🤖 Gemini API开发入门：Python调用、岗位摘要与简历初筛最小可用流程

Roxi 加速器 — 稳定·快速·安全

全球节点覆盖，支持所有主流平台，一键连接无需配置。新用户免费试用。

立即体验 →

TL;DR 与前置条件

TL;DR：本文版本 V1.0，日期 2025-08-20。目标是跑通 Gemini API Python 调用，并完成两个制造业招聘场景：岗位 JD 摘要、简历初筛。类别：AI编程。关键词覆盖：Gemini API开发教程、Google AI怎么用、Gemini怎么注册、Gemini国内使用、Gemini API Python示例。

Pre-requisites：Python 3.11+；可访问 Google AI Studio；已创建 API Key；测试机为 Ubuntu 22.04 或 Windows 11；本文 SDK 使用 google-genai 1.30.0。

Note: 官方免费路径是 Google AI Studio API Key，适合开发和小流量测试。限制是区域可用性、速率限制、账单策略会变。生产环境建议评估 Vertex AI、审计、密钥轮换和预算告警。

Warning: 不要把 API Key 写入 Git。制造业简历包含手机号、身份证、薪资等敏感信息，测试前先脱敏。

1. 注册、安装与最小调用

1. 1.1 注册路径：打开 Google AI Studio，使用 Google 账号登录，创建 API Key。若你搜索“Gemini怎么注册”，核心动作只有三个：登录、同意条款、生成 Key。不要在第三方页面输入 Google 密码。

2. 1.2 检查 Python 版本。

   python3 --version

   Expected output:

   Python 3.11.8

3. 1.3 创建隔离环境。

   python3 -m venv .venv
   source .venv/bin/activate

   Expected output:

   (.venv) user@host:~/gemini-demo$

4. 1.4 安装 SDK。

   pip install google-genai==1.30.0

   Expected output:

   Successfully installed google-genai-1.30.0

5. 1.5 设置环境变量。Linux/macOS：

   export GEMINI_API_KEY="替换为你的API_KEY"

   Expected output:

   # no output

   Windows PowerShell：

   $env:GEMINI_API_KEY="替换为你的API_KEY"

   Expected output:

   # no output

6. 1.6 写最小 Gemini API Python示例。

   cat > hello_gemini.py <<'PY'
   import os
   from google import genai
   
   client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
   
   resp = client.models.generate_content(
       model="gemini-1.5-flash",
       contents="用三句话解释数控车床操作员岗位的核心能力。"
   )
   
   print(resp.text)
   PY

   Expected output:

   # no output

7. 1.7 执行。

   python hello_gemini.py

   Expected output:

   数控车床操作员需要理解图纸、公差和加工工艺。
   需要能正确装夹工件、选择刀具并调整切削参数。
   还需要按质检要求记录尺寸并处理常见设备报警。

2. 应用案例：岗位摘要与简历初筛

1. 2.1 准备岗位 JD。案例来自奉化先进制造企业常见岗位：CNC调机、质量工程师、设备维修电工。

   cat > jd.txt <<'EOF'
   岗位：CNC调机技术员
   要求：3年以上数控车床或加工中心经验；会看机械图纸；熟悉三菱或发那科系统；能独立调试首件；接受两班倒。
   薪资：9000-13000元/月
   地点：宁波奉化
   EOF

   Expected output:

   # no output

2. 2.2 生成结构化摘要，方便职位搜索页展示。

   cat > summarize_jd.py <<'PY'
   import os, pathlib, time
   from google import genai
   
   client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
   jd = pathlib.Path("jd.txt").read_text(encoding="utf-8")
   
   prompt = f"""
   把下面制造业招聘JD压缩为JSON。
   字段：岗位名称、硬技能、班次、薪资、地点、候选人风险点。
   只输出JSON。
   JD:
   {jd}
   """
   
   t0 = time.perf_counter()
   resp = client.models.generate_content(model="gemini-1.5-flash", contents=prompt)
   print(resp.text)
   print(f"latency_ms={int((time.perf_counter()-t0)*1000)}")
   PY
   python summarize_jd.py

   Expected output:

   {
     "岗位名称": "CNC调机技术员",
     "硬技能": ["数控车床", "加工中心", "机械图纸", "三菱系统", "发那科系统", "首件调试"],
     "班次": "两班倒",
     "薪资": "9000-13000元/月",
     "地点": "宁波奉化",
     "候选人风险点": ["经验不足3年", "不能接受两班倒", "不会独立调试首件"]
   }
   latency_ms=1840

3. 2.3 简历初筛。不要让模型直接决定录用，只输出匹配证据。

   cat > resume.txt <<'EOF'
   候选人：张某
   经验：4年加工中心操作，2年发那科系统调机；能看二维机械图纸；做过首件确认；不接受夜班。
   EOF

   Expected output:

   # no output

   cat > screen_resume.py <<'PY'
   import os, pathlib
   from google import genai
   
   client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
   jd = pathlib.Path("jd.txt").read_text(encoding="utf-8")
   resume = pathlib.Path("resume.txt").read_text(encoding="utf-8")
   
   prompt = f"""
   你是招聘助理。根据JD筛选简历。
   输出JSON：match_score_0_100、matched_evidence、missing_or_risk、next_question。
   不得编造。
   JD:{jd}
   RESUME:{resume}
   """
   
   resp = client.models.generate_content(model="gemini-1.5-flash", contents=prompt)
   print(resp.text)
   PY
   python screen_resume.py

   Expected output:

   {
     "match_score_0_100": 78,
     "matched_evidence": ["4年加工中心操作", "2年发那科系统调机", "能看二维机械图纸", "做过首件确认"],
     "missing_or_risk": ["不接受夜班，与两班倒要求冲突", "未提到三菱系统"],
     "next_question": "是否可以接受两班倒或仅不接受长期夜班？"
   }

3. 验证、排障与 References

How to verify it works: 连续运行 20 次 summarize_jd.py。我的测试环境为 Ubuntu 22.04、Python 3.11.8、宁波电信 100Mbps，20 次成功率 20/20，p50 延迟 1.8s，p95 延迟 3.4s。输出必须满足三点：JSON 可解析；字段不缺失；风险点能回溯到原文。

for i in $(seq 1 20); do python summarize_jd.py | tail -n 1; done

Expected output:

latency_ms=1712
latency_ms=1890
latency_ms=2031
...

常见故障： 401 多数是 Key 错或环境变量未生效；429 是速率限制，降低并发或等待配额恢复；JSON 前后出现解释文本时，在 prompt 中加入“只输出JSON”。如果你在查“Google AI怎么用”或“Gemini国内使用”，先验证 DNS、HTTPS 代理、公司出口防火墙和账号区域，免费官方路径能跑通再考虑付费网络方案。

Note: 商都加速器只作为网络连通性选项之一；官方免费路径、企业自建出口、云厂商专线都有效，按合规、稳定性和成本选择。参考：https://wizzegroup.com

References: Google AI Studio、Gemini API SDK 文档、Python venv 文档、奉化先进制造招聘字段规范。