generative-ai 上手指南AI 出菜单、拍照问客服、SQL 跑销量预测【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai这篇文章把 generative-ai 开源示例库里最能落地的三个场景串起来讲用几行文字生成一张排版好的菜单图、搭一个能看懂顾客照片的智能客服、在 BigQuery 里直接用 SQL 跑销售预测。每个场景都有现成的 notebook跟着做就行不需要从头写代码。3 分钟生成一张能直接印的菜单 很多餐厅老板的痛点不是没菜而是菜单设计太贵太慢找设计师排一版、改个价格再等三天。其实 generative-ai 仓库里有个现成的图像生成示例路径是gemini/nano-banana/nano_banana_recipes.ipynb。这个 notebook 收了 12 个“食谱”其中Recipe 10: Images with Text专门演示生成带文字的图片——官方示例就是一份披萨店菜单店名 The Artisan Crust Pizzeria、四款披萨的名称和价格、每道菜的配料说明模型会自动排版成一张像模像样的菜单图。你可以照着示例改三处换品牌名和菜品把店名、招牌菜、价格写进提示词AI 会原样排进图里指定视觉风格提示词里加一句“复古美式风”或“日式极简”出来的版式会明显不同批量出系列图正餐、下午茶、外卖单分别生成用同一句风格描述整套菜单的视觉就是统一的跑通一次大概几分钟。改提示词再生成迭代成本几乎为零。顾客发张照片问“这个有红色的吗”AI 客服答得上来吗能而且不只是“答得上来”。打开gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb这个 notebook 演示了一个完整的客服流程先建一个商品目录然后让模型围绕它来回答问题。我们来看看里面几个真实的问题长什么样“有没有图里这把椅子类似的、但是红色的”顾客直接发图模型理解图像内容后去目录里找相似商品并把答案按结构化输出返回方便你的程序直接解析“这椅子放我房间里合适吗”模型会生成一张图把椅子放进场景里顾客一眼就能看到效果“我附近门店有货吗”这里用上了函数调用和联网搜索模型不再只靠嘴说而是真的去查库存、查地址最后它还接了 Live API支持文字转语音的实时对话——顾客开口说客服开口答。仓库里还有现成的语音客服演示界面长这样同一目录下还有其他语音助手演示比如这个界面你可以对比着看上个月的销量、下个月的预测一条 SQL 就能出 老板们最常问的其实是数据问题哪道菜卖得最好下个月该备多少货过去你得把数据导出来、建模型、再导回去。gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb展示的做法不一样模型直接嵌在 BigQuery 的 SQL 里数据不用搬家。这个 notebook 重点演示三个函数AI.GENERATE在 SQL 里直接让 Gemini 生成文字或结构化结果比如把一条顾客评价改写成摘要AI.GENERATE_TEXT调用合作伙伴模型或开源模型用法和上面基本一致AI.FORECAST拿月度销量做时间序列直接预测未来走势——“下个月该多备多少面粉”这种问题一条查询就能出数对习惯写 SQL 的人来说这个上手成本可能是三个场景里最低的。把 generative-ai 示例代码拉下来跑起来先克隆仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai三个场景对应的入口都在这菜单与海报图gemini/nano-banana/nano_banana_recipes.ipynb多模态客服gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb数据与预测gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb建议从离你生意最近的那个开始做菜的先跑 Recipe 10做客服的先跑通第一个问题管数据的先把 AI.FORECAST 在一张订单表上跑一遍。跑通第一个后面两个就不会陌生。【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考