Przejdź do głównej treści
Google Gemini to bardzo potężny system konwersacyjny AI, który po prostu po wprowadzeniu promptu może w ciągu kilku sekund wygenerować płynną i naturalną odpowiedź. Gemini może zapewnić niesamowite inteligentne wsparcie, znacznie zwiększając efektywność pracy i kreatywność ludzi. Ten dokument głównie przedstawia proces korzystania z operacji Gemini Chat Completion API, dzięki któremu możemy łatwo korzystać z funkcji konwersacyjnych oficjalnego Gemini.

Proces wnioskowania

Aby korzystać z Gemini Chat Completion API, najpierw przejdź do konsoli Ace Data Cloud, aby uzyskać swój API Token i zachować go na później. Jeśli nie jesteś jeszcze zalogowany ani zarejestrowany, zostaniesz automatycznie przekierowany na stronę logowania, która zaprosi Cię do rejestracji i zalogowania się, a po zakończeniu automatycznie wrócisz na bieżącą stronę. Jeden API Token może wywoływać wszystkie usługi platformy, bez potrzeby osobnego wnioskowania dla każdej usługi. Przy pierwszym wnioskowaniu otrzymasz darmowy limit, z którego możesz korzystać bezpłatnie; gdy limit jest niewystarczający, możesz doładować uniwersalne saldo w konsoli.
📘 Pełna dokumentacja: Gemini Chat Completion API →

Podstawowe użycie

Następnie możesz wypełnić odpowiednią zawartość w interfejsie, jak pokazano na ilustracji:

Przy pierwszym użyciu tego interfejsu musimy wypełnić co najmniej trzy elementy. Jednym z nich jest authorization, który można wybrać bezpośrednio z listy rozwijanej. Kolejnym parametrem jest model, model to wybrana przez nas kategoria modeli z oficjalnej strony Gemini, a dostępne modele są zgodne z wyliczeniem model w dokumentacji interfejsu. Ostatnim parametrem jest messages, messages to tablica wprowadzonych przez nas promptów, jest to tablica, co oznacza, że można jednocześnie przesłać wiele promptów, przy czym każdy prompt zawiera role i content, gdzie role oznacza rolę osoby zadającej pytanie. Udostępniamy trzy tożsamości: user, assistant, system. Drugie content to konkretna treść naszego pytania. Jednocześnie możesz zauważyć, że po prawej stronie generowany jest odpowiedni kod wywołania. Możesz skopiować kod i uruchomić go bezpośrednio, a także bezpośrednio kliknąć przycisk „Try”, aby przeprowadzić test.

Wskazówka: flash z serii gemini-3.x to modele rozumujące, które najpierw zużywają reasoning tokens; ustaw max_tokens na wartość powyżej 512, w przeciwnym razie może zostać zwrócona tylko pusta zawartość. gemini-3.8-flash jest obecnie zalecanym modelem Flash, obsługuje do 1 miliona Tokenów kontekstu, wejście obrazów, wywoływanie narzędzi i odpowiedzi strumieniowe; obecnie jest wywoływany przez interfejs Chat Completions.
Po wywołaniu stwierdzamy, że wynik zwracany jest następujący:
Wynik zwracany zawiera wiele pól, które przedstawiono poniżej:
  • id — ID wygenerowanego zadania tej rozmowy, używane do jednoznacznej identyfikacji tego zadania rozmowy.
  • model — wybrany model z oficjalnej strony Gemini.
  • choices — informacje o odpowiedzi udzielonej przez Gemini na prompt.
  • usage : informacje statystyczne o tokenach dla tej sesji pytań i odpowiedzi.
Wśród nich choices zawiera informacje o odpowiedzi Gemini, a znajdujące się w nim choices to konkretne informacje o odpowiedzi Gemini, jak można zobaczyć na ilustracji.

Można zauważyć, że pole content w choices zawiera konkretną treść odpowiedzi Gemini.

Rozumienie obrazów (wejście multimodalne)

Gemini jest natywnym modelem multimodalnym i może bezpośrednio „oglądać obrazy”. Aby przekazać obraz, zmień content danej wiadomości z ciągu znaków na tablicę bloków treści, a następnie umieść w tablicy jednocześnie blok text i blok image_url — jest to całkowicie zgodne z OpenAI oraz formatem kompatybilnym z OpenAI oficjalnego Gemini. image_url.url obsługuje dwa sposoby zapisu:
  • base64 data: URI (zalecane, najbardziej stabilne): format to data:<typ mediów>;base64,<dane>, na przykład data:image/jpeg;base64,/9j/4AAQ.... Typ mediów (MIME) jest już zapisany w prefiksie data:, dlatego osobne pole media_type nie jest potrzebne ani nie istnieje.
  • Publicznie dostępny URL obrazu: na przykład https://cdn.acedata.cloud/4hfydw.jpg.
Obsługiwane typy obrazów: png, jpeg, webp, heic, heif. Przykładowy kod wywołania Python (base64 data URI):
Możesz także bezpośrednio przekazać publicznie dostępny adres URL obrazu:
💡 image_url akceptuje wyłącznie pole url (wartością może być adres URL obrazu lub base64 data: URI) oraz opcjonalne pole detail. Nie przekazuj media_type — jest to pole obrazu Anthropic Claude, które nie należy do formatu image_url OpenAI / Gemini.

Odpowiedź strumieniowa

Ten interfejs obsługuje również odpowiedzi strumieniowe, co jest bardzo przydatne przy integracji ze stronami internetowymi i pozwala uzyskać efekt wyświetlania znak po znaku. Jeśli chcesz zwracać odpowiedź strumieniowo, możesz zmienić parametr stream w nagłówku żądania na true. Wprowadź zmiany jak pokazano na ilustracji, jednak kod wywołania musi zostać odpowiednio zmieniony, aby obsługiwał odpowiedź strumieniową.

Po zmianie stream na true API będzie zwracać odpowiednie dane JSON wiersz po wierszu, a na poziomie kodu musimy wprowadzić odpowiednie zmiany, aby uzyskać wyniki wiersz po wierszu. Przykładowy kod wywołania w Pythonie:
Efekt wyjściowy jest następujący:
Jak widać, odpowiedź zawiera wiele data, a choices wewnątrz data stanowi najnowszą treść odpowiedzi, zgodnie z opisem powyżej. choices to nowo dodana treść odpowiedzi, którą możesz na podstawie wyniku zintegrować ze swoim systemem. Jednocześnie zakończenie odpowiedzi strumieniowej jest określane na podstawie treści data; jeśli treścią jest [DONE], oznacza to, że odpowiedź strumieniowa została całkowicie zakończona. Zwrócony wynik data zawiera wiele pól, które opisano poniżej:
  • id,generuje ID tego zadania konwersacji, używane do jednoznacznej identyfikacji tego zadania konwersacji.
  • model ,wybrany model Gemini z oficjalnej strony.
  • choices,informacje o odpowiedzi udzielonej przez Gemini na zapytanie.
Obsługiwany jest również JavaScript, na przykład kod wywołania strumieniowego w Node.js wygląda następująco:
Przykładowy kod Java:
Inne języki można dodatkowo samodzielnie dostosować, zasada jest taka sama.

Konwersacja wieloturowa

Jeśli chcesz zintegrować funkcję konwersacji wieloturowej, musisz przesłać wiele zapytań w polu messages, konkretny przykład wielu zapytań pokazano na poniższym obrazku:

Przykładowy kod wywołania w Pythonie:
Przesyłając wiele zapytań, można łatwo zrealizować konwersację wieloturową i uzyskać następującą odpowiedź:
Jak widać, informacje zawarte w choices są zgodne z treścią podstawowego użycia; zawiera to konkretne treści odpowiedzi Gemini na wiele konwersacji, dzięki czemu można odpowiadać na odpowiednie pytania na podstawie treści wielu konwersacji.

Model multimodalny Gemini-3.0

Przykładowe żądanie:
Przykładowy wynik:
Oczywiście możesz również przekazać na przykład link do wideo, a konkretne dane wejściowe są następujące:
Przykładowy wynik:
Z powyższego można zauważyć, że model Gemini 3.0 obsługuje multimodalne rozumienie.

Model multimodalny Gemini-3.1

gemini-3.1-pro-preview jest obecnym oficjalnym ID modelu Gemini 3.1 Pro, obsługuje multimodalne dane wejściowe, takie jak tekst, obrazy i wideo, oraz nadaje się do złożonych zadań rozumowania, kodowania i rozumienia. Przykład żądania:
Gemini 3.1 Pro również obsługuje rozumienie wideo:
Format zwracany jest zgodny z Gemini 3.0 Pro; szczegóły znajdują się w opisie powyżej w sekcji dotyczącej modelu multimodalnego Gemini-3.0.

Obsługa błędów

Podczas wywoływania API, jeśli wystąpi błąd, API zwróci odpowiedni kod błędu i informację. Na przykład:
  • 400 token_mismatched: Nieprawidłowe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.
  • 400 api_not_implemented: Nieprawidłowe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów.
  • 401 invalid_token: Brak autoryzacji, nieprawidłowy lub brakujący token autoryzacyjny.
  • 429 too_many_requests: Zbyt wiele żądań, przekroczono limit szybkości.
  • 500 api_error: Wewnętrzny błąd serwera, coś poszło nie tak po stronie serwera.

Przykład odpowiedzi błędu

Wnioski

Dzięki temu dokumentowi dowiedzieli się Państwo, jak łatwo zaimplementować funkcję rozmów oficjalnego Gemini za pomocą Gemini Chat Completion API. Mamy nadzieję, że ten dokument pomoże Państwu lepiej zintegrować i korzystać z tego API. W razie jakichkolwiek pytań prosimy o kontakt z naszym zespołem wsparcia technicznego.