谷歌免费开放了Gemini(https://ai.google.dev)的API，每分钟可发出60个请求（RPM）。
这样我们除了免费体验Bard: https://bard.google.com/ 外，还可以写程序来调用。
安装依赖
pip install -q -U google-generativeai
-
-q或--quiet：这个参数用于减少安装过程中输出的信息量。通常，pip install 命令会显示正在安装的包的详细信息，包括版本、下载进度等。使用-q参数会使输出更加简洁，只显示最关键的信息。 -
-U或--upgrade：这个参数指示 pip 升级指定的包。如果没有这个参数，pip 只会安装指定包的最新版本，而不会升级已安装的旧版本。使用-U参数，pip 会检查是否已安装该包的旧版本，如果有，则会将其升级到最新版本。
申请AppKey
在使用 Gemini API 之前，您必须先获取 API 密钥。
用谷歌账号登录后，访问: https://makersuite.google.com/app/apikey 然后点击Get API key。
示例：列出已有模型
genai 软件包还支持 PaLM 系列模型，但只有 Gemini 模型支持该 generateContent 方法的通用多模态功能。
# 列出模型
import google.generativeai as genai
genai.configure(api_key="你的appkey")
for m in genai.list_models():
if 'generateContent' in m.supported_generation_methods:
print(m.name)
我们可以看到的可用模型：
gemini-pro：针对纯文本提示进行了优化。gemini-pro-vision：针对文本和图像提示进行了优化。
示例：对话续写
通过给出已有的对话上下文，让对话续写，可用于聊天机器人。
import google.generativeai as genai
genai.configure(api_key="你的appkey")
context = """你是一个30岁左右的程序员，下面的乙这个角色，正在跟朋友聊天，
请根据已有的聊天内容，产生对应的对话内容，要求：
1. 字数不要超过30个字；
2. 如果没有合适的回复内容，给上一条回复给出点赞的话语；
3. 产生对话内容，只要内容，不用出现'乙：'这样的说明作者的部分。
下面三个波浪线包含的部分是聊天历史内容：
~~~
甲：你好！最近怎么样？
乙：我很好，谢谢。你呢？
甲：我也不错。最近在忙些什么？
乙：我在学习新的编程语言，挺有趣的。你呢？
甲：我最近在准备一个旅行计划。
乙：哦，听起来很棒！你打算去哪里？
甲：我打算去日本。一直很想去那里看樱花。
~~~
"""
model = genai.GenerativeModel('gemini-pro')
response = model.generate_content(context)
print(response.text)
下面是几次执行后，续写出来的一些内容:
樱花真的很漂亮，祝你旅途愉快！
哇，日本是个美丽的地方！
想去日本看樱花，真是个浪漫的想法！
真棒！祝你旅途愉快！
Gemini 的 ChatSession 类通过管理会话的状态来实现多轮对话。下面是同样功能我们的代码。
import google.generativeai as genai
genai.configure(api_key="你的appkey")
model = genai.GenerativeModel('gemini-pro')
chat_history = [
{"role": "user","parts": [{"text": """你是一个30岁左右的程序员，
会对我的会话产生回复。
回复要求：
1. 字数不要超过30个字；
2. 如果没有合适的回复内容，给上一条回复给出点赞的话语；
3. 产生对话内容，只要内容，不用出现说明作者的部分。
随后我就会开始这个会话，你明白了自己的设定了么？
"""}]},
{"role":"model","parts":[{"text":"明白了，你可以开始了。"}]},
{"role":"user","parts":[{"text":"你好！最近怎么样？"}]},
{"role":"model","parts":[{"text":"我很好，谢谢。你呢？"}]},
{"role":"user","parts":[{"text":"我也不错。最近在忙些什么？"}]},
{"role":"model","parts":[{"text":"我在学习新的编程语言，挺有趣的。你呢？"}]},
{"role":"user","parts":[{"text":"我最近在准备一个旅行计划。"}]},
{"role":"model","parts":[{"text":"哦，听起来很棒！你打算去哪里？"}]},
]
chat = model.start_chat(history=chat_history)
response = chat.send_message("""
我打算去日本，
一直很想去那里看樱花。""")
print(response.text)
回复内容：
日本是个美丽的地方，樱花也很漂亮。祝你旅途愉快！
示例：识别图片
我是用下面这张图来让Gemini产生一段资深解说员级别的评论。
import google.generativeai as genai
import PIL.Image
genai.configure(api_key="你的appkey")
img = PIL.Image.open('01.jpeg')
context = """请给这张图，以资深解说员的角度，产生一段解说评论，要足够生动、吸引人。"""
model = genai.GenerativeModel('gemini-pro-vision')
response = model.generate_content([context,img])
print(response.text)
产生的解说：
大家好，欢迎收看本场比赛的解说。
比赛进行到第89分钟，日本队获得了一个任意球的机会。中村俊辅主罚任意球，皮球绕过人墙，直奔球门而去。德国门将诺伊尔奋力扑救，将球挡出底线。
这是一个非常精彩的任意球，中村俊辅的脚法非常出色，诺伊尔的扑救也非常神勇。双方球员在场上拼尽全力，为我们奉献了一场精彩的比赛。
让我们期待接下来的比赛，看看哪支球队能够取得胜利。
总结
本文通过实际示例，展示了Gemini API在续写对话和解说图像方面的能力。特别是在图像识别的应用示例中，Gemini API成功生成了生动、吸引人的体育比赛解说。
具有高频访问优势且支持图像识别的Gemini API，无疑是开拓创新的理想选择。它不仅免费开放，更在技术的海洋中为我们展现了无限的可能性，我们为什么还要犹豫不决？立即拥抱Gemini，让我们一同驶向智能技术的新纪元！
