一、用途 该技能用于把 Google 的 Gemini 3 Pro API/SDK 集成到应用中，涵盖设置、认证、文本生成、带动态思考的高级推理、聊天应用、流式响应以及生产部署模式。资料指明可通过 Python 或 Node.js SDK 完成集成，模型标识为 gemini-3-pro-preview。
二、主要能力 模型能力方面，资料说明其支持 100 万 token 输入、64k token 输出，具备动态思考（high/low 模式）、流式实时输出、带历史记录的多轮聊天，以及面向生产的错误处理、重试逻辑与成本优化。 技能覆盖的工作流包括：快速开始设置；生产级聊天应用开发；生产部署（监控、成本控制、可靠性）。
三、使用方式
- 快速开始：先到 Google AI Studio 获取 API 密钥；环境要求 Python 3.9+ 或 Node.js 18+；安装 SDK，Python 执行 pip install google-genai，Node.js 执行 npm install @google/generative-ai；通过环境变量配置密钥（推荐 GEMINI_API_KEY）；发起首次请求并核对返回文本与 token 用量。资料给出的 Python 基础调用示例使用 google.generativeai 库与 genai.configure、genai.GenerativeModel 与 model.generate_content。
- 聊天应用：使用 model.start_chat(history=[]) 开启会话，通过 chat.send_message 发送消息，可传 stream=True 以流式逐块输出；会话历史自动维护，可通过 len(chat.history) 查看轮次；资料称标准聊天流程中 SDK 会自动处理 thought signatures。
- 生产部署：密钥使用环境变量或 Secret Manager，禁止硬编码；配置 generation_config（thinking_level、temperature 1.0、max_output_tokens、top_p、top_k）与 safety_settings；使用 google.api_core 的 retry.Retry 实现指数退避重试；通过 response.usage_metadata 记录输入、输出与总 token 数，并按资料给出的价格估算成本；可实现请求限流类与日志监控。
四、思考级别与参数 thinking_level 控制推理深度：high 为最大推理深度、复杂任务质量最佳但首 token 更慢、成本更高，适用于复杂推理、编码、分析、研究；low 推理开销最小、响应更快、成本更低、输出更简单，适用于简单问题、事实性回答、快速查询。资料特别提醒：temperature 必须保持 1.0，改动可能导致循环或复杂推理任务性能下降；thinking_level 不能与旧版 thinking_budget 参数同时使用。
五、流式响应 Python 传 stream=True 后遍历 chunk.text；Node.js 使用 generateContentStream 并 for await 遍历 result.stream。资料列出的收益包括降低感知延迟、实时反馈、改善长响应体验。
六、计费与模型选择 资料给出的 Gemini 3 Pro 定价：上下文 ≤200k token 时输入 $2/1M、输出 $12/1M；>200k token 时输入 $4/1M、输出 $18/1M。优化建议包括把提示控制在 200k token 以内、简单任务用 low、实现上下文缓存、监控用量并设预算、简单任务改用 Gemini 1.5 Flash。资料还对比了 gemini-3-pro-preview（1M 上下文、64k 输出）、gemini-1.5-pro、gemini-1.5-flash 的上下文、输出与价格区间，并说明 Gemini 3 Pro 适合复杂推理、高级编码、长上下文分析与大输出需求。
七、局限与注意 资料仅覆盖 Gemini 3 Pro 的 API 集成相关内容，多模态、图像生成与高级功能（缓存、工具、批处理）被指向配套技能；除上述价格与模型参数外，其他版本、价格或平台细节暂未提供。官方参考链接包括 Gemini 3 文档、Python SDK 文档、Node.js SDK 文档、API 参考与定价页面。