先构建一个经过验证的小型 Gemini API 调用，再增加复杂度。
Gemini API 可通过官方 Python、JavaScript SDK 和 REST 使用。请从 Google 当前的快速入门开始，不要将凭据写入客户端代码，并通过官方文档确认模型名称和 API 版本。
核心构建模块
交互与生成
发送文本和受支持的多模态输入，获取模型输出，并选择有状态对话或由应用管理的会话历史。
结构化输出
当下游代码需要可预测的字段和类型时，将受支持的模型响应限制为 JSON Schema。
函数调用
让模型使用结构化参数请求已批准的函数；你的应用仍负责验证和执行。
工具与信息落地
当工作流需要外部信息或操作时，可使用受支持的内置或自定义工具，同时明确信任与安全边界。
快速入门清单
在 Google AI Studio 中创建 API 密钥，将其作为服务器端环境变量保存，安装官方 SDK，并在添加工具或持久状态前先完成一次边界明确的请求。
- 在环境中使用 GEMINI_API_KEY，绝不要提交该密钥。
- 为任务选择当前可用的模型，不要假设旧示例中的名称仍然可用。
- 记录请求标识、延迟、用量和失败，但不要记录敏感提示内容。
设计应用边界
将模型输出视为不可信输入。定义结构、验证工具参数、限制权限、添加超时与重试，并决定会话状态由 Google 保存还是由你的应用管理。
- 用结构化输出定义最终响应格式，用函数调用执行应用操作。
- 只有在服务器端完成验证和授权后，才执行模型请求的工具。
- 使用无状态 API 流程时，保留完整且必需的交互历史。
为生产环境做准备
生产质量不仅取决于提示词，还同样取决于评估、可观测性、成本控制、隐私审查和可靠的失败处理。
- 创建针对具体任务的评估用例，包括对抗性和失败示例。
- 设定速率、token、成本和超时预算，并提供有用的降级提示。
- 上线前审查数据处理、安全设置、地区可用性和提供方条款。
Python
将 API 密钥保存在 GEMINI_API_KEY 中，安装官方 SDK，并在运行请求前确认当前模型标识符。
pip install -U google-genai
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-3.6-flash",
input="Explain this feature in three concise points",
)
print(interaction.output_text)