Gemini API 使用诀窍：榨干免费额度与多模态潜力

Google 的 Gemini 系列 API 是个宝藏——免费层大方到离谱，每分钟 60 次请求、每天 1500 次，还白送 2M 上下文窗口。多模态能力更是硬核，能直接喂图片、视频、音频。但很多人只会简单问答，浪费了这些特性。下面 5 个技巧，帮你把 Gemini 用出花来。

技巧一：用 2M 上下文窗口做“全量文档分析”，而非分段摘要

Gemini Pro 的 2M token 上下文是杀手锏，别傻傻地分段总结。直接把整本技术手册、整年聊天记录或完整代码库扔进去，让它做全局分析。

实操：比如你有一份 500 页的 API 文档，直接上传文本文件（或粘贴内容），问“找出所有关于错误处理的章节，并对比它们的一致性”。Gemini 能跨章节关联信息，发现矛盾点。普通模型分段后容易丢失上下文关联，Gemini 不会。

进阶：用 Python SDK 时，把整个项目的 requirements.txt、Dockerfile 和代码文件拼接成一个大字符串，问“检查依赖版本冲突，并给出升级路径”。2M 上下文足够装下中型项目的全部文本。

技巧二：利用“多模态输入”做零样本图像结构化提取

Gemini 对图片的理解不限于“描述图片”，而是能直接提取结构化数据。别只问“这是什么”，要问“把这张发票的字段提取成 JSON”。

实操：拍一张手写表格的照片，上传后 prompt 写：“将表格内容转换为 Markdown 表格，保留所有数字和文字，忽略水印”。Gemini 能处理倾斜、模糊的图片，比 OCR 服务更灵活。

代码示例（Python）：

import google.generativeai as genai
genai.configure(api_key="你的KEY")
model = genai.GenerativeModel('gemini-1.5-pro')
response = model.generate_content(["将这张图片中的菜单项、价格和描述提取为CSV格式", img])
print(response.text)

注意：图片用 PIL.Image.open() 加载，别用 base64，Gemini SDK 原生支持 PIL 对象。

技巧三：用“系统指令”锁定输出格式，避免重复调优

Gemini 支持 system_instruction 参数，很多人忽略。这比在 prompt 里加“请用JSON格式回答”稳定得多。

实操：如果你需要模型每次输出固定结构，比如“先给出结论，再列出3个理由，最后用一句话总结”，在 API 调用时设置：

model = genai.GenerativeModel(
    'gemini-1.5-pro',
    system_instruction="你是一个技术顾问。每次回答必须：1. 第一行是结论 2. 然后列出3个要点 3. 最后用'【总结】'开头写一句话"
)

这样即使用户 prompt 很随意，输出格式也不会跑偏。适合批量处理场景，减少后处理成本。

技巧四：利用“温度与 top_p 组合”控制创意与精确度

Gemini 的温度（temperature）和 top_p 可以同时调，但很多人只改温度。对于编程任务，推荐一个组合拳：温度 0.2 + top_p 0.9。

为什么：低温度让模型更确定，但 top_p 0.9 保留一定多样性，避免陷入重复模式。纯代码生成时，温度 0.1 太死板，0.5 又容易编造函数名。0.2 + 0.9 是甜点区。

测试：写一个“生成 Python 函数，读取 CSV 并计算每列平均值”的 prompt。温度 0.2 + top_p 0.9 的输出通常直接可用，而温度 0.5 可能产生不必要的错误处理代码。

技巧五：用“安全设置”过滤敏感内容，而非依赖后处理

Gemini API 默认安全过滤较严，但你可以精细控制。别等输出后再用正则过滤敏感词，直接在请求里设置阈值。

实操：如果你做代码审查工具，需要允许讨论“SQL注入”这类技术话题，但禁止色情内容。设置：

from google.generativeai.types import HarmCategory, HarmBlockThreshold

safety_settings = {
    HarmCategory.HARM_CATEGORY_HARASSMENT: HarmBlockThreshold.BLOCK_ONLY_HIGH,
    HarmCategory.HARM_CATEGORY_HATE_SPEECH: HarmBlockThreshold.BLOCK_ONLY_HIGH,
    HarmCategory.HARM_CATEGORY_SEXUALLY_EXPLICIT: HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE,
    HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT: HarmBlockThreshold.BLOCK_ONLY_HIGH,
}
model = genai.GenerativeModel('gemini-1.5-pro', safety_settings=safety_settings)

这样模型能正常讨论技术漏洞，但会拦截明显不当内容。默认设置会误杀很多技术讨论，手动调低阈值后，实用度飙升。

最后提醒：免费层每天 1500 次请求，但 2M 上下文每次消耗 token 较多，注意别在单次请求里塞太多内容。配合流式输出（stream=True），可以边接收边处理，避免超时。