Gemma 4 で日本語テキスト処理アプリを作る — 要約・感情分析を Antigravity で実装する

# Google GenAI SDK をインストール
pip install google-genai
 
# 環境変数ファイルを作成（APIキーは直接コードに書かない）
touch .env

import os
from dotenv import load_dotenv
from google import genai
 
load_dotenv()
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

def summarize_japanese(text: str, max_sentences: int = 3) -> str:
    """
    日本語テキストを指定した文章数以内で要約する。
    
    Args:
        text: 要約したい日本語テキスト
        max_sentences: 要約の最大文章数（デフォルト3）
    
    Returns:
        要約されたテキスト
    """
    if not text.strip():
        raise ValueError("テキストが空です")
    
    prompt = f"""以下の日本語テキストを{max_sentences}文以内で要約してください。
重要な情報を優先し、元のテキストにない情報は追加しないでください。
要約のみを出力し、前置きや説明は不要です。
 
テキスト:
{text}"""
    
    response = client.models.generate_content(
        model="gemma-4-27b-it",  # Gemma 4 27B（instruction-tuned）
        contents=prompt,
        config={"temperature": 0.3}  # 低めの温度で安定した出力を得る
    )
    
    return response.text.strip()
 
# 動作確認
sample_text = """
東京都は19日、2026年度の予算案を発表した。総額は15兆3千億円で、
前年度比で約3%増となる。重点項目として、子育て支援の充実と
デジタルインフラの整備が挙げられた。子育て支援では、
保育所の定員を2万人分増やす計画が盛り込まれた。
デジタルインフラでは、5G基地局の拡充と行政手続きの
オンライン化を推進する方針が示された。
"""
 
result = summarize_japanese(sample_text, max_sentences=2)
print(result)
# 期待する出力例:
# 東京都は2026年度予算案（15兆3千億円、前年度比3%増）を発表した。
# 子育て支援（保育所定員2万人増）とデジタルインフラ整備が重点項目となっている。

from dataclasses import dataclass
import json
 
@dataclass
class SentimentResult:
    label: str          # "positive" / "negative" / "neutral"
    score: float        # 0.0 〜 1.0（確信度）
    reason: str         # 判定の根拠（日本語）
 
def analyze_sentiment(text: str) -> SentimentResult:
    """
    日本語テキストの感情を分析する。
    
    Returns:
        SentimentResult: ラベル・スコア・根拠を含む結果
    
    Raises:
        ValueError: モデルの出力が JSON 形式でない場合
    """
    prompt = f"""以下の日本語テキストの感情を分析し、JSON形式で返してください。
 
返すべきJSON:
{{
  "label": "positive" または "negative" または "neutral",
  "score": 0.0から1.0の確信度（小数点2桁）,
  "reason": "判定の根拠（1文で）"
}}
 
JSON以外のテキストは一切含めないでください。
 
テキスト:
{text}"""
    
    response = client.models.generate_content(
        model="gemma-4-27b-it",
        contents=prompt,
        config={"temperature": 0.1}  # 感情分析は低温度で決定論的に
    )
    
    # JSON パース
    raw = response.text.strip()
    # コードブロックが含まれる場合はクリーニング
    if raw.startswith("```"):
        raw = raw.split("```")[1]
        if raw.startswith("json"):
            raw = raw[4:]
    
    try:
        data = json.loads(raw)
        return SentimentResult(
            label=data["label"],
            score=float(data["score"]),
            reason=data["reason"]
        )
    except (json.JSONDecodeError, KeyError) as e:
        raise ValueError(f"モデルの出力を解析できませんでした: {raw}") from e
 
# 動作確認
reviews = [
    "このカフェ、雰囲気も良くてコーヒーも美味しかったです。また来たいです！",
    "注文してから40分待たされた上に、料理が冷めていた。二度と行かない。",
    "普通の定食屋さんです。価格相応かと思います。",
]
 
for review in reviews:
    result = analyze_sentiment(review)
    print(f"[{result.label.upper()}] score={result.score:.2f} | {result.reason}")
    print(f"  テキスト: {review[:30]}...\n")