【亲测免费】 Google Gemini 生成式 AI Python 项目教程
2026-01-20 01:51:04作者:舒璇辛Bertina
1. 项目目录结构及介绍
generative-ai-python/
├── docs/
│ ├── README.md
│ └── ...
├── examples/
│ ├── example1.py
│ └── ...
├── tests/
│ ├── test_example1.py
│ └── ...
├── third_party/
│ ├── library1/
│ └── ...
├── .editorconfig
├── .gitignore
├── CODEOWNERS
├── CODE_OF_CONDUCT.md
├── CONTRIBUTING.md
├── LICENSE
├── README.md
├── RELEASE.md
├── pyproject.toml
└── setup.py
目录结构说明
- docs/: 存放项目的文档文件,包括
README.md等。 - examples/: 存放项目的示例代码文件,如
example1.py。 - tests/: 存放项目的测试代码文件,如
test_example1.py。 - third_party/: 存放第三方库或依赖项。
- .editorconfig: 配置文件,用于统一代码风格。
- .gitignore: Git 忽略文件配置。
- CODEOWNERS: 定义项目的主要维护者。
- CODE_OF_CONDUCT.md: 项目的行为准则。
- CONTRIBUTING.md: 贡献指南。
- LICENSE: 项目的开源许可证。
- README.md: 项目的介绍和使用说明。
- RELEASE.md: 发布说明。
- pyproject.toml: Python 项目配置文件。
- setup.py: Python 项目安装脚本。
2. 项目启动文件介绍
项目的启动文件通常是 examples/ 目录下的示例代码文件,例如 example1.py。这些文件展示了如何使用项目的主要功能。
示例代码文件 (example1.py)
import google.generativeai as genai
import os
# 配置 API 密钥
genai.configure(api_key=os.environ["GEMINI_API_KEY"])
# 创建模型并运行提示
model = genai.GenerativeModel('gemini-1.5-flash')
response = model.generate_content("The opposite of hot is")
print(response.text)
启动步骤
- 设置环境变量
GEMINI_API_KEY为你的 API 密钥。 - 运行
python examples/example1.py启动示例代码。
3. 项目配置文件介绍
pyproject.toml
pyproject.toml 是 Python 项目的配置文件,用于定义项目的依赖、构建系统和工具配置。
[build-system]
requires = ["setuptools>=42", "wheel"]
build-backend = "setuptools.build_meta"
[project]
name = "google-generativeai"
version = "0.1.0"
description = "The official Python library for the Google Gemini API"
authors = [
{ name="Google", email="no-reply@google.com" }
]
dependencies = [
"requests>=2.25.1",
"numpy>=1.19.5"
]
setup.py
setup.py 是 Python 项目的安装脚本,用于定义项目的元数据和依赖项。
from setuptools import setup, find_packages
setup(
name='google-generativeai',
version='0.1.0',
description='The official Python library for the Google Gemini API',
author='Google',
author_email='no-reply@google.com',
packages=find_packages(),
install_requires=[
'requests>=2.25.1',
'numpy>=1.19.5'
],
)
配置步骤
- 安装依赖项:运行
pip install -r requirements.txt。 - 配置 API 密钥:在环境变量中设置
GEMINI_API_KEY。
通过以上步骤,你可以成功启动和配置 Google Gemini 生成式 AI Python 项目。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
564
3.82 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
659
Ascend Extension for PyTorch
Python
375
443
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
348
199
昇腾LLM分布式训练框架
Python
116
145
暂无简介
Dart
795
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
775
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
268
React Native鸿蒙化仓库
JavaScript
308
359