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.