如何使用 Node.js 创建 Google Gemini AI 聊天机器人
Source: Dev.to

AI 聊天机器人已经不再令人惊艳。有用的才值得关注。
如果你今天要构建一个聊天机器人,你的目标不应该是“连接 LLM 并返回文本”。正确的目标应该是:
“如何构建一个能够理解用户、记住上下文并且能够干净扩展的聊天机器人?”
在本指南中,你将使用 Google Gemini 和 Node.js 构建一个可投产的 AI 聊天机器人,并了解每一步为何重要。
为什么选择 Google Gemini?
Gemini 非常适合真实场景下的聊天机器人,因为它具备:
- 长上下文窗口
- 快速响应(Gemini Flash)
- 强大的推理能力
- 多模态输入(文本、图像、工具)
适用场景
- SaaS 副驾驶
- 客服机器人
- 内部 AI 助手
架构
客户端 → Node.js API → Gemini → 响应
核心原则
- 保持提示语简洁
- 有意注入上下文
- 存储对话历史
- 将系统指令与用户输入分离
步骤 1:项目初始化
npm init -y
npm install express dotenv @google/generative-ai
创建 .env 文件:
GEMINI_API_KEY=your_api_key_here
步骤 2:在 Node.js 中初始化 Gemini
import express from "express";
import dotenv from "dotenv";
import { GoogleGenerativeAI } from "@google/generative-ai";
dotenv.config();
const app = express();
app.use(express.json());
const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);
步骤 3:定义系统指令(关键步骤)
大多数聊天机器人失败的原因是跳过了这一步。
const model = genAI.getGenerativeModel({
model: "gemini-1.5-flash",
systemInstruction: `
You are a helpful AI assistant.
Respond clearly, accurately, and concisely.
Ask follow‑up questions when needed.
`,
});
系统指令 = 个性 + 边界 + 清晰度。
步骤 4:添加对话记忆
如果没有记忆,聊天机器人会在每条消息后重置。
let chatHistory = [];
app.post("/chat", async (req, res) => {
const userMessage = req.body.message;
chatHistory.push({
role: "user",
parts: [{ text: userMessage }],
});
const chat = model.startChat({ history: chatHistory });
const result = await chat.sendMessage(userMessage);
const reply = result.response.text();
chatHistory.push({
role: "model",
parts: [{ text: reply }],
});
res.json({ reply });
});
现在你的聊天机器人:
- 记住上下文
- 回答保持一致
- 具备对话感
步骤 5:注入动态上下文(专业人士的做法)
通过注入运行时上下文可以显著提升输出质量。
const dynamicContext = `
User role: SaaS Founder
Product stage: MVP
Goal: Reduce support tickets
`;
const chat = model.startChat({
history: [
{ role: "user", parts: [{ text: dynamicContext }] },
...chatHistory,
],
});
这样得到的回复 更具体,而非千篇一律。
常见错误需避免
- ❌ 过度堆砌提示
- ❌ 没有记忆处理
- ❌ 混合系统指令和用户输入
- ❌ 将聊天机器人视为无状态
何时使用 Gemini Flash 与 Pro

结语
一个优秀的 AI 聊天机器人并非靠巧妙的提示语。关键在于:
- 上下文
- 记忆
- 意图
- 干净的架构
Gemini + Node.js 为你提供了构建可扩展、智能聊天机器人的全部构件——从实时对话到生产级 AI 助手。