保存！哦
继续使用 Javascript 和 Gemini AI 创建我们的聊天机器人，我们将添加项目的“后端”。上次我们使用 HTML、CSS 和 Javascript 创建前端，我们保证用户界面将反映用户和聊天机器人之间的对话。
现在我们需要创建一个服务器，使用express.js配置路由来与Gemini API进行通信。我们走吧！
好吧，我们需要express.js、Google Gemini SDK，为了保护我们的API密钥，我将安装dotenv来使用环境变量。
npm install @google/generative-ai express dotenv
现在我们准备好采用最佳实践创建服务器，例如使用本地环境变量来保护私有数据。
为此，我们将在项目根文件夹中创建一个名为 server.js 的文件。在此文件中，我们将首先导入依赖项并配置必要的资源。
const express = require("express");
require("dotenv").config();
const { GoogleGenerativeAI } = require("@google/generative-ai");
const app = express();
const port = 3000;
const genAI = new GoogleGenerativeAI(process.env.GOOGLE_GEMINI_API_KEY);
app.use(express.static("public"));
app.use(express.json());
此代码将 Express 配置为从“public”文件夹提供静态文件，并接受带有 JSON 负载的请求。这就是为什么我们将index.html、styles.css 和script.js 文件放在这个文件夹中。我们还将应用程序配置为在端口 3000 上运行。
我们使用 @google/generative-ai 库来集成 Gemini API，并使用存储在名为 GOOGLE_GEMINI_API_KEY 的环境变量中的密钥对其进行身份验证。
但是我们从哪里获得这个 API Key 呢？这就是我们现在要找出的。
要获取 Gemini API 密钥，我建议您登录“@gmail.com”帐户。之后，访问此链接，您将看到如下屏幕：
单击“创建 API 密钥”按钮，指定您将在其中使用此密钥的项目，然后就完成了。您的密钥将显示在下方，您可以查看它，甚至可以复制它以进行下一步。
现在在您的项目中，在项目的根文件夹中创建一个名为 .env.local 或仅 .env 的文件。在此文件中输入您的 API 密钥，如下所示：
GOOGLE_GEMINI_API_KEY="sua-chave-vai-aqui"
现在保存您的文件即可。如果您正确执行了上一步，您的 API 密钥将起作用。
PS：请注意您的 API 密钥中显示的计划。 Gemini 提供免费计划，您的钥匙可以返还有限数量的代币。如果您想要更多的代币，请考虑订阅付费计划。我们将使用免费计划，该计划虽然有限，但允许我们与聊天机器人交换一些消息。
现在配置了依赖项并掌握了 API 密钥，让我们打开人工智能的可能性之门。
在 server.js 文件中，我们将创建 /chat 路由：
npm install @google/generative-ai express dotenv
我们的路由是 POST 类型，因为您将在正文中收到一条消息，正是来自将与聊天交互的用户的消息。因此，对于此消息，我们使用了一些防御性编程（小心一点不会伤害任何人，哈哈）并检查我们是否没有收到消息。如果不这样做，则会返回一个错误作为响应，并抛出一条消息。
如果我们有消息，那么我们会将其作为我们选择的模型的提示发送，如下所示：
const express = require("express");
require("dotenv").config();
const { GoogleGenerativeAI } = require("@google/generative-ai");
const app = express();
const port = 3000;
const genAI = new GoogleGenerativeAI(process.env.GOOGLE_GEMINI_API_KEY);
app.use(express.static("public"));
app.use(express.json());
由于此通信是一个异步过程，因此我们将使用 try/catch 来处理响应。首先，我定义将使用的 Gemini 模型（您可以在此链接中查看模型列表）。在这种情况下，我选择了gemini-1.5-flash。
第二步是开始聊天。因此，通过 model.startChat() 我可以开始与 Gemini 通信，配置我想要在响应中的最大令牌数（在本例中每个响应 100 个令牌）。
现在，我们在使用 chat.sendMessage(message) 将消息发送到模型后等待此响应。当我们收到响应时，我们会将其返回给发出请求的人，并将模型返回的文本格式转换为 JSON。
最后但并非最不重要的一点是，如果我们遇到错误，我们可以在 catch 中使用它在控制台中抛出此错误，并返回状态 500，使使用此“迷你 api”的客户端的生活更轻松。美丽？
现在我们只需要使用下面的代码片段来指示我们的“mini api”将在哪里运行：
GOOGLE_GEMINI_API_KEY="sua-chave-vai-aqui"
我们的 api 将在我们一开始指定的端口上运行。完整的server.js代码如下所示：
app.post("/chat", async (req, res) => {
const { message } = req.body;
if (!message) {
return res.status(400).json({ error: "Mensagem não pode estar vazia." });
}
//...
});
现在最期待的时刻到了，测试我们的聊天机器人。为此，我们打开终端并输入以下命令：
try {
const model = genAI.getGenerativeModel({
model: "gemini-1.5-flash",
});
const chat = model.startChat({
history: [],
generationConfig: { maxOutputTokens: 100 },
});
const result = await chat.sendMessage(message);
res.json({ response: result.response.text() });
} catch (error) {
console.error(error);
res.status(500).json({ error: "Erro ao processar mensagem." });
}
运行此命令后，您应该在终端中收到以下消息：
app.listen(port, () => {
console.log(`Servidor rodando em http://localhost:${port}`);
});
现在，通过访问 URL http://localhost:3000 并在输入中写入消息并按发送按钮，AI 会回复您的消息并将其显示在屏幕上。
非常酷，对吧？
至此，我们使用 JavaScript 和 Google Gemini API 完成了聊天机器人的创建。我们了解了如何从头开始创建前端、应用样式、操作 DOM。我们使用express.js创建了一个服务器，使用了Gemini API，配置了一条POST路由来与应用程序客户端通信，并能够通过我们自己开发的接口与AI对话。
但这并不是您能做的全部。我们可以为不同的任务定制和配置这个聊天机器人，从语言助理，到回答你的数学或编程问题的虚拟老师，这将取决于你的创造力。
将人工智能转变为个性化助手需要训练模型，更多的是关于你希望它响应和表现的方式，而不是代码本身。
我们将在以后的文章中探讨其中的一些内容。
到时候见！
以上是使用 JavaScript 和 Gemini AI 创建聊天机器人：创建后端的详细内容。更多信息请关注PHP中文网其他相关文章！
