开发者必看：Gemini API 密钥调用全指南，新手快速上手

Gemini API 是 Google DeepMind 开发的多模态 AI 模型，支持文本、图像、音频和视频输入，广泛应用于智能应用开发、自动化工作流程、数据分析、内容创作以及教育与研究。以下是具体应用场景：

• 智能应用开发：

  • 智能客服机器人：准确率高达 97%，降低人工成本。

  • 创意文案工具：生成多风格营销文案。

  • 个性化学习助手：提供定制化辅导。

  • 多模态助手：结合文本和图像，实现自然交互。

  • 代码补全工具：生成高质量代码片段。

• 自动化工作流程：

  • 客户反馈分析：提取情感倾向和关键信息。

  • 会议记录转录：实时生成摘要。

  • 多语言翻译：支持超 100 种语言。

  • 邮件自动化：分类并生成回复草稿。

  • 合同生成：根据条款生成完整文本。

• 数据分析与洞察：

  • 社交媒体分析：识别情绪和趋势。

  • 新闻摘要：提取关键事件。

  • 医学研究：分析文献成果。

  • 市场调研：发现客户和市场机会。

  • 财务分析：生成指标报告。

• 内容创作：

  • 文章生成：生成结构化文章。

  • 创意文本：创作诗歌、剧本或歌词。

  • 图片描述：生成精准图像描述。

  • 社交媒体内容：生成带 hashtag 的帖子。

  • 视频脚本：生成脚本大纲。

• 教育与研究：

  • 个性化学习：生成定制化材料。

  • 自动批改：提供作业反馈。

  • 研究辅助：支持文献综述。

  • 语言学习：实时纠错和翻译。

  • 虚拟教学：模拟交互式学习环境。

2. Gemini API 使用方式

Gemini API 支持通过多种方式调用，以满足不同开发需求。以下是主要的使用方式，涵盖官方途径和第三方平台的使用步骤：

• 官方途径：在 Google Cloud Console 注册账号，创建项目，启用 Generative Language API，并生成 API 密钥。

• 第三方平台：由于国内网络限制，建议使用 PoloAPI 作为中转平台，注册后获取 API 密钥，配置后即可访问 Gemini API。

获取和使用示例：

第一步：点击添加令牌

第二步：填写自定义名称，选择对应的用户分组，点击提交按钮

第三步，点击复制按钮，这里复制到的令牌即为apikey

第四步：配置环境：在开发环境中配置密钥和 PoloAPI 的 base_url（具体配置方式见第 3节）。

3python 实战：玩转 Gemini API

3.1 安装OpenAI Python库

pip install openai

3.2 模型选择：找到最适合你的模型

Gemini 提供多种模型（这里简要列举两个）：

3.3 首次 API 调用：与 Gemini 模型对话

import openai
import json

openai.api_key = "sk-XXX"   #换成在https://poloai.top上获取的令牌
openai.base_url = "https://poloai.top/v1/" #这个不变

response = openai.chat.completions.create(
  model="gemini-2.0-flash",
  messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你好！"}
    ]
)

print(response.choices[0].message.content)

3.4 进阶技巧：输出控制、流式传输、函数调用

输出控制

import openai
import json

openai.api_key = "sk-XXX"   #换成在https://poloai.top上获取的令牌
openai.base_url = "https://poloai.top/v1/" #这个不变


response = openai.chat.completions.create(
  model="gemini-2.0-flash",
  messages=[
        {"role": "system", "content": "You are a creative assistant."},
        {"role": "user", "content": "写一首关于夏天的诗。"}
    ],
  max_tokens=50,
  temperature=0.7,
  top_p=0.9,
  n=3,
  stop=["\n\n", "。"],
  presence_penalty=0.5,
  frequency_penalty=0.5
)

for i, choice in enumerate(response.choices):
    print(f"回复 {i+1}: {choice.message.content}")

参数说明：

• model：指定调用的模型，此代码中使用 "gemini - 2.0 - flash" 模型来处理对话。
• messages：包含消息对象列表以描述对话上下文，其中 "system" 角色设置模型行为，"user" 角色提供用户请求内容。
• max_tokens：限定模型生成回复中最多包含的令牌数量，代码里设置为 50 以控制回复长度。
• temperature：控制模型输出随机性，值为 0.7 时使模型生成回复有一定随机和创意性。
• top_p：采用核采样限制模型生成回复时考虑的词汇范围，0.9 表示选取累积概率达 90% 的最小词汇集合。
• n：指定模型生成的回复数量，代码中设为 3 意味着将得到 3 个不同回复。
• stop：指定一组停止序列，当模型生成内容中遇到 " \n\n" 或 "。" 时停止生成。
• presence_penalty：对回复中已出现的主题进行惩罚，值为 0.5 会让模型尝试引入新主题。
• frequency_penalty：对回复中重复出现的词汇进行惩罚，值 0.5 使模型减少重复用词。

流式传输

import openai
import json

openai.api_key = "sk-GUeMNJeWQE3trqiGONx0aaxU2CbbqGaYw8v86oi3yeR3txI7"
openai.base_url = "https://poloai.top/v1/"

response = openai.chat.completions.create(
  model="gemini-2.0-flash",
  messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "请写一篇关于gemini的文章，不少于500字。"}
    ],
  stream=True
)

for chunk in response:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="", flush=True)

参数说明：

• model：明确要使用的模型为 "gemini - 2.0 - flash"，让该模型处理后续的对话请求。
• messages：是一个消息对象列表，用于构建对话上下文，其中 "system" 角色设定模型为提供帮助的助手，"user" 角色提出撰写一篇不少于 500 字关于 Gemini 文章的请求。
• stream：设置为 True 表示以流式方式接收模型的回复，即模型会逐步返回生成的内容，而不是等全部生成完成后一次性返回。

函数调用

import openai
import json

openai.api_key = "sk-GUeMNJeWQE3trqiGONx0aaxU2CbbqGaYw8v86oi3yeR3txI7"
openai.base_url = "https://poloai.top/v1/"


# 定义获取当前天气的函数
def get_current_weather(location, unit="celsius"):
  """获取指定位置的当前天气"""
  # 示例，实际应用需调用真实天气 API
  weather_info = {
      "location": location,
      "temperature": "25",
      "unit": unit,
      "forecast": ["sunny", "windy"],
  }
  return json.dumps(weather_info)

# 定义可用的函数
functions = [
  {
      "name": "get_current_weather",
      "description": "获取指定位置的当前天气",
      "parameters": {
          "type": "object",
          "properties": {
              "location": {
                  "type": "string",
                  "description": "城市和州，例如：San Francisco, CA",
              },
              "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]},
          },
          "required": ["location"],
      },
  }
]

messages = [{"role": "user", "content": "今天北京的天气怎么样？"}]

response = openai.chat.completions.create(
    model="gemini-2.0-flash",
    messages=messages,
    functions=functions,
    function_call="auto",  # 或 "none" 或 {"name": "my_function"}
)

response_message = response.choices[0].message

# 检查模型是否决定调用函数
if response_message.function_call:
    function_name = response_message.function_call.name
    function_args = json.loads(response_message.function_call.arguments)

    # 调用函数
    if function_name == "get_current_weather":
        function_response = get_current_weather(
            location=function_args.get("location"),
            unit=function_args.get("unit"),
        )

        # 将函数调用结果添加到消息中
        messages.append(response_message)
        messages.append(
            {
                "role": "function",
                "name": function_name,
                "content": function_response,
            }
        )

        # 再次调用 API，让模型根据函数调用结果生成最终回复
        second_response = openai.chat.completions.create(
            model="gemini-2.0-flash",
            messages=messages,
        )
        print(second_response.choices[0].message.content)

else:
    print(response_message.content)

3.5 提示工程：与 AI 高效沟通

提示工程是设计输入提示以优化模型输出的技巧。

核心原则：

• 明确具体：清晰描述任务和格式。

• 提供上下文：包含背景信息。

• 设定角色：如“You are a professional writer”。

• 逐步引导：分解复杂任务。

• 提供示例：使用少样本学习。

• 迭代优化：调整提示以优化结果。

示例：

我要编写一个儿童智能手表宣传文案

差的提示：请对这个进行补充

• 问题分析：表述模糊，未说明补充对象、补充要求及预期结果，AI 无法明确具体需求。

好的提示：

请对以下这段关于儿童智能手表的 200 字宣传文案进行补充。这款手表主要面向 6-12 岁儿童，主打安全定位和即时通讯功能。目前家长对产品的功能细节和使用价值了解不足。请你以专业的母婴产品文案策划师的身份，先详细说明安全定位功能如何通过多重卫星定位和 AI 算法实现精准定位，在孩子走失时能快速找到；再阐述即时通讯功能的特色，如语音通话的清晰程度、是否支持语音转文字等。将文案扩充到 800 字左右，采用 “总 – 分 – 总” 结构，开头点明产品能解决家长对孩子安全和沟通的担忧，中间分点介绍功能，结尾总结产品对孩子成长和家长生活带来的便利。例如之前撰写的儿童智能水杯文案，开篇强调家长对孩子饮水健康的关注，中间详细介绍水杯的保温、提醒喝水等功能，最后总结产品如何帮助孩子养成良好饮水习惯，你可以参照这个逻辑和风格。如果首次生成的内容不够生动或重点不突出，我会进一步调整提示，优化结果。

1. 明确具体：明确指出需补充的是「一段关于儿童智能手表的宣传文案」，要求扩充至「800 字左右」，并规定采用「“总 – 分 – 总” 结构」。
2. 提供上下文：说明产品面向「6-12 岁儿童」，主打「安全定位和即时通讯功能」，当前痛点是「家长对功能细节和使用价值了解不足」 。
3. 设定角色：指定 AI 以「专业的母婴产品文案策划师」身份进行创作。
4. 逐步引导：将任务拆解为「说明安全定位功能实现原理及价值」和「阐述即时通讯功能特色」两部分。
5. 提供示例：给出「儿童智能水杯文案」的逻辑和风格作为参考。
6. 迭代优化：若输出未达预期，根据结果调整提示关键词、补充细节或修改结构要求 。

5. 常见问题解答（FAQ）

6. 结语：开启你的 AI 探索之旅

通过本指南，你已掌握 Gemini API 的核心知识和实战技巧。借助第三方平台，国内开发者可轻松访问 Google 的尖端 AI 技术。立即将 Gemini API 集成到你的项目中，构建智能应用、自动化流程或创意工具，释放无限可能！