随着大型语言模型（LLM）的引入，它们正在逐渐取代传统的基于规则的聊天机器人。这些模型在理解文本和创建自然对话方面的能力更强，因此它们正在取代传统的聊天机器人。然而，自从LLM出现以来，它们所做的不仅仅是它们所能做的。例如，它们能够将自然语言转换为SQL查询，能够浏览互联网以获取最新信息。现在，它们甚至能够执行代码。在本文中，将探讨Gemini新发布的代码执行功能。
了解LLM的代码执行能力。
介绍Gemini Flash 1.5。
学习如何获取Gemini的API密钥。
理解LLM在数学任务中的失败原因。
利用代码执行功能提高LLM的精确性和准确性。
Gemini模型是谷歌推出的一系列大型语言模型。谷歌推出Gemini是为了与流行的闭源大型语言模型竞争，如OpenAI的GPT4和Anthropic的Claude。Gemini是一个多模态大型语言模型，能够理解文本、图像、音频甚至视频。
GPT4能够做到与Gemini相同的事情，但它与Gemini的一个区别是运行它生成的代码。最近，谷歌更新了Gemini模型，使其能够运行代码。代码执行之所以可能，是因为Gemini的函数调用能力，代码执行与它非常相似，并且它生成的代码将运行并获取结果，以生成最终输出给用户。
Gemini生成的代码将在隔离的沙箱环境中运行。目前，沙箱环境中只有numpy和sympy库，生成的代码无法下载和安装新的Python库。
在开始编码之前，需要获取谷歌提供的免费API密钥，以测试Gemini模型。免费API甚至支持代码执行。要获取免费API，可以点击。现在，将开始安装库。
!pip install -q -U google-generativeai
安装google-generativeai库时，保持-U标志很重要。这是因为代码执行是一个新特性，将需要最新版本的google-generativeai库才能工作。现在将进行身份验证。
import google.generativeai as genai
GOOGLE_API_KEY = "YOUR API KEY"
genai.configure(api_key=GOOGLE_API_KEY)
在这里，导入了google.generativeai库，并调用了.configure()方法。将通过登录谷歌AI云获得的API密钥提供给这个方法。现在可以开始使用Gemini模型了。
model = genai.GenerativeModel(model_name='gemini-1.5-flash')
response = model.generate_content("How are you?")
print(response.text)
在这里，首先创建了一个GenerativeModel类的实例。在实例化这个对象时，提供了正在使用的模型的名称，这里是gemini-1.5-flash，这是谷歌的最新模型。为了测试模型，调用了.generate_content()方法，然后给它提供了查询，并在response变量中存储了生成的文本。最后，打印了响应。可以在上面的图片中观察到响应。
现在，让尝试向模型提出相同的两个问题，但这次，提供给它代码执行工具的访问权限。
model2 = genai.GenerativeModel(model_name='gemini-1.5-flash', tools='code_execution')
response = model2.generate_content("Trim this word to first 5 letters, Mississippi. Use code execution tool")
print(response.text)
response = model2.generate_content("What is the sum of first 100 fibanocci numbers?")
print(response.text)