使用免费 Gemini API 密钥制作聊天机器人的技巧

Source: Dev.to

概览

Gemini API 提供成本低廉的方式访问 Google 最强大的 AI 模型。本指南概述了构建聊天机器人的架构和实现步骤，同时确保 API 密钥的安全。

架构

设置

1. 从 Google AI Studio 获取 API 密钥。

2. 创建 Python 环境并安装所需库：

   pip install -q -U google-generativeai

3. 将 API 密钥存放在 .env 文件中，并将该文件加入 .gitignore，防止意外泄露。

初始化模型

# service.py or views.py
import google.generativeai as genai
import os

# 安全加载你的 API 密钥
genai.configure(api_key=os.environ["GEMINI_API_KEY"])

# 初始化模型（推荐使用 Gemini 2.5 Flash 以获得更快速度）
model = genai.GenerativeModel('gemini-2.5-flash')

创建聊天会话

标准的提示‑响应流程是无状态的。若要保留对话历史，请使用 .start_chat() 方法。

# 开始一个空历史的聊天会话
chat = model.start_chat(history=[])

def get_chatbot_response(user_input: str) -> str:
    """向模型发送消息并返回文本响应。"""
    response = chat.send_message(user_input, stream=False)
    return response.text

安全设置

Gemini 内置了针对骚扰和危险内容的过滤器。如果模型对你的使用场景过于严格，可以在配置中调整这些设置。

系统指令（人格）

定义系统指令，为聊天机器人设定统一的人格：

system_prompt = (
    "You are a professional first‑aid assistant. "
    "Provide clear, step‑by‑step emergency instructions."
)

# 使用系统指令进行初始化的示例
model = genai.GenerativeModel(
    'gemini-2.5-flash',
    system_instruction=system_prompt
)

错误处理

在 API 调用外层使用 try‑except 块，以处理速率限制、配额错误和网络超时等情况。

def safe_get_response(user_input: str) -> str:
    try:
        return get_chatbot_response(user_input)
    except Exception as e:
        # 记录错误并返回友好提示
        print(f"Error: {e}")
        return "Sorry, I'm experiencing technical difficulties. Please try again later."

安全最佳实践

• 绝不要直接在前端（JavaScript）调用 Gemini API。在浏览器中暴露 API 密钥会让任何人窃取并消耗你的配额。
• 始终通过后端路由请求，后端将 API 密钥安全地存放在环境变量中。
• 将 .env 文件排除在版本控制之外（.gitignore）。

遵循这些指南，你就能使用免费 Gemini API 密钥构建一个功能完善且安全的聊天机器人。