谷歌 Gemini API 快速入门与 LangChain 调用指南

4.2 参数调优

可以通过配置 generation_config 来控制输出的风格和质量：

• temperature: 控制随机性（0.0 为确定性，1.0 为创造性）。
• top_p: 核采样阈值。
• max_output_tokens: 限制最大生成长度。

config = {
    "temperature": 0.7,
    "top_p": 0.95,
    "top_k": 40,
    "max_output_tokens": 2048,
}
response = model.generate_content(prompt, generation_config=config)

5. 多模态图片识别

Gemini Vision 模型支持分析上传的图片，可识别物体、提取文字或回答关于图片的问题。

5.1 基于 URL 的图片分析

from google.generativeai import GenerativeModel

model = GenerativeModel('gemini-pro-vision')

image_url = "https://example.com/path/to/your/image.jpg"

prompt = "这张图片里有什么？请详细描述。"

response = model.generate_content([image_url, prompt])
print(response.text)

5.2 本地图片处理

若需处理本地图片，需将其转换为 Base64 格式或上传至公开 URL。

import base64

with open("local_image.jpg", "rb") as f:
    image_bytes = f.read()
    encoded_string = base64.b64encode(image_bytes).decode("utf-8")

# 构造包含 Base64 数据的消息
message = [encoded_string, "描述这张图片的内容"]
response = model.generate_content(message)

6. 使用 LangChain 集成 Gemini

LangChain 提供了统一的接口来连接各种 LLM，简化了链式调用和记忆管理。

6.1 安装 LangChain 组件

pip install -U langchain-google-genai

6.2 初始化 Chat Model

from langchain_google_genai import ChatGoogleGenerativeAI

llm = ChatGoogleGenerativeAI(
    model="gemini-pro",
    temperature=0.7,
    max_tokens=None,
    timeout=None,
    max_retries=2,
)

6.3 消息交互示例

from langchain.schema import HumanMessage, SystemMessage

messages = [
    SystemMessage(content="你是一个专业的技术助手。"),
    HumanMessage(content="如何用 Python 实现一个简单的 HTTP 服务器？")
]

response = llm.invoke(messages)
print(response.content)

6.4 构建简单对话链

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory

conversation = ConversationChain(
    llm=llm,
    memory=ConversationBufferMemory(),
    verbose=True
)

result = conversation.predict(input="你好，介绍一下你自己。")
print(result)

7. 常见问题与故障排查

7.1 配额限制 (Quota Exceeded)

如果收到 429 错误，说明触发了速率限制。建议：

• 检查 Google Cloud 控制台中的配额设置。
• 实施指数退避重试机制。
• 考虑申请提高配额。

7.2 无效 API 密钥

如果返回 401 错误，请检查：

• 密钥是否复制完整。
• 密钥是否已被禁用。
• 当前项目是否拥有正确的 IAM 权限。

7.3 响应超时

对于复杂任务，增加 timeout 参数或分步处理长上下文。

8. 最佳实践总结

1. 成本控制：监控 Token 消耗，避免不必要的长轮询。
2. Prompt Engineering：使用清晰的指令和 Few-Shot 示例提升效果。
3. 错误处理：始终包裹 API 调用在 try-except 块中。
4. 数据隐私：避免向公共 API 发送敏感个人信息。

9. 结语

本文涵盖了从环境搭建到实际调用的全流程。通过 Gemini API 和 LangChain，开发者可以快速构建具备智能对话和多模态理解能力的现代应用。随着模型的迭代，建议持续关注官方文档以获取最新特性。