Gemini API 开发指南

import requests
import json

# 配置 API 信息
API_KEY = "your_api_key_here"
BASE_URL = "https://api.jeniya.top/v1"

def call_gemini_api(model, prompt, **kwargs):
    """
    调用 Gemini API 的通用函数
    
    Args:
        model: 模型名称 (gemini-2.5-flash, gemini-2.5-pro 等)
        prompt: 输入提示
        **kwargs: 其他参数 (temperature, max_tokens 等)
    """
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    
    payload = {
        "model": model,
        "messages": [{"role": "user", "content": prompt}],
        "temperature": kwargs.get("temperature", 0.7),
        "max_tokens": kwargs.get("max_tokens", 1000),
        "top_p": kwargs.get("top_p", 0.9)
    }
    
    response = requests.post(
        f"{BASE_URL}/chat/completions",
        headers=headers,
        json=payload
    )
    
    return response.json()

# 使用示例
if __name__ == "__main__":
    # 使用 gemini-2.5-flash 进行快速响应
    result = call_gemini_api(
        model="gemini-2.5-flash",
        prompt="解释一下什么是机器学习？",
        temperature=0.3,
        max_tokens=500
    )
    
    print("Gemini 响应:")
    print(result["choices"][0]["message"]["content"])
    
    # 使用 gemini-2.5-pro 进行复杂推理
    complex_result = call_gemini_api(
        model="gemini-2.5-pro",
        prompt="分析人工智能在医疗领域的应用前景和挑战",
        temperature=0.5,
        max_tokens=1500
    )
    
    print("\n复杂分析结果:")
    print(complex_result["choices"][0]["message"]["content"])