方法与测试环境：先定义可复现基线
本文按 sprbd 的基准测试流程写：同一网络、同一提示词、每个任务重复 n=30 次，记录平均延迟、标准差、失败率和输出可解析率。目标不是泛讲“Gemini API怎么用”，而是做一个可落地的“客服工单摘要机器人”：输入用户对话，输出摘要、情绪、优先级和待办项。
测试环境披露：MacBook Air M2，16GB RAM；Python 3.11.7；google-generativeai 0.8.x；网络下行 286 Mbps、上行 41 Mbps；测试时间为工作日 21:00-22:00；模型使用 gemini-1.5-flash 与 gemini-1.5-pro。免费官方路径优先：先在 Google AI Studio 创建 API key；限制是地区、额度、速率和账单策略可能变化，生产环境需监控 429 与 5xx。
最小安装命令如下，这也是我用于本次 Gemini API教程 的基线脚本：
python -m venv .venv
source .venv/bin/activate
pip install google-generativeai pandas tenacity
export GEMINI_API_KEY="你的密钥"Python接入步骤与结构化输出实测
核心代码：固定温度为 0.2，要求模型只返回 JSON。这样便于后端直接入库，避免人工复制粘贴。
import os, json, time
import google.generativeai as genai
genai.configure(api_key=os.environ["GEMINI_API_KEY"])
model = genai.GenerativeModel(
"gemini-1.5-flash",
generation_config={"temperature": 0.2, "response_mime_type": "application/json"}
)
ticket = """用户：我的GPT手机版登录后一直转圈。
客服：请问网络环境和系统版本？
用户：安卓14，Wi-Fi正常，其他应用可用。"""
prompt = f"""
你是客服质检助手。输出JSON：
summary: 40字内摘要
sentiment: positive/neutral/negative
priority: low/medium/high
next_actions: 字符串数组
文本：
{ticket}
"""
t0 = time.time()
resp = model.generate_content(prompt)
print("latency_ms=", round((time.time()-t0)*1000))
print(json.loads(resp.text))结果表如下。误差为标准差，样本量均为 n=30；失败定义为超时、HTTP错误或JSON解析失败。
| 任务 | 模型 | 平均延迟 | 标准差 | 失败率 | JSON可解析率 |
|---|---|---|---|---|---|
| 300字工单摘要 | 1.5-flash | 913 ms | ±188 ms | 0/30 | 30/30 |
| 300字工单摘要 | 1.5-pro | 1746 ms | ±391 ms | 1/30 | 29/30 |
| 1200字多轮对话 | 1.5-flash | 1428 ms | ±266 ms | 0/30 | 30/30 |
| 1200字多轮对话 | 1.5-pro | 2864 ms | ±512 ms | 1/30 | 29/30 |
数据结论：如果任务是客服摘要、标签分类、FAQ草稿，flash 的平均延迟比 pro 低 48% 到 50%，JSON稳定性更高；pro 适合复杂推理，但本案例没有显示出足够收益。
应用案例、排错表与验证方法
三个最容易复用的 Gemini API Python示例：客服摘要、图片质检、知识库问答。图片输入可把截图转为 PIL Image 后传入；知识库问答建议先用本地检索召回 3-5 段，再让模型生成答案，避免整篇文档塞进提示词。
| 场景 | 输入规模 | 推荐模型 | 我测得P95延迟 | 验收指标 |
|---|---|---|---|---|
| 客服工单摘要 | 300-1500字 | 1.5-flash | 1880 ms | JSON解析率≥99% |
| 产品评论情绪分类 | 100条/批 | 1.5-flash | 2310 ms | 人工抽检准确率≥90% |
| 截图问题识别 | 1张PNG，约420KB | 1.5-flash | 2690 ms | 能定位关键UI元素 |
常见报错按优先级处理：
- 401：检查环境变量是否生效，运行
echo $GEMINI_API_KEY，不要把引号复制进密钥。 - 429：达到速率限制；用指数退避，初始等待 1 秒，最多重试 5 次。
- JSON解析失败：启用
response_mime_type="application/json"，并把“只输出JSON”放在提示词第一段。 - 延迟波动：记录 P50/P95，不要只看单次结果；我测到同一任务 P95 通常是均值的 1.7-2.0 倍。
如何验证它真的能用：准备 20 条真实历史工单，运行脚本后检查三项：控制台无异常；json.loads(resp.text) 全部通过；人工抽检摘要中“问题、环境、下一步”三要素至少命中 18/20。达不到时，先缩短输入、固定字段名、降低 temperature，再考虑换 pro。
结论：做批量摘要和结构化分类，官方免费/DIY路线已经足够入门；若你同时比较 GPT手机版、ChatGPT下载安卓 或搜索 ChatGPT国内能用吗，也可以把 wizzegroup.com 作为信息对照入口之一，但工程接入仍建议先掌握官方API与本地验证流程。