点点热点

压力给到了C罗

作者：

taotao

在







使用 Python 调用 Google Gemini API：从零开始构建你的第一个 AI 应用


使用 Python 调用 Google Gemini API：从零开始构建你的第一个 AI 应用

简介

人工智能（AI）已不再是遥不可及的前沿科技，而是融入我们日常工作与创作的强大工具。作为开发者，将AI能力集成到自己的项目中，可以极大地提升应用的智能化水平。Google推出的 Gemini 系列模型，以其强大的多模态理解与生成能力，成为了当前炙手可热的选择之一。

本教程将手把手带你使用 Python，从零开始接入 Google Gemini API，构建一个能够进行文本对话、图片理解等多功能的AI应用。无论你是想为你的网站添加智能客服，还是想开发一个图片分析工具，这篇教程都将为你打下坚实的基础。完成本教程后，你将掌握调用大型语言模型（LLM）API的核心技能。

前置准备

在开始之前，请确保你已准备好以下环境与资源：

  1. Python 环境：建议安装 Python 3.8 或更高版本。
  2. Google 账号：用于访问 Google AI Studio 和获取 API 密钥。
  3. 代码编辑器：推荐使用 VS Code 或 PyCharm 等专业 IDE，能极大提升开发效率。
  4. 基础的 Python 知识：了解变量、函数、包安装等基本概念。

第一步：获取 Gemini API 密钥

所有对 AI 模型的访问都需要通过一个唯一的 API 密钥进行身份验证和配额管理。

  1. 打开 Google AI Studio 网站（aistudio.google.com）。
  2. 使用你的 Google 账号登录。
  3. 在左侧菜单栏中找到并点击 “Get API Key”。
  4. 点击 “Create API key in new project” 按钮，系统会为你生成一个密钥。
  5. 重要：立即复制并妥善保管这个密钥。切勿将其直接写入公开的代码或仓库中。最佳实践是使用环境变量来存储它。

第二步：配置 Python 开发环境

我们需要安装 Google 官方提供的 Python SDK 来简化 API 调用。

  1. 创建一个项目文件夹，并在其中创建一个新的 Python 虚拟环境（可选但推荐）。
    bash
    mkdir my-gemini-app
    cd my-gemini-app
    python -m venv venv
    # 激活虚拟环境 (Windows)
    venv\Scripts\activate
    # 激活虚拟环境 (macOS/Linux)
    source venv/bin/activate

  2. 安装必要的库：
    bash
    pip install google-generativeai
    这个库是调用 Gemini API 的官方客户端，它封装了底层的 HTTP 请求，使我们只需关注业务逻辑。

  3. 设置 API 密钥：
    为了避免将密钥硬编码在代码中，我们可以将其设置为环境变量。在终端中（或在你的 .env 文件中）运行：
    bash
    # macOS/Linux
    export GOOGLE_API_KEY=‘你复制的API密钥’
    # Windows (CMD)
    set GOOGLE_API_KEY=你复制的API密钥
    # Windows (PowerShell)
    $env:GOOGLE_API_KEY=“你复制的API密钥”
    在代码中，我们可以使用 os.getenv(“GOOGLE_API_KEY”) 来安全地获取它。

第三步：编写第一个对话程序

现在，让我们编写一个最简单的程序，与 Gemini 进行一次文本对话。

创建一个名为 chat_demo.py 的文件，并输入以下代码：

import os
import google.generativeai as genai

# 1. 从环境变量配置 API 密钥
api_key = os.getenv(“GOOGLE_API_KEY”)
if not api_key:
    raise ValueError(“请设置环境变量 GOOGLE_API_KEY”)
genai.configure(api_key=api_key)

# 2. 初始化模型
# 我们使用 gemini-pro 模型，它专为文本交互优化
model = genai.GenerativeModel(‘gemini-pro’)

# 3. 发起一次简单的对话
response = model.generate_content(“用简单的话解释一下量子纠缠是什么？”)

# 4. 打印模型的回复
print(“Gemini 的回答：”)
print(response.text)

代码解析：
* 我们首先通过 genai.configure() 函数配置 API 密钥。
* 接着，我们实例化了一个 GenerativeModel 对象，指定了使用 gemini-pro 模型。
* generate_content 方法是核心，它向模型发送一个提示（prompt），并等待返回生成的结果。
* 最后，我们打印出 response.text，即模型的文本回复。

在终端运行 python chat_demo.py，你将看到 Gemini 给出的关于量子纠缠的通俗解释。

第四步：实现多轮对话

单次问答很有趣，但更强大的是能够进行上下文连贯的多轮对话。

import os
import google.generativeai as genai

# 配置 API 密钥和模型（同上，此处省略）
genai.configure(api_key=os.getenv(“GOOGLE_API_KEY”))
model = genai.GenerativeModel(‘gemini-pro’)

# 启动一个聊天会话
chat = model.start_chat(history=[])

# 定义一个函数来进行对话
def converse(prompt):
    response = chat.send_message(prompt)
    return response.text

# 进行多轮交互
print(“开始与 Gemini 对话（输入 ‘quit’ 退出）”)
while True:
    user_input = input(“你: “)
    if user_input.lower() == ‘quit’:
        break
    reply = converse(user_input)
    print(f“Gemini: {reply}\n”)

关键点：我们使用了 model.start_chat() 来开启一个持续的聊天会话。chat 对象会自动管理对话历史（history），使得后续的提问能够基于之前的上下文，让对话更加自然连贯。这对于构建聊天机器人至关重要。

第五步：探索多模态能力（图文理解）

Gemini 的一大亮点是原生支持多模态输入。让我们来试试让它“看图说话”。

首先，在你的项目目录中准备一张图片（例如 cat.jpg）。

import os
import google.generativeai as genai
from PIL import Image # 需要安装 Pillow: pip install Pillow

genai.configure(api_key=os.getenv(“GOOGLE_API_KEY”))
model = genai.GenerativeModel(‘gemini-pro-vision’) # 注意：图文模型是 gemini-pro-vision

# 打开本地图片
image = Image.open(‘cat.jpg’)

# 构造提示词，包含图片和文本
prompt = “请详细描述这张图片中的内容，包括猫咪的品种、颜色、姿态和它所处的环境。”
contents = [prompt, image]

# 发送请求
response = model.generate_content(contents)

print(“Gemini 对图片的描述：”)
print(response.text)

注意：我们更换了模型为 gemini-pro-vision，这是专门为图像理解优化的模型。我们通过列表将文本提示和 PIL.Image 对象一起传入 generate_content 方法。模型会结合图文信息进行理解和生成。

相关工具与资源推荐

为了更高效地进行 AI 应用开发，以下工具值得你关注：

  1. 开发硬件：长时间的编码和模型调试，一台性能出色的笔记本电脑和一套舒适的外设至关重要。比如机械键盘能提升打字手感。
  2. API 调试工具：除了写代码，使用 Postman 或 curl 直接测试 API 端点，有助于理解请求和响应的原始格式。
  3. 官方文档与社区：Google AI 官方文档是解决疑难杂症的第一手资料。Stack Overflow 和 GitHub 上的相关开源项目也能提供宝贵参考。
  4. 学习资料：如果你对 AI 背后的原理感兴趣，可以阅读一些经典的机器学习书籍来加深理解。

常见问题（FAQ）

  1. Q: 调用 API 时报错 “API key not valid”，怎么办？

    • A: 首先检查环境变量 GOOGLE_API_KEY 是否设置正确。其次，确认密钥是否在 Google AI Studio 中被禁用或删除。注意密钥字符串不要包含多余的空格或引号。

  2. Q: gemini-pro 和 gemini-pro-vision 有什么区别？

    • A: gemini-pro 专注于文本理解与生成，速度快，成本相对较低。gemini-pro-vision 是多模态模型，能同时处理文本和图像输入，但调用成本稍高。根据你的需求选择合适的模型。

  3. Q: 如何控制模型输出的格式，例如让它只返回 JSON？

    • A: 你可以在提示词（prompt）中明确指令。例如：“请以 JSON 格式回复，包含 ‘name’ 和 ‘description’ 两个键。” 模型通常能很好地遵循此类指令。

  4. Q: 模型的回复有字数限制吗？

    • A: 是的，每次 API 调用生成的内容都有 token（词元）限制。gemini-pro 模型的输出上限通常是 8192 个 token。对于长文本生成，你可能需要分批次请求或使用流式输出（streaming）。

总结

恭喜你！通过本教程，你已经成功迈出了将 Google Gemini AI 能力集成到自己应用中的第一步。我们回顾一下关键步骤：获取 API 密钥 -> 配置环境 -> 安装 SDK -> 调用基础文本模型 -> 实现多轮对话 -> 探索多模态能力。

掌握了这些基础，你的想象力就是唯一的边界。你可以在此基础上，为你的博客添加自动摘要功能，开发一个智能客服机器人，或者创建一个能根据图片生成故事的创意工具。AI 开发的旅程充满挑战与乐趣，建议你准备好一台可靠的开发电脑，从调试一个又一个bug中积累经验。如果需要深入理解算法，一些经典的人工智能书籍也能提供理论指导。现在，就打开你的编辑器，开始构建下一个令人惊叹的 AI 应用吧！


更多文章