Kurzanleitung: Text mit der Gemini API in Vertex AI generieren (original) (raw)
Entdecken
Los gehts
- Textprompt ohne Konto an die Gemini API senden
- Bild mit Imagen generieren und Wasserzeichen prüfen
- Text mit der Gemini API generieren
- Textprompts mit Vertex AI Studio an Gemini senden
- Vertex AI Studio-Prompt als Webanwendung bereitstellen
- Vertex AI im Expressmodus
- Übersicht
- Anleitung für die Console
- API-Anleitung
Modelle auswählen
- Model Garden
- Testen: Modellfunktionen mit PlaySpaces testen
- Model Garden – Übersicht
- Modelle in Model Garden verwenden
- Unterstützte Modelle
- Google-Modelle
- Übersicht
- Gemini
* Gemini 2.5 Flash
* Gemini 2.5 Pro
* Gemini 2.0 Flash
* Gemini 2.0 Flash-Lite
* Vertex AI Model Optimizer
* Zu Gemini 2 migrieren
* SDKs - Imagen
* Imagen 3.0 Generate 002
* Imagen 3.0 Generate 001
* Imagen 3.0 Fast Generate 001
* Imagen 3.0-Funktion 001
* Imagen 4.0 – Vorschau generieren – 06-06
* Imagen 4.0 – Schnelle Generierung – Vorschau 06-06
* Imagen 4.0 Ultra Generate Preview 06-06
* Zu Imagen 3 migrieren - Veo
* Veo 2 Generate 001
* Veo 3 Generate 001 Preview - Modellversionen
- Modelle für verwaltete Partner
- Model as a Service (MaaS) – Übersicht
- Claude
* Übersicht
* Vorhersagen anfragen
* Batchvorhersagen
* Prompt-Caching
* Tokens zählen
* Modelldetails
* Claude Opus 4
* Claude Sonnet 4
* Claude 3.7 Sonnet
* Claude 3.5 Sonnet v2
* Claude 3.5 Haiku
* Claude 3 Opus
* Claude 3 Haiku
* Claude 3.5 Sonett - Llama
* Übersicht
* Vorhersagen anfragen
* Batchvorhersagen
* Modelldetails
* Llama 4 Maverick
* Llama 4 Scout
* Llama 3.3
* Llama 3.2
* Llama 3.1 405b
* Llama 3.1 70b
* Llama 3.1 8b - Mistral AI
* Übersicht
* Modelldetails
* Mistral OCR (25.05)
* Mistral Small 3.1 (25.03)
* Mistral Large (24.11)
* Mistral Nemo
* Codestral (25.01) - Einstellung von Model as a Service (MaaS)
- Selbst bereitgestellte Modelle
- Übersicht
- Google Gemma
* Gemma verwenden
* Anleitung: Gemma (GPU) bereitstellen und Inferenzen ausführen
* Anleitung: Gemma (TPU) bereitstellen und Inferenzen ausführen - Llama
- Hugging Face-Modelle verwenden
- Hex-LLM
- Vollständiger Leitfaden zu vLLM für die Bereitstellung von Text- und multimodalen LLMs (GPU)
- xDiT
- Anleitung: LLaMa 3-Modelle mit SpotVM und Reservierungen bereitstellen
Build
- Agents
- Übersicht
- Agent-Engine
* Übersicht
* Schnelleinstieg
* Umgebung einrichten
* Kundenservicemitarbeiter bewerten
* Agent bereitstellen
* Kontext verwalten
* Beispielgeschäft
* Beispiel für eine Store-Übersicht
* Beispiel für eine Kurzanleitung für einen Store
* Beispiel-Shop-Instanz erstellen oder wiederverwenden
* Beispiele hochladen
* Beispiele abrufen
* Hilfe erhalten
* Fehlerbehebung bei der Einrichtung der Umgebung
* Fehlerbehebung bei der Entwicklung eines Agents
* Fehlerbehebung bei der Bereitstellung eines Agents
* Fehlerbehebung mit einem Kundenservicemitarbeiter
* Fehlerbehebung bei der Verwaltung bereitgestellter Kundenservicemitarbeiter
* Support anfordern - Tools für Kundenservicemitarbeiter
* Integrierte Tools
* Google Cloud-Tools
* MCP-Tools (Model Context Protocol)
* MCP-Toolbox für Datenbanken
* Tools für das Google-System
* RAG Engine
* RAG-Übersicht
* RAG-Kurzanleitung für Python
* RAG in Multimodal Live verwenden
* Datenaufnahme
* Vertex AI Search mit RAG verwenden
* Neubewertung für RAG
* RAG-Korpus verwalten
* RAG-Kontingente - Prompt-Design
- Einführung in die Prompts
- Prompt-Strategien
* Übersicht
* Klare und spezifische Anleitung geben
* Systemanweisung verwenden
* Few-Shot-Beispielen einfügen
* Kontextinformationen hinzufügen
* Prompts strukturieren
* Weisen Sie das Modell an, seine Logik zu erklären.
* Komplexe Aufgaben in kleinere Schritte aufteilen
* Mit Parameterwerten experimentieren
* Strategien für Prompt-Iteration - Leistungsspektrum
- Text- und Codegenerierung
* Textgenerierung
* Systemanweisungen
* Funktionsaufrufe
* Gesteuerte Generierung
* Parameter für die Inhaltsgenerierung
* Codeausführung
* Denken
* Live-API
* Sicherheit
* Responsible AI
* Sicherheitshinweise für das System
* Inhaltsfilter konfigurieren
* Gemini für Sicherheitsfilter und Inhaltsmoderation
* Missbrauchsüberwachung
* Blockierte Antworten verarbeiten
* Medizinischer Text - Bilderstellung
* Gemini
* Bilder mit Gemini generieren
* Imagen
* Imagen – Übersicht
* Bilder mithilfe von Text-Prompts erstellen
* Bilder bearbeiten
* Mit Inpainting bearbeiten (Objekte einfügen oder entfernen)
* Mit Übermalung bearbeiten
* Produktbildbearbeitung verwenden
* Mit der Personalisierung bearbeiten
* Bilder bearbeiten (maskenfrei)
* Bild optimieren
* Leitfaden zu Prompt- und Bildattributen
* Dateien mit Base64 codieren und decodieren
* Verantwortungsbewusste KI und Nutzungsrichtlinien für Imagen
* Alte Funktionen
* Zu Imagen 3 migrieren
* Anleitung für Prompts für Text-zu-Live-Bilder
* Live-Bilder aus Text erstellen
* Bildbeschreibungen mit der visuellen Untertitelung abrufen
* Visuelles Question Answering verwenden
* Videobeschreibungen mit Imagen abrufen - Nullniveau
* Übersicht
* Fundierung mit der Google Suche
* Erdung mit Google Maps
* Fundierung mit Vertex AI Search
* Fundierung mit Ihrer Such-API
* Antworten mit RAG fundieren
* Fundierung mit Elasticsearch
* Web Grounding for Enterprise
* Google-Suchvorschläge verwenden - Übersetzung
- Sprache aus Text generieren
- Sprache transkribieren
- Entwickler-Tools
- Modellabstimmung
- Einführung in die Feinabstimmung
- Empfehlungen zur Abstimmung mit LoRA und QLoRA
- Migrieren
- Von Google AI zu Vertex AI migrieren
Bewerten
- Übersicht
- Anleitung: Bewertung mit dem Python SDK durchführen
- Bewertungsmesswerte definieren
- Bereiten Sie das Bewertungs-Dataset vor.
- Bewertung ausführen
- Bewertungsergebnisse interpretieren
- Vorlagen für modellbasierte Messwerte
- Kundenservicemitarbeiter bewerten
- Bewertungsmodelle anpassen
- Bewertungsmodell bewerten
- Aufforderung zur Anpassung des Bewertungsmodells
- Bewertungsmodell konfigurieren
- Alternative Bewertungsmethoden
- AutoSxS-Pipeline ausführen
- Berechnungsbasierte Bewertungspipeline ausführen
Bereitstellen
- Übersicht
- Kosten, Latenz und Leistung optimieren
- Best Practices für die Bereitstellung
- Batchvorhersage
- Bereitgestellter Durchsatz
- Bereitgestellter Durchsatz – Übersicht
- Unterstützte Modelle
- Anforderungen an den bereitgestellten Durchsatz berechnen
- Provisioned Throughput kaufen
- Provisioned Throughput verwenden
- Fehlerbehebung bei Fehlercode 429
- Pay-as-you-go
- Kontingente und Systembeschränkungen
- Dynamisches freigegebenes Kontingent
Verwalten
Vertex AI-Dokumentation aufrufen
In dieser Kurzanleitung senden Sie die folgenden multimodalen Anfragen an die Gemini API in Vertex AI und sehen sich die Antworten an:
- Text-Prompt
- Einen Prompt und ein Bild
- Einen Prompt und eine Videodatei (mit Audiotrack)
Sie können diese Kurzanleitung mit einem SDK für Programmiersprachen in Ihrer lokalen Umgebung oder mit der REST API ausführen.
Vorbereitung
Für diese Kurzanleitung benötigen Sie Folgendes:
- Ein Google Cloud Projekt einrichten und die Vertex AI API aktivieren
- Auf Ihrem lokalen Computer:
- Google Cloud CLI installieren, initialisieren und mit ihr authentifizieren
- SDK für Ihre Sprache installieren
Google Cloud -Projekt einrichten
Richten Sie Ihr Google Cloud Projekt ein und aktivieren Sie die Vertex AI API.
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
- In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Go to project selector - Make sure that billing is enabled for your Google Cloud project.
- Enable the Vertex AI API.
Enable the API - In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Go to project selector - Make sure that billing is enabled for your Google Cloud project.
- Enable the Vertex AI API.
Enable the API
Google Cloud CLI installieren und damit authentifizieren
Wenn Sie die Gemini API in Vertex AI verwenden möchten, richten Sie die Google Cloud CLI auf Ihrem lokalen Computer ein und authentifizieren Sie sie. Im Gegensatz zur Gemini API in Google AI Studio, bei der API-Schlüssel verwendet werden, wird der Zugriff über die Gemini API in Vertex AI mit Identity and Access Management verwaltet.
- Installieren und initialisieren Sie Google Cloud CLI.
- Wenn Sie die gcloud CLI bereits installiert haben, führen Sie diesen Befehl aus, um sicherzustellen, dass Ihre
gcloud
-Komponenten auf dem neuesten Stand sind.
gcloud components update - Wenn Sie sich mit der gcloud CLI authentifizieren möchten, generieren Sie eine lokale Datei mit Standardanmeldedaten für Anwendungen (Application Default Credentials, ADC). Führen Sie dazu diesen Befehl aus. Über den Befehl gestartete Webabläufe werden verwendet, um Ihre Nutzeranmeldedaten anzugeben.
gcloud auth application-default login
Weitere Informationen finden Sie unter Standardanmeldedaten für Anwendungen einrichten.
SDK für Ihre Programmiersprache einrichten
Klicken Sie auf Ihrem lokalen Computer auf einen der folgenden Tabs, um das SDK für Ihre Programmiersprache zu installieren.
Gen AI SDK für Python
Installieren und aktualisieren Sie das Gen AI SDK for Python, indem Sie diesen Befehl ausführen.
pip install --upgrade google-genai
Gen AI SDK für Go
Installieren und aktualisieren Sie das Gen AI SDK für Go mit diesem Befehl.
go get google.golang.org/genai
Gen AI SDK für Node.js
Installieren und aktualisieren Sie das Gen AI SDK für Node.js mit diesem Befehl.
npm install @google/genai
Gen AI SDK für Java
Gen AI SDK for Java installieren und aktualisieren:
Maven
Fügen Sie zum pom.xml
Folgendes hinzu:
<dependencies>
<dependency>
<groupId>com.google.genai</groupId>
<artifactId>google-genai</artifactId>
<version>0.7.0</version>
</dependency>
</dependencies>
C#
Installieren Sie das Paket Google.Cloud.AIPlatform.V1
von NuGet. Verwenden Sie die bevorzugte Methode, um Ihrem Projekt Pakete hinzuzufügen. Klicken Sie beispielsweise in Visual Studio mit der rechten Maustaste auf das Projekt und wählen Sie NuGet-Pakete verwalten… aus.
REST
- Konfigurieren Sie die Umgebungsvariablen. Dazu geben Sie Folgendes ein. Ersetzen Sie
PROJECT_ID
durch die ID Ihres Projekts. Google Cloud
MODEL_ID="gemini-2.0-flash-001"
PROJECT_ID="PROJECT_ID" - Verwenden Sie die Google Cloud CLI, um den Endpunkt zu provisionieren. Führen Sie dazu diesen Befehl aus.
gcloud beta services identity create --service=aiplatform.googleapis.com --project=${PROJECT_ID}
Prompt an die Gemini API in Vertex AI senden
Mit dem folgenden Code senden Sie einen Prompt an die Gemini API in Vertex AI. In diesem Beispiel wird eine Liste möglicher Namen für ein Blumengeschäft zurückgegeben.
Sie können den Code über die Befehlszeile, mit einer IDE oder durch Einfügen in Ihre Anwendung ausführen.
Gen AI SDK for Python
Installieren
pip install --upgrade google-genai
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Go
Gen AI SDK for Go installieren oder aktualisieren
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Node.js
Installieren
npm install @google/genai
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Java
Gen AI SDK for Java installieren oder aktualisieren
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
C#
Wenn Sie eine Prompt-Anfrage senden möchten, erstellen Sie eine C#-Datei (.cs
) und kopieren Sie den folgenden Code in die Datei. Legen Sie your-project-id
auf Ihre Google Cloud Projekt-ID fest. Führen Sie den Code aus, nachdem Sie die Werte aktualisiert haben.
REST
Um diese Prompt-Anfrage zu senden, führen Sie den Befehl „curl“ über die Befehlszeile aus oder fügen Sie den REST-Aufruf in Ihre Anwendung ein.
curl -X POST
-H "Authorization: Bearer $(gcloud auth print-access-token)"
-H "Content-Type: application/json"
https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d
$'{
"contents": {
"role": "user",
"parts": [
{
"text": "What's a good name for a flower shop that specializes in selling bouquets of dried flowers?"
}
]
}
}'
Das Modell gibt eine Antwort zurück. Die Antwort wird in Abschnitten generiert, die jeweils separat auf Sicherheit geprüft werden.
Prompt und Bild an die Gemini API in Vertex AI senden
Mit dem folgenden Code senden Sie einen Prompt mit Text und einem Bild an die Gemini API in Vertex AI. In diesem Beispiel wird eine Beschreibung des bereitgestellten Bilds zurückgegeben (Bild für Java-Beispiel).
Gen AI SDK for Python
Installieren
pip install --upgrade google-genai
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Go
Gen AI SDK for Go installieren oder aktualisieren
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Node.js
Installieren
npm install @google/genai
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Java
Gen AI SDK for Java installieren oder aktualisieren
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
C#
Wenn Sie eine Prompt-Anfrage senden möchten, erstellen Sie eine C#-Datei (.cs
) und kopieren Sie den folgenden Code in die Datei. Legen Sie your-project-id
auf Ihre Google Cloud Projekt-ID fest. Führen Sie den Code aus, nachdem Sie die Werte aktualisiert haben.
REST
Sie können diese Prompt-Anfrage über Ihre IDE senden oder den REST-Aufruf bei Bedarf in Ihre Anwendung einbetten.
curl -X POST
-H "Authorization: Bearer $(gcloud auth print-access-token)"
-H "Content-Type: application/json"
https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d
$'{
"contents": {
"role": "user",
"parts": [
{
"fileData": {
"mimeType": "image/jpeg",
"fileUri": "gs://generativeai-downloads/images/scones.jpg"
}
},
{
"text": "Describe this picture."
}
]
}
}'
Das Modell gibt eine Antwort zurück. Die Antwort wird in Abschnitten generiert, die jeweils separat auf Sicherheit geprüft werden.
Prompt und Video an die Gemini API in Vertex AI senden
Mit dem folgenden Code senden Sie einen Prompt mit Text, Audio und Video an die Gemini API in Vertex AI. In diesem Beispiel wird eine Beschreibung des angegebenen Videos zurückgegeben, einschließlich aller wichtigen Informationen aus dem Audiotrack.
Sie können diese Prompt-Anfrage über die Befehlszeile, über Ihre IDE oder durch Einfügen des REST-Aufrufs in Ihre Anwendung senden.
Gen AI SDK for Python
Installieren
pip install --upgrade google-genai
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Go
Gen AI SDK for Go installieren oder aktualisieren
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Node.js
Installieren
npm install @google/genai
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Java
Gen AI SDK for Java installieren oder aktualisieren
Weitere Informationen finden Sie in der SDK-Referenzdokumentation.
Legen Sie Umgebungsvariablen fest, um das Gen AI SDK mit Vertex AI zu verwenden:
Replace the GOOGLE_CLOUD_PROJECT
and GOOGLE_CLOUD_LOCATION
values
with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
C#
Wenn Sie eine Prompt-Anfrage senden möchten, erstellen Sie eine C#-Datei (.cs
) und kopieren Sie den folgenden Code in die Datei. Legen Sie your-project-id
auf Ihre Google Cloud Projekt-ID fest. Führen Sie den Code aus, nachdem Sie die Werte aktualisiert haben.
REST
curl -X POST
-H "Authorization: Bearer $(gcloud auth print-access-token)"
-H "Content-Type: application/json"
https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d
$'{
"contents": {
"role": "user",
"parts": [
{
"fileData": {
"mimeType": "video/mp4",
"fileUri": "gs://cloud-samples-data/generative-ai/video/pixel8.mp4"
}
},
{
"text": "Provide a description of the video. The description should also contain anything important which people say in the video."
}
]
}
}'
Das Modell gibt eine Antwort zurück. Die Antwort wird in Abschnitten generiert, die jeweils separat auf Sicherheit geprüft werden.
Nächste Schritte
- Weitere Informationen zur Gemini API in Vertex AI
- Referenz zum Google Gen AI SDK
- Weitere Informationen zum Aufrufen von Vertex AI-Modellen mithilfe der OpenAI-Bibliothek
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-06-12 (UTC).