Hoppa till huvudinnehåll
Google Gemini är ett mycket kraftfullt AI-konversationssystem som kan generera flytande och naturliga svar på bara några sekunder genom att mata in promptord. Gemini kan erbjuda imponerande intelligent assistans och avsevärt förbättra människors arbetseffektivitet och kreativitet. Detta dokument introducerar främst användningsflödet för Gemini Chat Completion API-operationer. Med hjälp av det kan vi enkelt använda den officiella Gemini-konversationsfunktionen.

Ansökningsprocess

För att använda Gemini Chat Completion API, gå först till Ace Data Cloud-konsolen för att hämta din API Token och spara den för senare användning. Om du ännu inte har loggat in eller registrerat dig, omdirigeras du automatiskt till inloggningssidan där du uppmanas att registrera dig och logga in. När detta är klart återgår du automatiskt till den aktuella sidan. En API Token kan anropa alla plattformstjänster, utan att du behöver ansöka separat för varje tjänst. Vid första ansökan får du gratis kredit för att kunna prova utan kostnad; när krediten inte räcker till kan du ladda på gemensamt saldo i konsolen.
📘 Fullständig dokumentation: Gemini Chat Completion API →

Grundläggande användning

Därefter kan du fylla i motsvarande innehåll i gränssnittet, som visas på bilden:

När vi använder detta gränssnitt för första gången behöver vi minst fylla i tre saker. Den ena är authorization, som du kan välja direkt i rullgardinslistan. En annan parameter är model, där model är den kategori av modeller från Geminis officiella webbplats som vi väljer att använda. De valbara modellerna följer model-uppräkningen i gränssnittsdokumentationen. Den sista parametern är messages, där messages är den array med frågeord som vi matar in. Det är en array, vilket innebär att flera frågeord kan laddas upp samtidigt. Varje frågeord innehåller role och content, där role anger frågeställarens roll. Vi erbjuder tre identiteter: user, assistant, system. Den andra, content, är det specifika innehållet i vår fråga. Samtidigt kan du se att motsvarande anropskod genereras till höger. Du kan kopiera koden och köra den direkt, eller klicka direkt på knappen ”Try” för att testa.

Tips: gemini-3.x-seriens flash är resonemangsmodeller och förbrukar först reasoning tokens; ställ in max_tokens till över 512, annars kan endast tomt innehåll returneras. gemini-3.8-flash är den för närvarande rekommenderade Flash-modellen och stöder upp till 1 miljon Token-kontext, bildindata, verktygsanrop och strömmande svar; den anropas för närvarande via Chat Completions-gränssnittet.
gemini-4-argon kan också användas för Chat Completions och stöder vanliga och strömmande textsvar. Den kan använda en del av utmatningsbudgeten för resonemang, så lämna tillräckligt med utrymme för max_tokens vid komplexa uppgifter; Google rekommenderar minst 32768 för vanliga uppgifter med denna modell. Likställ inte detta gränssnitt med funktionen för långa utdata i bakgrunden i Google Interactions API. Efter anropet ser vi att det returnerade resultatet är följande:
Det returnerade resultatet har flera fält, vilka introduceras nedan:
  • id, ID:t som genereras för denna konversationsuppgift och används för att unikt identifiera denna konversationsuppgift.
  • model , den valda modellen från Geminis officiella webbplats.
  • choices, svarsinformationen som Gemini ger för frågeorden.
  • usage : statistik över token för denna fråge- och svarsomgång.
Där choices innehåller Geminis svarsinformation, och dess choices är den specifika informationen i Geminis svar, vilket kan ses på bilden.

Som du kan se innehåller fältet content i choices det specifika innehållet i Geminis svar.

Bildförståelse (multimodal indata)

Gemini är en ursprungligt multimodal modell som direkt kan ”se bilder”. För att skicka in en bild ändrar du content i ett meddelande från en sträng till en array med innehållsblock, och lägger både ett text-block och ett image_url-block i arrayen – detta är helt konsekvent med OpenAI och Geminis officiella OpenAI-kompatibla format. image_url.url stöder två skrivsätt:
  • base64-data:-URI (rekommenderas, mest stabilt): Formatet är data:<medietyp>;base64,<data>, till exempel data:image/jpeg;base64,/9j/4AAQ.... Medietypen (MIME) är redan angiven i data:-prefixet, så det behövs inte och finns inget separat media_type-fält.
  • Offentligt tillgänglig bild-URL: Till exempel https://cdn.acedata.cloud/4hfydw.jpg.
Bildtyper som stöds: png, jpeg, webp, heic, heif. Exempel på anropskod i Python (base64-data-URI):
Du kan också direkt skicka en offentligt tillgänglig bild-URL:
💡 image_url accepterar endast fältet url (värdet kan vara en bild-URL eller base64-data:-URI), samt det valfria fältet detail. Skicka inte media_type — det är Anthropic Claudes bildfält och tillhör inte formatet image_url för OpenAI / Gemini.

Strömmande svar

Detta gränssnitt stöder även strömmande svar, vilket är mycket användbart för webbintegration och gör det möjligt för webbsidor att visa text ord för ord. Om du vill returnera svaret strömmande kan du ändra parametern stream i begärans huvud. Ändra den till true. Ändringen visas i bilden, men anropskoden behöver motsvarande ändringar för att stödja strömmande svar.

Efter att stream har ändrats till true returnerar API:t motsvarande JSON-data rad för rad, och på kodnivå behöver vi göra motsvarande ändringar för att få resultaten rad för rad. Exempel på anropskod i Python:
Utdataeffekten är följande:
Det kan ses att det finns många data i svaret, och choices i data är det senaste svarsinnehållet, vilket överensstämmer med innehållet som introducerats ovan. choices är det nytillkomna svarsinnehållet, och du kan integrera det i ditt system baserat på resultatet. Samtidigt avgörs slutet på det strömmande svaret utifrån innehållet i data; om innehållet är [DONE] betyder det att det strömmande svaret har avslutats helt. Det returnerade data-resultatet innehåller flera fält, som beskrivs nedan:
  • id, ID:t för den här dialoguppgiften som genereras och används för att unikt identifiera den här dialoguppgiften.
  • model , den valda modellen från Geminis officiella webbplats.
  • choices, svarsinformationen som Gemini ger för frågan.
JavaScript stöds också, till exempel är koden för strömmande anrop i Node.js följande:
Exempelkod i Java:
Andra språk kan anpassas separat, principen är densamma.

Fleromgångsdialog

Om du vill integrera flergångsdialogsfunktionen måste du skicka flera frågor i fältet messages. Ett specifikt exempel på flera frågor visas i bilden nedan:

Exempelkod för anrop i Python:
Genom att skicka flera frågor kan flergångsdialog enkelt implementeras, och följande svar kan erhållas:
Det kan ses att informationen som choices innehåller överensstämmer med innehållet för grundläggande användning. Detta innehåller det specifika innehållet i Geminis svar på flera dialoger, så att motsvarande frågor kan besvaras utifrån innehållet i flera dialoger.

Gemini-3.0 multimodal modell

Exempel på begäran:
Exempelresultat:
Naturligtvis kan du även skicka en länk till exempelvis en video, den specifika inmatningen är följande:
Exempelresultat:
Av ovanstående framgår det att Gemini 3.0-modellen kan stödja multimodal förståelse.

Gemini-3.1 multimodal modell

gemini-3.1-pro-preview är det officiella modell-ID:t för nuvarande Gemini 3.1 Pro och stöder multimodala indata såsom text, bilder och video, vilket passar för komplexa resonemang, kodning och förståelseuppgifter. Begäransexempel:
Gemini 3.1 Pro stöder även videoförståelse:
Returformatet är detsamma som för Gemini 3.0 Pro; se beskrivningen ovan i avsnittet om Gemini-3.0 multimodal modell.

Felhantering

Vid anrop av API:t returnerar API:t motsvarande felkod och information om ett fel uppstår. Till exempel:
  • 400 token_mismatched:Felaktig begäran, möjligen på grund av saknade eller ogiltiga parametrar.
  • 400 api_not_implemented:Felaktig begäran, möjligen på grund av saknade eller ogiltiga parametrar.
  • 401 invalid_token:Obehörig, ogiltig eller saknad auktoriseringstoken.
  • 429 too_many_requests:För många begäranden, du har överskridit hastighetsgränsen.
  • 500 api_error:Internt serverfel, något gick fel på servern.

Exempel på felsvar

Slutsats

Genom detta dokument har du lärt dig hur du använder Gemini Chat Completion API för att enkelt implementera den officiella Geminis konversationsfunktion. Vi hoppas att detta dokument kan hjälpa dig att bättre integrera och använda detta API. Om du har några frågor, kontakta gärna vårt tekniska supportteam.