gemini-guide（Gemini 指南）

Gemini API - Google AI 模型接入指南

简介

Gemini 是 Google 的多模态大模型，通过 AI Studio 或 Vertex AI 提供 API。 核心优势：超长上下文（最高 200 万 token）和原生多模态（文本/图片/视频/音频）。

模型矩阵

SDK 安装与基础调用

pip install google-genai   # 官方 SDK

from google import genai
client = genai.Client(api_key="YOUR_API_KEY")
response = client.models.generate_content(
    model="gemini-2.0-flash",
    contents="用 Python 实现一个快速排序算法"
)
print(response.text)

多模态能力

from google.genai import types
import pathlib
# 图片理解
image = types.Part.from_bytes(data=pathlib.Path("photo.jpg").read_bytes(), mime_type="image/jpeg")
response = client.models.generate_content(model="gemini-2.0-flash", contents=["描述图片内容", image])
# 视频理解（直接上传文件）
video_file = client.files.upload(file="video.mp4")
response = client.models.generate_content(model="gemini-2.0-flash", contents=["总结视频内容", video_file])
# 音频理解
audio_file = client.files.upload(file="audio.mp3")
response = client.models.generate_content(model="gemini-2.0-flash", contents=["转录并翻译", audio_file])

函数调用与 JSON 模式

# 函数调用
get_weather = types.FunctionDeclaration(
    name="get_weather", description="获取城市天气",
    parameters=types.Schema(type="OBJECT",
        properties={"city": types.Schema(type="STRING", description="城市名")},
        required=["city"]))
tool = types.Tool(function_declarations=[get_weather])
response = client.models.generate_content(
    model="gemini-2.0-flash", contents="北京天气？",
    config=types.GenerateContentConfig(tools=[tool]))
# JSON 模式
response = client.models.generate_content(
    model="gemini-2.0-flash", contents="列出 3 种编程语言",
    config=types.GenerateContentConfig(response_mime_type="application/json"))

上下文缓存（Context Caching）

反复查询同一大文档时可大幅降低成本：

cache = client.caches.create(model="gemini-2.0-flash", contents=[large_document],
    config=types.CreateCachedContentConfig(display_name="my-cache", ttl="3600s"))
response = client.models.generate_content(model="gemini-2.0-flash", contents="第三章讲了什么？",
    config=types.GenerateContentConfig(cached_content=cache.name))

定价对比（每百万 token）

与 OpenAI/Claude API 的差异

最佳实践

• 默认用 gemini-2.0-flash，性价比最高
• 长文档用上下文缓存，节省 75%+ 成本
• 视频/音频理解是 Gemini 独特优势
• API Key: https://aistudio.google.com/apikey