【开发者指南】Gemini 3.5开发入门：从API调用到Agent构建

一、快速入门

1.1 安装依赖

bash 复制代码

# 使用官方SDK
pip install google-generativeai

1.2 基本调用

python 复制代码

import google.generativeai as genai

# 配置API Key
genai.configure(api_key="YOUR_API_KEY")

# 初始化模型
model = genai.GenerativeModel('gemini-3.5-flash')

# 简单对话
response = model.generate_content("Hello, Gemini!")
print(response.text)

1.3 多模态输入

python 复制代码

# 图片+文字输入
import PIL.Image

image = PIL.Image.open("example.jpg")
response = model.generate_content([
    "描述这张图片",
    image
])
print(response.text)

二、高级特性

2.1 流式响应

python 复制代码

# 流式输出
response = model.generate_content(
    "写一篇关于AI未来的文章",
    stream=True
)

for chunk in response:
    print(chunk.text, end="")

2.2 工具调用

python 复制代码

# 定义工具
tools = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气",
        "parameters": {
            "city": {"type": "string", "description": "城市名称"}
        }
    }
]

# 启用工具调用
response = model.generate_content(
    "北京今天天气怎么样？",
    tools=tools
)

# 检查是否需要调用工具
if response.candidates[0].content.parts[0].function_call:
    # 调用工具并获取结果
    weather = get_weather("北京")
    # 继续对话
    response = model.generate_content(
        f"根据天气数据：{weather}",
        tools=tools,
        history=response.history
    )

2.3 设置参数

python 复制代码

# 详细参数设置
response = model.generate_content(
    "写一首诗",
    generation_config={
        "temperature": 0.9,  # 创意度
        "max_output_tokens": 1000,
        "top_p": 0.8,
        "top_k": 40
    }
)

三、Antigravity 2.0开发

3.1 创建Agent

python 复制代码

# 使用Antigravity创建Agent
from antigravity import Agent

agent = Agent(
    name="MyAgent",
    model="gemini-3.5-flash",
    instructions="你是一个代码助手"
)

# 添加技能
agent.add_skill("code_review", "代码审查技能")

# 执行任务
result = agent.execute("帮我审查这段Python代码")

3.2 子Agent并行

python 复制代码

# 动态生成子Agent
from antigravity import SubAgentManager

manager = SubAgentManager()

# 创建多个子Agent并行执行
tasks = ["分析数据", "生成报告", "创建可视化"]
results = manager.run_parallel(tasks)

# 汇总结果
final_result = manager.summarize(results)

3.3 定时任务

python 复制代码

# 设置定时任务
from antigravity import Scheduler

scheduler = Scheduler()

# 每天早上9点检查PR状态
scheduler.schedule(
    task="检查PR状态",
    cron="0 9 * * *",
    handler=check_pr_status
)

# 每小时执行健康检查
scheduler.schedule(
    task="健康检查",
    cron="0 * * * *",
    handler=health_check
)

四、Gemini Spark集成

4.1 连接Spark

python 复制代码

from gemini_spark import SparkClient

spark = SparkClient(api_key="YOUR_API_KEY")

# 创建任务
task_id = spark.create_task(
    "帮我汇总本周工作进展",
    context={"sources": ["gmail", "docs"]}
)

# 查询状态
status = spark.get_task_status(task_id)

# 获取结果
result = spark.get_task_result(task_id)

4.2 自定义技能

python 复制代码

# 创建自定义技能
def ghostwriter_skill(content, tone):
    """根据用户语气生成内容"""
    return adapt_tone(content, tone)

# 注册技能
spark.register_skill("ghostwriter", ghostwriter_skill)

# 使用技能
result = spark.execute_with_skill(
    "写一封邮件",
    skill="ghostwriter",
    parameters={"tone": "professional"}
)

五、企业级最佳实践

5.1 API管理

对于企业用户，建议通过weelinkingAPI聚合平台统一管理多个模型供应商的接入，这类平台提供统一的SDK封装、完善的监控告警和费用统计功能。

5.2 安全建议

API Key使用环境变量注入
设置合理的请求超时
实现限流和熔断机制
记录完整的审计日志

总结

Gemini 3.5为开发者提供了强大的AI能力：

平台	适用场景
Gemini API	直接调用模型能力
Antigravity 2.0	构建复杂Agent系统
Gemini Spark	个人AI助手集成

#Gemini3.5 #开发者指南 #API调用 #Agent开发

📖 推荐阅读

如果这篇对你有帮助，以下文章你也会喜欢：