Gemini（Google）指南

概述

Gemini 是 Google 的多模态大模型系列，具备图像、文本、音频等多模态理解与生成能力，并与 Google 的搜索与生态服务结合紧密。常用于检索增强、内容理解与生成、开发者工具整合等场景。

接入方式

网页端

• 通过 Gemini 官方入口或集成产品访问。
• 支持多模态输入与与工具结合（具体以产品功能为准）。

API 接入

Google 提供 Generative Language API 与 SDK。模型命名与接口可能更新，请以官方文档为准。

示例（通用占位）

// curl（generateContent）
curl "https://generativelanguage.googleapis.com/v1beta/models/MODEL_NAME:generateContent?key=$GOOGLE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "用 5 点总结零知识证明"}]}]
  }'

// Node.js（官方 SDK 示例可能变化）
// 参考 Google 官方文档与示例仓库获取最新调用方式

常用场景

• 检索增强问答（RAG）与摘要。
• 图像/音频理解与生成关联任务。
• 面向开发者的代码理解与工具结合。

优势与局限

• 优势：多模态能力与搜索生态结合紧密。
• 局限：部分区域与产品访问受限；定价与配额以官方为准。

提示词与实践建议

• 明确输入类型：文本、图片与音频的混合任务分步描述。
• 结果验证：涉及事实性输出时使用检索或权威来源核验。
• 分块处理：长文与多文件输入分段处理后再整合。

资源链接

• Google Generative Language API 文档
• 示例与 SDK（以官方仓库为准）