深入探索 Google DeepMind Gemini 模型：示例、代码片段与实战指南

人工智能（AI）模型近年来发展迅速，其中 Google DeepMind 推出的 Gemini 系列在自然语言理解、多模态生成和智能代理等方面表现尤为出色。本篇文章将基于官方示例仓库里的 README 和配套笔记本，手把手带你从入门到进阶，一步步掌握 Gemini 模型的核心用法。所有内容均严格取自源码，不做任何外部延伸，保证信息真实有效，适合专科及以上背景的开发者阅读。

编程调试中

目录

  1. 仓库概览
  2. 快速上手：克隆与环境配置
  3. 指南深度解读

    • 函数调用
    • ReAct 智能代理
    • 多种代理模式
    • 长期记忆集成
  4. 实战示例一览

    • OpenAI SDK 集成
    • Google 搜索接入
    • 结构化输出与 Pydantic
    • 音频转录
    • 原生图像生成
    • 文件在线编辑
    • LangChain 整合
    • 上下文缓存
  5. 脚本与自动化
  6. JavaScript 示例
  7. Gemma：另一种 GenAI 选择
  8. 贡献指南与开源协议
  9. 实用技巧与最佳实践

仓库概览

该项目名为 “Google DeepMind Models Samples, Snippets and Guides”，收录了各类 Gemini 家族模型的精简示例、可视化笔记本和操作指南。主要目录结构包括：

  • examples/：针对单个功能调用的 Jupyter 笔记本。
  • guides/：核心模式和工作流的概念性教程。
  • scripts/：脚本级自动化样例，适合批量处理和命令行运行。
  • javascript-examples/：在 Web 或 Node.js 环境中调用 Gemini 功能的示例。

所有内容均采用 MIT 许可证，无任何使用限制，方便大家 Fork、修改与扩展。

快速上手：克隆与环境配置

只需几步即可启动你的 Gemini 之旅：

  1. 克隆仓库

    git clone https://github.com/philschmid/gemini-samples.git
cd gemini-samples

  2. 配置环境变量
    在项目根目录新建 .env 文件，填入 API 密钥：

    GEMINI_API_KEY=你的_api_key

  3. 安装依赖

    • Python 环境：

      pip install -r requirements.txt

    • JavaScript 示例：

      npm install

  4. 启动 JupyterLab

    jupyter lab

    打开 examples/ 或 guides/ 下的 .ipynb 文件，跟着笔记本动手练习。

代码开发

指南深度解读

1. 函数调用（Function Calling）

  • 路径：guides/function-calling.ipynb
  • 内容：教你如何设计提示词和函数接口，让模型输出符合预定义 JSON 架构的结果，适合构建具备外部工具调用能力的聊天机器人。

2. ReAct 智能代理

  • 路径：guides/langgraph-react-agent.ipynb
  • 内容：展示 ReAct 范式，如何在推理与动作（如调用 API、抓取网页）之间交替执行，结合 LangGraph 协调复杂工作流。

3. 多种代理模式

  • 路径：guides/agentic-pattern.ipynb
  • 内容：对比单步代理、多步规划器和循环控制器等多种智能代理架构，帮助你为不同场景选型。

4. 长期记忆集成

  • 路径：guides/gemini-with-memory.ipynb
  • 内容：讲解如何存储、检索和更新持久化记忆，实现跨会话的上下文保留，构建有“记忆”能力的对话系统。

小贴士：先专注一个指南，复制示例代码到新 notebook 中，拆分测试再集成其它模式。

实战示例一览

在 examples/ 目录下，你会看到以下精彩示例：

  1. OpenAI SDK 集成
    通过官方 SDK 调用 Gemini，感受最基础的补全能力。

  2. Google 搜索接入
    在提示词中嵌入实时搜索结果，构建带数据检索能力的智能助手。

  3. 结构化输出与 Pydantic
    用 Pydantic 定义模型输出的数据结构，保证下游代码的类型安全。

  4. 动态元提示词
    让模型自己生成 JSON 架构，再在后续请求中引用该架构，引导输出。

  5. 音频转录
    带时间戳的音频转写，用于字幕生成或播客索引。

  6. 原生图像生成
    调用 Gemini 2.0 Flash 实验模型，直接从文本生成图片，无需单独的图像 API。

  7. 文件在线编辑
    上传源代码或文档，让模型按需重构、格式化或翻译。

  8. LangChain 整合
    在 LangChain 框架中接入 Gemini，结合工具、记忆与链式思考。

  9. 代码执行与数据分析
    在 Notebook 中运行 Python 代码，生成数据分析结果与可视化图表，并返回到同一环境。

  10. 模型上下文协议（MCP）
    管理多步对话的请求/响应，对大型对话场景尤为关键。

  11. CrewAI 体验
    试用 Gemini 2.5 Pro 的实验性 CrewAI 功能。

  12. 顺序函数调用
    在一次对话中连续调用多个函数，保持上下文连贯。

  13. 批量 API 请求
    将多条提示聚合到单次请求，提升吞吐效率。

Notebook 示例

脚本与自动化

scripts/ 目录下的 Python 脚本可直接用于生产环境或定时任务：

  • gemini-browser-use.py：模拟浏览器抓取，结合模型做网页信息抽取。
  • gemini-mcp-agent.py & gemini-mcp-pipedream.py：基于模型上下文协议的事件驱动代理示例。
  • gemini-veo-meta.py：面向 Veo3 模型的元学习优化脚本。
  • veo3-generate-viral-vlogs.py：多步骤链式调用，自动生成短视频脚本。
  • gemini-image-meta.py：结合 Imagen 模型，生成上下文相关的图像元数据。

这些脚本可以与 CI/CD、Cron 作业、Serverless 平台无缝集成。

JavaScript 示例

javascript-examples/ 目录包含 Node.js 版示例：

  • gemini-native-image-out.js：在 JavaScript 环境下调用 Gemini 2.0 Flash，生成图像。

安装 GenAI 包：

npm install @google/genai

执行脚本：

node javascript-examples/gemini-native-image-out.js

Gemma：另一种 GenAI 选择

项目中还收录了 Gemma 系列的对比示例：

  • examples/gemma-with-genai-sdk.ipynb：使用 GenAI SDK 调用 Gemma 3 27B。
  • examples/gemma-function-calling.ipynb：针对 Gemma 实现函数调用模式。

你可以根据性能和成本需求，比较 Gemini 与 Gemma 两者的差异。

贡献指南与开源协议

欢迎贡献与改进：

  1. Fork 本项目并新建分支。
  2. 运行现有示例，确保兼容性。
  3. 增添新示例或优化文档。
  4. 提交 Pull Request，并简要说明改动内容。

本项目采用 MIT 许可证，自由使用、修改和分发。

实用技巧与最佳实践

  • 循序渐进：先从单个示例开始，验证环境配置无误后再拓展。
  • 拆分测试：将示例拆成最小单元，调整提示词和参数。
  • 数据校验：关键输出尽量配合 Pydantic 或 JSON Schema，降低异常风险。
  • 精细记忆：只存储必要上下文，避免记忆库过大拖慢性能。
  • 批量调用：对高并发场景，优先使用批量 API 以节省网络开销。
  • 保持更新：定期关注官方仓库，获取最新功能和实战示例。
团队协作

通过本仓库的示例、指南与脚本，从“Hello, world!”式的初步尝试到生产级 AI 代理构建，都能快速上手并落地。立刻行动，用 Gemini 模型为你的项目注入智能力量！