借助机器学习套件的直接模型访问权限 (com.google.mlkit:genai-prompt)，您可以通过 GenerativeModel 类向 Gemini Nano 基础模型发送自定义端侧自然语言请求。直接模型访问接受文本或多模态（图片和文本）输入，支持客户端管理的多轮对话（List<Content>，具有 USER 和 MODEL 角色以及 sessionId），并发出文本输出或类型化结构化输出。
您可以将直接模型访问用于各种应用场景，包括：
用例 |
示例 |
图片理解 |
分析照片以进行分类，例如“宠物”“食物”或“旅行”。 |
简短翻译 |
翻译送货司机和客户之间的简短消息。 |
引导式摘要 |
根据用户的特定兴趣总结对某家餐厅的评价。 |
实体提取 |
从邮件会话串中提取有关即将举行的活动的重要详情。 |
内容生成灵感 |
为日志条目提供提示建议。 |
智能文件扫描 |
从收据图片中提取商品信息并进行分类。 |
文本分类 |
将客户评价分类为正面、中性或负面。 |
直接模型访问与特定任务 API
除了直接访问 Gemini Nano 基础模型以获取自定义提示外，机器学习套件还提供了针对专用语音、图片和文本任务的预配置 API：语音识别、图片描述、总结、校对、重写等。文本和图片 Tasks API 在共享基础模型的基础上使用特定于任务的特征类型和微调的 LoRA 适配器。下表概述了每种方法的优势：
注意事项 |
直接模型访问 ( |
文本和图片任务 API |
集成工作 |
高。 由于需要进行提示词工程和质量保证，因此需要付出更多努力才能实现。 |
无压力 所需工作量较少，因为这些 API 在基础模型之上使用任务专用特征类型和经过微调的 LoRA 适配器。无需直接与 LLM 交互。 |
灵活性 |
灵活性更高，因为您可以自定义工程提示、管理多轮对话上下文、强制执行类型化结构化架构，或在 |
灵活性较低。每个特定于任务的 API 都具有固定的 LoRA 微调和内置提示，这些提示具有以下特征：
|
一般而言，如果您需要更多自定义和灵活性，请使用直接模型访问；对于不需要自定义逻辑的标准任务，请使用特定于任务的 API。