatGPT”, “Python”, “AI”, “MLOps”
])
for category, tutorials in trending_content.items():
print(f”\n Trending {category} Tutorials:”)
for i, tutorial in enumerate(tutorials[:3], 1):
print(f” {i}. {tutorial[‘title’]}”)
print(f” {tutorial[‘link’]}”)
if tutorial[‘snippet’]:
print(f” {tutorial[‘snippet’][:100]}…”)
print(“\n Demo 2: Deep Dive – LangChain Tutorials”)
langchainresearch = searcher.smartresearch(“LangChain”, focus_marktechpost=True)
print(f”\n Research Summary:”)
print(f”Topic: {langchain_research[‘topic’]}”)
print(f”Marktechpost Tutorials Found: {len(langchainresearch[‘marktechposttutorials’])}”)
print(f”Total Sources: {langchainresearch[‘totalsources’]}”)
print(f”\n AI Analysis Preview:”)
print(langchainresearch[‘aianalysis’][:600] + “…” if len(langchainresearch[‘aianalysis’]) > 600 else langchainresearch[‘aianalysis’])
print(“\n Demo 3: Latest AI Trends from Marktechpost”)
aitrends = searcher.searchmarktechposttutorials(“AI trends 2024 2025”, numresults=5)
print(“Recent AI trend articles:”)
for i, article in enumerate(ai_trends, 1):
print(f”{i}. {article[‘title’]}”)
print(f” {article[‘link’]}”)
“`
Это лишь часть кода, который демонстрирует, как можно использовать класс AdvancedSerpAPI для поиска и анализа данных. Если у вас есть вопросы или вам нужна дополнительная помощь, пожалуйста, сообщите мне.